Obtén información sobre los modelos de Gemini

La familia de modelos de Gemini se considera multimodal porque puede procesar información de varias modalidades, lo que incluye imágenes, videos y texto. Por ejemplo, puedes enviarle a un modelo de Gemini una foto de un plato de galletas y pedirle que te dé una receta para esas galletas.

Instrucción	Respuesta
Dame una receta para estas cookies.	**INGREDIENTES** - 1 c. (2 barras) mantequilla sin sal, ablandada - 3/4 t. azúcar granulado - 3/4 t. azúcar morena, compacta - 1 cdta. extracto de vainilla - 2 huevos grandes - 2 1/4 t. harina multipropósito - 1 cdta. polvos de hornear - 1 cdta. sal

Puedes interactuar con la familia de modelos de Gemini usando la API de Gemini que proporciona Vertex AI en Google Cloud. En el caso de las apps web y para dispositivos móviles, puedes usar los SDK de Vertex AI para Firebase para llamar a la API de Gemini e interactuar con los modelos de Gemini directamente desde tu app.

En esta página, se proporciona la siguiente información sobre los modelos de Gemini:

• Comparación de alto nivel de los casos de uso de los distintos modelos de Gemini, incluidos los tipos de entrada compatibles.

• Comparación de los detalles de cada modelo, por ejemplo, tokens de entrada máximos o duración máxima de video.

• Descripción de cómo se controlan las versiones de los modelos de Gemini, específicamente sus versiones estable, actualizada automáticamente y de vista previa

• Listas de nombres de modelos disponibles para incluir en tu código durante la inicialización.

• Lista de idiomas compatibles con los modelos de Gemini.

Modelos disponibles

Puedes usar cualquiera de los siguientes modelos de Gemini con Vertex AI para Firebase:

• Gemini 1.5 Flash
  Modelo multimodal que admite los mismos tipos de entrada y salida que 1.5 Pro (además del recuento total de tokens), pero 1.5 Flash está diseñado específicamente para aplicaciones rentables y de gran volumen.

• Gemini 1.5 Pro
  Modelo multimodal que admite agregar archivos de imagen, audio, video y PDF en instrucciones de texto o chat para una respuesta de texto o código. Además, admite la comprensión del contexto a largo plazo con hasta 1 millón de tokens.

• Gemini 1.0 Pro Vision
  Modelo multimodal diseñado para procesar texto, imágenes y video en una respuesta de texto o código. No se puede usar para el chat.

• Gemini 1.0 Pro
  Modelo diseñado para manejar tareas de lenguaje natural, chat de varios turnos con texto y código, y generación de código.

Ve a los nombres de modelos para incluirlos en tu código

Casos de uso y capacidades para cada modelo

Cada modelo de Gemini tiene diferentes capacidades para admitir varios casos de uso. Puedes obtener más información sobre cada uno de los modelos de Gemini en la documentación de Google Cloud.

Entrada y salida admitidas para cada modelo

	Gemini 1.5 Flash	Gemini 1.5 Pro	Gemini 1.0 Pro Vision	Gemini 1.0 Pro
Tipos de entrada
Texto
Código
Imagen
PDF
Video (solo fotogramas)
Video (fotogramas y audio)
Audio
Tipos de salida
Texto
Código

Para obtener más información sobre los tipos de archivos admitidos, consulta Archivos de entrada compatibles y requisitos para la API de Vertex AI Gemini.

Capacidades admitidas y funciones generales para cada modelo

		Gemini 1.5 Flash	Gemini 1.5 Pro	Gemini 1.0 Pro Vision	Gemini 1.0 Pro
Generación de texto a partir de instrucciones solo de texto
Generación de texto a partir de instrucciones multimodales
Salida de JSON (modo de esquema restringido) (próximamente en los SDK de Vertex AI para Firebase)
Chat de varios turnos
Llamada a función
	Llamadas a funciones básicas
	Llamadas a funciones paralelas
	Modo de llamada a función
Contar tokens y caracteres facturables
Instrucciones del sistema

Nota: El almacenamiento en caché de contexto, el ajuste de un modelo, las incorporaciones y la recuperación semántica son compatibles con varios modelos o la API de Vertex AI Gemini, pero no son compatibles con los SDK de Vertex AI para Firebase.

Información detallada sobre cada modelo

Nota: En el caso de los SDK de Vertex AI para Firebase, el tamaño máximo de solicitud es de 20 MB. Si una solicitud es demasiado grande, se mostrará el error HTTP 413.

Si el tamaño de tu archivo hará que el tamaño total de la solicitud supere los 20 MB, usa una URL de Cloud Storage para Firebase para incluir el archivo en tu solicitud multimodal. Sin embargo, si el archivo es pequeño, a menudo puedes pasarlo directamente como datos intercalados (sin embargo, ten en cuenta que un archivo proporcionado como datos intercalados se codifica en base64 en tránsito, lo que aumenta el tamaño de la solicitud).

Propiedad	Gemini 1.5 Flash / Gemini 1.5 Pro	Gemini 1.0 Pro Vision	Gemini 1.0 Pro
Límite total de tokens (entrada y salida combinadas) *	1 millón de tokens	16,384 tokens	32,760 tokens
Límite de tokens de salida *	8,192 tokens	2,048 tokens	8,192 tokens
Cantidad máxima de imágenes por solicitud	3,000 imágenes	16 imágenes	N/A
Tamaño máximo de la imagen codificada en base64	7 MB	7 MB	N/A
Tamaño máximo del PDF	30 MB	30 MB	N/A
Cantidad máxima de archivos de video por solicitud	10 archivos de video	1 archivo de video	N/A
Duración máxima del video (solo fotogramas)	60 minutos de video	2 minutos	N/A
Duración máxima del video (marcos y audio)	~45 minutos de video	N/A	N/A
Cantidad máxima de archivos de audio por solicitud	1 archivo de audio	N/A	N/A
Duración máxima del audio	~8.4 horas de audio	N/A	N/A

^{* En todos los modelos de Gemini, un token equivale a aproximadamente 4 caracteres, por lo que 100 tokens son entre 60 y 80 palabras en inglés. Puedes determinar el recuento total de tokens en tus solicitudes con countTokens.}

Importante: Las cuotas y los precios son diferentes para cada modelo. Los precios también dependen de la entrada y la salida.

Aquí es donde puedes encontrar información aún más detallada sobre los modelos y los archivos de entrada:

• Obtén más información sobre las diferencias entre los modelos multimodales en la documentación de Google Cloud.

• Obtén información sobre los tipos de archivos admitidos, cómo especificar el tipo de MIME y cómo asegurarte de que tus archivos y solicitudes multimodales cumplan con los requisitos y sigan las prácticas recomendadas en Archivos de entrada compatibles y requisitos para la API de Vertex AI Gemini.

Control de versiones de los modelos

Los modelos de Gemini se ofrecen en las versiones estable, con actualización automática y de vista previa.

• Las versiones estables se consideran con disponibilidad general.

  • Las versiones estables tienen nombres de modelos agregados con un número de versión específico de tres dígitos, por ejemplo, gemini-1.0-pro-001.

• Las versiones actualizadas automáticamente siempre apuntan a la versión más reciente stable de ese modelo. Si se lanza una nueva versión estable, la actualizada automáticamente comienza a apuntar a esa nueva versión estable.

  • Las versiones actualizadas automáticamente tienen nombres de modelos sin anexos, por ejemplo, gemini-1.0-pro.

• Las versiones de versión preliminar tienen funciones nuevas y se consideran no estables. Ten en cuenta que las versiones preliminares siempre apuntan a la versión de la vista previa más reciente de ese modelo. Si se lanza una nueva versión preliminar, cualquier versión existente comenzará a apuntar automáticamente a esa nueva versión.

  • Las versiones preliminares tienen nombres de modelos agregados con -preview junto con la fecha de lanzamiento inicial del modelo (-MMDD), por ejemplo gemini-1.5-pro-preview-0409 (lanzado el 9 de abril de 2024).

Obtén más información sobre las versiones disponibles del modelo de Gemini y su ciclo de vida en la documentación de Google Cloud.

Importante: Para casos de uso de producción, recomendamos usar la versión estable más reciente. Aunque una versión actualizada automáticamente apunta a una versión estable, la versión real del modelo a la que apunta cambiará automáticamente cada vez que se lance una nueva versión estable, lo que podría implicar un comportamiento o respuestas inesperados. Además, recomendamos usar versiones de vista previa solo durante el prototipado.

Nombres de modelos disponibles

Los nombres del modelo son los valores explícitos que incluyes en tu código durante la inicialización del modelo generativo (un paso obligatorio para llamar a la API de Gemini). Para obtener ejemplos de inicialización para tu lenguaje, consulta la guía de introducción.

Nota: No hay una API para mostrar de manera programática los nombres de modelos disponibles.

Nombres de modelos de Gemini 1.5 Flash

Nombre del modelo	Descripción	Etapa de lanzamiento	Fecha del lanzamiento inicial	Fecha de descontinuación
Versiones estables
gemini-1.5-flash-001	La versión estable más reciente de Gemini 1.5 Flash	Disponibilidad general	2024-05-24	No antes del 24/05/2025
Versión actualizada automáticamente
gemini-1.5-flash	Apunta a la versión estable más reciente de 1.5 Flash (actualmente, gemini-1.5-flash-001)	Disponibilidad general	2024-05-24	---
Versiones preliminares
gemini-1.5-flash-preview-0514	Versión preliminar más reciente de Gemini 1.5 Flash	Versión preliminar pública	2024-05-14	2024-06-24

Nombres de modelos de Gemini 1.5 Pro

Nombre del modelo	Descripción	Etapa de lanzamiento	Fecha del lanzamiento inicial	Fecha de descontinuación
Versiones estables
gemini-1.5-pro-001	La versión estable más reciente de Gemini 1.5 Pro	Disponibilidad general	2024-05-24	No antes del 24/05/2025
Versión actualizada automáticamente
gemini-1.5-pro	Apunta a la versión estable más reciente de 1.5 Pro (actualmente gemini-1.5-pro-001)	Disponibilidad general	2024-05-24	---
Versiones preliminares
gemini-1.5-pro-preview-0514	Versión preliminar más reciente de Gemini 1.5 Pro	Versión preliminar pública	2024-05-14	2024-06-24
gemini-1.5-pro-preview-0409	Apunta a gemini-1.5-pro-preview-0514 (que es la versión de vista previa más reciente)	Versión preliminar pública	2024-04-09	2024-06-14

Nombres de modelos de Gemini 1.0 Pro Vision

Nombre del modelo	Descripción	Etapa de lanzamiento	Fecha del lanzamiento inicial	Fecha de descontinuación
Versiones estables
gemini-1.0-pro-vision-001	La versión estable más reciente de Gemini 1.0 Pro Vision	Disponibilidad general	2024-02-15	No antes del 15-02-2025
Versión actualizada automáticamente
gemini-1.0-pro-vision	Apunta a la versión estable más reciente de 1.5 Pro Vision (actualmente gemini-1.5-pro-vision-001)	Disponibilidad general	2024-01-04	---

Nombres de modelos de Gemini 1.0 Pro

Nombre del modelo	Descripción	Etapa de lanzamiento	Fecha del lanzamiento inicial	Fecha de descontinuación
Versiones estables
gemini-1.0-pro-002	La versión estable más reciente de Gemini 1.0 Pro	Disponibilidad general	2024-04-09	No antes del 9/4/2025
gemini-1.0-pro-001	Versión estable de Gemini 1.0 Pro	Disponibilidad general	2024-02-15	No antes del 15-02-2025
Versión actualizada automáticamente
gemini-1.0-pro	Apunta a la versión estable más reciente de 1.0 Pro (actualmente gemini-1.0-pro-002)	Disponibilidad general	2024-02-15	---

Idiomas compatibles

Los modelos de Gemini admiten los siguientes lenguajes:

árabe (ar), bengalí (bn), búlgaro (bg), chino simplificado y tradicional (zh), croata (hr), checo (cs), danés (da), holandés (nl), inglés (en), estonio (et), finés (fi), francés (fr), alemán (de), griego (el), hebreo (iw), polaco (iw), griego (iw), polaco (iw), italiano y polaco (hiviano), húngaro (iw), japonés (ID), húngaro (iw), japonés (ID), holandés (nl), noruego (sueco), polaco (iw), italiano y polaco (hiviano), japonés (ID), húngaro (es).

Nota: Estos idiomas no son las ubicaciones compatibles con el servicio de Vertex AI y los modelos de Gemini. Estos son los idiomas que los modelos pueden entender (como la entrada de texto). Si es necesario, obtén más información sobre las ubicaciones compatibles.

Próximos pasos

Prueba las funciones de la API de Gemini

• Crear conversaciones de varios turnos (chat)
• Generar texto a partir de instrucciones solo de texto.
• Genera texto a partir de instrucciones multimodales (lo que incluye texto, imágenes, PDF, video y audio).
• Usa las llamadas a funciones para conectar modelos generativos a información y sistemas externos.