Obtén información sobre los modelos de Gemini

La familia de modelos Gemini se considera multimodal porque es capaz de procesar información de varias modalidades, incluidas imágenes, videos y texto. Por ejemplo, puedes enviarle a un modelo de Gemini una foto de una bandeja de galletas y pedirle una receta para preparar 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 el Gemini API 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 in Firebase para llamar a la API de Gemini y, luego, 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 diversos modelos de Gemini, incluidos sus tipos de entrada compatibles.

• Comparación de los detalles de cada modelo, por ejemplo, la cantidad máxima de tokens de entrada o la duración máxima del video

• Descripción de cómo se controla la versión de los modelos de Gemini, en particular, sus versiones estables, actualizadas automáticamente y de vista previa.

• Son listas de nombres de modelos disponibles que se incluyen en tu código durante la inicialización.

• Es la lista de los idiomas admitidos para los modelos de Gemini.

Modelos disponibles

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

• Gemini 1.5 Flash
  Es un modelo multimodal que admite los mismos tipos de entrada y salida que 1.5 Pro, pero con una comprensión del contexto a largo plazo de 1 millón de tokens. Gemini 1.5 Flash está diseñado específicamente para aplicaciones rentables 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 2 millones de tokens.

• Gemini 1.0 Pro Vision
  Es un modelo multimodal diseñado para controlar texto, así como imágenes y video para una respuesta de texto o código. No se puede usar para chatear.

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

Ir a los nombres de los modelos para incluirlos en tu código

Casos de uso y capacidades de cada modelo

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

Entradas y salidas compatibles 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
Resultados estructurados (como JSON) con el esquema de respuesta
Código

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

Funciones generales y compatibles de 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 una entrada de solo texto
Generación de texto a partir de entradas multimodales
Resultado estructurado (como JSON) con el esquema de respuesta
Chat de varios turnos
Llamada a función
	Llamadas a funciones básicas
	Llamadas a función paralelas
	Modo de llamada a función
Recuento de tokens y caracteres facturables
Instrucciones del sistema

Nota: Varios modelos o Vertex AI Gemini API admiten la caché de contexto, el ajuste fino de un modelo, las incorporaciones y la recuperación semántica, pero los SDKs de Vertex AI in Firebase no los admiten.

Información detallada sobre cada modelo

Nota: Para los SDKs de Vertex AI in Firebase, el tamaño máximo de la solicitud es de 20 MB. Recibirás un error HTTP 413 si una solicitud es demasiado grande.

Si el tamaño de tu archivo hará que el tamaño total de la solicitud supere los 20 MB, entonces usa una URL Cloud Storage for 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) *	1,048,576 tokens	2,097,152 tokens	16,384 tokens	32,760 tokens
Límite de tokens de salida *	8,192 tokens	8,192 tokens	2,048 tokens	8,192 tokens
Cantidad máxima de imágenes por solicitud	3,000 imágenes	3,000 imágenes	16 imágenes	N/A
Tamaño máximo de la imagen codificada en base64	7 MB	7 MB	7 MB	N/A
Tamaño máximo del PDF	30 MB	30 MB	30 MB	N/A
Cantidad máxima de archivos de video por solicitud	10 archivos de video	10 archivos de video	1 archivo de video	N/A
Duración máxima del video (solo fotogramas)	~60 minutos de video	~60 minutos de video	2 minutos	N/A
Duración máxima del video (fotogramas y audio)	~45 minutos de video	~45 minutos de video	N/A	N/A
Cantidad máxima de archivos de audio por solicitud	1 archivo de audio	1 archivo de audio	N/A	N/A
Duración máxima del audio	Aprox. 8.4 horas de audio	Aprox. 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 las entradas y salidas.

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 admitidos y requisitos para Vertex AI Gemini API.

Control de versiones de los modelos

Los modelos de Gemini se ofrecen en versiones estables, actualizadas automáticamente y de vista previa.

• Las versiones estables se consideran de disponibilidad general.

  • Las versiones estables tienen nombres de modelos a los que se les agrega un número de versión específico de tres dígitos, por ejemplo, gemini-1.5-pro-002.

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

  • Las versiones actualizadas automáticamente tienen nombres de modelos sin ningún tipo de terminación, por ejemplo, gemini-1.5-pro.

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

  • 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 de modelos de Gemini disponibles y su ciclo de vida en la documentación de Google Cloud.

Importante: En el caso de los casos de uso de producción, te recomendamos que uses la versión estable más reciente. Aunque una versión actualizada automáticamente hace referencia a una versión estable, la versión real del modelo a la que hace referencia cambiará automáticamente cada vez que se lance una nueva versión estable, lo que podría generar respuestas o comportamientos inesperados. Además, las versiones de vista previa solo se recomiendan durante el prototipado.

Nombres de modelos disponibles

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

Nota: No hay una API para enumerar de forma programática los nombres de los modelos disponibles.

Nombres de los modelos Gemini 1.5 Flash

Nombre del modelo	Descripción	Etapa de lanzamiento	Fecha de lanzamiento inicial	Fecha de descontinuación
Versiones estables
gemini-1.5-flash-002	La versión estable más reciente de Gemini 1.5 Flash	Disponibilidad general	2024-09-24	A partir del 24 de septiembre de 2025
gemini-1.5-flash-001	Versión estable inicial de Gemini 1.5 Flash	Disponibilidad general	2024-05-24	A partir del 24/05/2025
Versión actualizada automáticamente
gemini-1.5-flash	Hace referencia a la versión estable más reciente de Flash 1.5 (actualmente, gemini-1.5-flash-002).	Disponibilidad general	2024-09-24	---

Nombres de los modelos de Gemini 1.5 Pro

Nombre del modelo	Descripción	Etapa de lanzamiento	Fecha de lanzamiento inicial	Fecha de descontinuación
Versiones estables
gemini-1.5-pro-002	La versión estable más reciente de Gemini 1.5 Pro	Disponibilidad general	2024-09-24	A partir del 24 de septiembre de 2025
gemini-1.5-pro-001	Versión estable inicial de Gemini 1.5 Pro	Disponibilidad general	2024-05-24	A partir del 24/05/2025
Versión actualizada automáticamente
gemini-1.5-pro	Hace referencia a la versión estable más reciente de 1.5 Pro (actualmente, gemini-1.5-pro-002).	Disponibilidad general	2024-09-24	---

Nombres de los modelos Gemini 1.0 Pro Vision

Nombre del modelo	Descripción	Etapa de lanzamiento	Fecha de 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	Hace referencia 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 los modelos Gemini 1.0 Pro

Nombre del modelo	Descripción	Etapa de lanzamiento	Fecha de 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	A partir del 9/04/2025
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	Indica la versión estable más reciente de 1.0 Pro (actualmente, gemini-1.0-pro-002).	Disponibilidad general	2024-02-15	---

Lenguajes compatibles

• Todos los modelos de Gemini pueden comprender y responder en los siguientes idiomas:

  Árabe (ar), bengalí (bn), búlgaro (bg), chino simplificado y tradicional (zh), croata (hr), checo (cs), danés (da), neerlandés (nl), español (es), estonio (et), finlandés (fi), francés (fr), alemán (de), griego (el), hebreo (iw), hindi (hi), húngaro (hu), indonesio (id), italiano (it), japonés (ja), coreano (ko), letón (lv), lituano (lt), noruego (no), polaco (pl), portugués (pt), rumano (ro), ruso (ru), serbio (sr), eslovaco (sk), esloveno (sl), sueco (sv), tailandés (th), turco (tr), ucraniano (uk) y vietnamita (vi)

• Los modelos Gemini 1.5 Pro y Gemini 1.5 Flash pueden entender y responder en los siguientes idiomas adicionales:

  Afrikaans (af), Amharic (am), Assamese (as), Azerbaijani (az), Belarusian (be), Bosnian (bs), Catalan (ca), Cebuano (ceb), Corsican (co), Welsh (cy), Dhivehi (dv), Esperanto (eo), Basque (eu), Persian (fa), Filipino (Tagalog) (fil), Frisian (fy), Irish (ga), Scots Gaelic (gd), Galician (gl), Gujarati (gu), Hausa (ha), Hawaiian (haw), Hmong (hmn), Haitian Creole (ht), Armenian (hy), Igbo (ig), Icelandic (is), Javanese (jv), Georgian (ka), Kazakh (kk), Khmer (km), Kannada (kn), Krio (kri), Kurdish (ku), Kyrgyz (ky), Latin (la), Luxembourgish (lb), Lao (lo), Malagasy (mg), Maori (mi), Macedonian (mk), Malayalam (ml), Mongolian (mn), Meiteilon (Manipuri) (mni-Mtei), Marathi (mr), Malay (ms), Maltese (mt), Myanmar (Burmese) (my), Nepali (ne), Nyanja (Chichewa) (ny), Odia (Oriya) (or), Punjabi (pa), Pashto (ps), Sindhi (sd), Sinhala (Sinhalese) (si), Samoan (sm), Shona (sn), Somali (so), Albanian (sq), Sesotho (st), Sundanese (su), Tamil (ta), Telugu (te), Tajik (tg), Uyghur (ug), Urdu (ur), Uzbek (uz), Xhosa (xh), Yiddish (yi), Yoruba (yo), Zulu (zu)

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

Próximos pasos

Prueba las funciones de Gemini API

• Crea conversaciones de varios turnos (chat).
• Generar texto a partir de instrucciones de solo texto
• Genera texto a partir de instrucciones multimodales (incluidos texto, imágenes, PDF, video y audio).
• Genera resultados estructurados (como JSON) a partir de instrucciones multimodales y de texto.
• Usa las llamadas a funciones para conectar los modelos generativos a sistemas y datos externos.