Gemini, Gemma, Imagen y Veo
Elegir entre Gemini y sus gamas, Gemma, Imagen y Veo con los criterios de selección de un modelo fundacional —modalidad, ventana de contexto, seguridad, disponibilidad y fiabilidad, coste, rendimiento y personalización— y las restricciones de despliegue.
1. El problema de negocio
El área de riesgos de un banco quiere que sus analistas consulten expedientes de crédito empresarial muy extensos que combinan informes en texto, balances escaneados y grabaciones en vídeo de las reuniones con el cliente. Necesitan resúmenes y respuestas razonadas sobre el expediente completo, dentro del entorno cloud gestionado que el banco ya usa. El comité de tecnología debe decidir qué modelo de Google adoptar y en qué gama.
2. Solución de Google
- Servicio
- Gemini en la gama adecuada, o Gemma cuando hay que controlar los pesos
- Capa
- Modelos
- Por qué
- Gemini es multimodal nativo: interpreta en un mismo modelo el texto, los balances escaneados y los vídeos del expediente. La gama Pro aporta el razonamiento complejo y la ventana de contexto que pide un expediente extenso, en el entorno gestionado que el banco ya usa. Gemma solo compensaría si el banco necesitara controlar los pesos del modelo.
Ver la capa en el mapa de 5 capas
Capa 5Aplicaciones
La parte con la que interactúa el usuario final.
- Gemini app
- Gemini Enterprise
- Gemini for Google Workspace
- Gemini Notebook
- Gemini for Google Cloud
Capa 4Agentes
Software que persigue un objetivo usando un modelo y herramientas.
- Agentes en Agent Platform
- Customer Engagement Suite
Capa 3Plataforma
APIs, gestión de datos y despliegue de modelos; abstrae la infraestructura.
- Agent Studio
- Agent Search
- Model Garden
- Agent Platform AutoML
- RAG Engine
- Agent Runtime
Capa 2Modelos[Capa de esta lección]
Algoritmos entrenados con grandes volúmenes de datos que generan contenido.
- Gemini
- Gemma
- Imagen
- Veo
Capa 1Infraestructura
Cómputo y almacenamiento físico para entrenar y servir modelos.
- AI Hypercomputer
- Cloud TPU
- GPU
- Centros de datos de Google
3. Límites
- No la uses si
- La tarea pasa a ser sencilla y masiva, como resumir cientos de miles de mensajes breves al día, y el coste por consulta decide la viabilidad.
- Variable que fuerza el cambio
- Coste
- Alternativa
- Gemini Flash-Lite, la gama para volumen masivo a mínimo coste; si el modelo tuviera que ejecutarse en el propio dispositivo, IA en el edge con Gemini Nano y LiteRT.
4. La trampa del examen
- [✗] Distractor
- Usar Imagen para interpretar los balances escaneados y Veo para analizar las grabaciones en vídeo, un modelo especializado para cada modalidad.
- Por qué tienta
- Imagen y Veo son los modelos de Google asociados a la imagen y al vídeo, y repartir el trabajo por modalidad parece más especializado.
- Por qué es incorrecto
- Imagen y Veo generan imágenes y vídeo, no los interpretan; entender balances y grabaciones y razonar sobre ellos corresponde a un modelo multimodal nativo como Gemini, que además evita el esfuerzo de integrar varios modelos.