Modelos de Google

Vertex AI cuenta con una lista creciente de modelos de base que puedes probar, implementar y personalizar para usar en tus aplicaciones basadas en IA. Los modelos de base se ajustan para casos de uso específicos y se ofrecen en diferentes precios. En esta página, se resumen los modelos que están disponibles en las diversas APIs y se brinda orientación sobre qué modelos elegir por caso de uso.

Para obtener más información sobre todos los modelos y las APIs de IA en Vertex AI, consulta Explora los modelos de IA en Model Garden.

Modelos de Gemini

En la siguiente tabla, se resumen los modelos disponibles en la API de Gemini. Para obtener más información sobre los detalles de la API, consulta la referencia de la API de Gemini.

Para explorar un modelo en la consola de Google Cloud, selecciona su tarjeta de modelo en Model Garden.

Modelo Entradas Resultados Caso práctico Prueba el modelo
Gemini 2.0 Flash
gemini-2.0-flash-001 		Texto, código, imágenes, audio, video, video con audio, PDF Texto, audio (versión preliminar privada) e imágenes (versión preliminar privada) Modelo de caballo de batalla para todas las tareas diarias. Rendimiento general sólido y compatibilidad con la API de transmisión en vivo en tiempo real. Prueba Gemini 2.0 Flash
Gemini 2.0 Pro
gemini-2.0-pro-exp-02-05 		Texto, imágenes, video, audio y PDF Texto Calidad del modelo más sólida, en especial para el código y el conocimiento del mundo; contexto de 2 millones de años. Prueba Gemini 2.0 Pro
Gemini 2.0 Flash-Lite
gemini-2.0-flash-lite-preview-02-05 		Texto, imágenes, video, audio y PDF Texto Nuestra oferta rentable para admitir una alta capacidad de procesamiento. Prueba Gemini 2.0 Flash-Lite
Gemini 2.0 Flash Thinking
gemini-2.0-flash-thinking-exp-01-21 		Texto, imágenes Texto Proporciona capacidades de razonamiento más sólidas y, además, incluye el proceso de pensamiento en las respuestas. Prueba Gemini 2.0 Flash Thinking
Gemini 1.5 Flash
gemini-1.5-flash 		Texto, código, imágenes, audio, video, video con audio, PDF Texto Proporciona velocidad y eficiencia para apps de gran volumen, calidad y rentabilidad. Prueba Gemini 1.5 Flash
Gemini 1.5 Pro
gemini-1.5-pro 		Texto, código, imágenes, audio, video, video con audio, PDF Texto Admite mensajes de texto o chat para una respuesta de texto o código.
: Admite la comprensión del contexto a largo plazo hasta el límite máximo de token de entrada.		 Prueba Gemini 1.5 Pro
Gemini 1.0 Pro
gemini-1.0-pro 		Texto Texto El modelo con mejor rendimiento para una amplia gama de tareas de solo texto. Prueba Gemini 1.0 Pro
Gemini 1.0 Pro Vision
gemini-1.0-pro-vision 		Texto, imágenes, audio, video, video con audio, PDF Texto El modelo de comprensión de imágenes y videos con mejor rendimiento para manejar una amplia gama de aplicaciones. Prueba Gemini 1.0 Pro Vision

En la siguiente información, se proporcionan detalles sobre cada modelo de Gemini.

Gemini 2.0 Flash

La nueva generación de nuestros modelos Gemini Flash. Gemini 2.0 Flash ofrece una velocidad superior a nuestros modelos 1.5 y admite una gama más amplia de funciones, como la transmisión bidireccional con nuestra API de Multimodal Live, la generación de respuestas multimodales y el uso de herramientas integradas.

Funciones

Función Disponibilidad
Grounding with Google Search
Ejecución de código
Ajuste
Instrucción del sistema Consulta Usa las instrucciones del sistema.
Generación controlada
Capacidad de procesamiento aprovisionada Consulta Modelos compatibles.

Especificaciones

Especificación Valor
Cantidad máxima de tokens de entrada 1,048,576
Cantidad máxima de tokens de salida 8,192
Datos de entrenamiento Hasta junio de 2024

Gemini 2.0 Pro

Gemini 2.0 Pro es nuestro modelo más potente para la programación y el conocimiento mundial, y cuenta con una ventana de contexto de 2 millones de tokens. Gemini 2.0 Pro está disponible como modelo experimental en Vertex AI y es una ruta de actualización para los usuarios de 1.5 Pro que desean una mejor calidad o que invierten especialmente en el contexto y el código largos.

Funciones

Función Disponibilidad
Grounding with Google Search
Ejecución de código
Ajuste
Instrucción del sistema Consulta Usa las instrucciones del sistema.
Compatibilidad con JSON
Capacidad de procesamiento aprovisionada Consulta Modelos compatibles.

Especificaciones

Especificación Valor
Cantidad máxima de tokens de entrada 2,097,152
Cantidad máxima de tokens de salida 8,192
Datos de entrenamiento Hasta junio de 2024

Gemini 2.0 Flash-Lite

Gemini 2.0 Flash-Lite es nuestro modelo de Flash más rápido y rentable. Es una ruta de actualización para los usuarios de 1.5 Flash que desean obtener una mejor calidad por el mismo precio y velocidad.

Funciones

Función Disponibilidad
Grounding with Google Search
Ejecución de código
Ajuste
Instrucción del sistema Consulta Usa las instrucciones del sistema.
Compatibilidad con JSON
Capacidad de procesamiento aprovisionada Consulta Modelos compatibles.

Especificaciones

Especificación Valor
Cantidad máxima de tokens de entrada 1,048,576
Cantidad máxima de tokens de salida 8,192
Datos de entrenamiento Hasta junio de 2024

Gemini 2.0 Flash Thinking

Gemini 2.0 Flash Thinking es un modelo de procesamiento experimental durante el tiempo de prueba que se entrena para generar el "proceso de pensamiento" que atraviesa el modelo como parte de su respuesta. Como resultado, Flash Thinking es capaz de tener capacidades de razonamiento más sólidas en sus respuestas que el modelo base de Gemini 2.0 Flash. Para obtener más información, consulta la documentación de Gemini 2.0 Flash Thinking.

Funciones

Función Disponibilidad
Fundamentos
Ajuste
Instrucción del sistema Consulta Usa las instrucciones del sistema.
Compatibilidad con JSON
Capacidad de procesamiento aprovisionada Consulta Modelos compatibles.

Especificaciones

Especificación Valor
Cantidad máxima de tokens de entrada 1,048,576
Cantidad máxima de tokens de salida 65,536
Datos de entrenamiento Hasta mayo de 2024

Gemini 1.5 Flash

Un modelo multimodal diseñado para aplicaciones rentables y de gran volumen, y que ofrece velocidad y eficiencia para compilar aplicaciones rápidas y de bajo costo que no afectan la calidad.

Funciones

Función Disponibilidad
Fundamentos Solo entrada de texto
Ajuste
Instrucción del sistema Consulta Usa las instrucciones del sistema.
Generación controlada
Capacidad de procesamiento aprovisionada Consulta Modelos compatibles.

Especificaciones

Especificación Valor
Cantidad máxima de tokens de entrada 1,048,576
Cantidad máxima de tokens de salida 8,192
Tamaño máximo de la imagen sin formato 20 MB
Tamaño máximo de la imagen codificada en base64 7 MB
Cantidad máxima de imágenes por instrucción 3,000
Duración máxima del video 1 hora
Cantidad máxima de videos por instrucción 10
Duración máxima del audio aproximadamente 8.4 horas
Audio máximo por instrucción 1
Tamaño máximo de PDF 30 MB
Datos de entrenamiento Hasta mayo de 2024

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. Este modelo admite la comprensión del contexto a largo plazo hasta el límite máximo de token de entrada.

Funciones

Función Disponibilidad
Fundamentos Sí (solo entrada de texto)
Ajuste
Instrucción del sistema Sí. Consulta Usa las instrucciones del sistema.
Compatibilidad con JSON
Capacidad de procesamiento aprovisionada Sí. Consulta Modelos compatibles.

Especificaciones

Especificación Valor
Cantidad máxima de tokens de entrada 2,097,152
Cantidad máxima de tokens de salida 8,192
Cantidad máxima de imágenes por instrucción 3,000
Duración máxima del video (solo fotogramas) aproximadamente una hora
Duración máxima del video (fotograma y audio) aproximadamente 45 minutos
Cantidad máxima de videos por instrucción 10
Duración máxima del audio aproximadamente 8.4 horas
Audio máximo por instrucción 1
Tamaño máximo de PDF 30 MB
Datos de entrenamiento Hasta mayo de 2024

Gemini 1.0 Pro

El modelo con mejor rendimiento y características para una amplia gama de tareas de solo texto. Este modelo solo admite texto como entrada.

Funciones

Función Disponibilidad
Fundamentos Sí (solo entrada de texto)
Ajuste Sí. El ajuste supervisado es compatible con gemini-1.0-pro-002.
Instrucción del sistema Sí. Compatible con gemini-1.0-pro-002. Consulta Usa las instrucciones del sistema.
Compatibilidad con JSON
Capacidad de procesamiento aprovisionada Sí. Consulta Modelos compatibles.

Especificaciones

Especificación Valor
Cantidad máxima de tokens de entrada 32,760
Cantidad máxima de tokens de salida 8,192
Datos de entrenamiento Hasta febrero de 2023

Gemini 1.0 Pro Vision

El modelo de comprensión de imágenes y videos con mejor rendimiento para manejar una amplia gama de aplicaciones. Gemini 1.0 Pro Vision admite texto, imágenes y video como entradas.

Funciones

Función Disponibilidad
Fundamentos
Ajuste
Instrucción del sistema
Compatibilidad con JSON
Capacidad de procesamiento aprovisionada Sí. Consulta Modelos compatibles.

Especificaciones

Especificación Valor
Cantidad máxima de tokens de entrada 16,384
Cantidad máxima de tokens de salida 2,048
Cantidad máxima de imágenes por instrucción 16
Duración máxima del video 2 minutos
Cantidad máxima de videos por instrucción 1
Datos de entrenamiento Hasta febrero de 2023

Gemini 1.0 Ultra

El modelo de texto más capaz de Google, optimizado para tareas complejas, incluidas instrucciones, código y razonamiento. Gemini 1.0 Ultra solo admite texto como entrada.

Funciones

Función Disponibilidad
Fundamentos
Ajuste
Instrucción del sistema
Compatibilidad con JSON
Capacidad de procesamiento aprovisionada Sí. Consulta Modelos compatibles.

Especificaciones

Especificación Valor
Cantidad máxima de tokens de entrada 8,192
Cantidad máxima de tokens de salida 2,048

Gemini 1.0 Ultra Vision

El modelo de visión multimodal más capaz de Google, optimizado para admitir entradas de texto, imágenes y video conjuntas.

Funciones

Función Disponibilidad
Fundamentos
Ajuste
Instrucción del sistema
Compatibilidad con JSON
Capacidad de procesamiento aprovisionada Consulta Modelos compatibles.

Especificaciones

Especificación Valor
Cantidad máxima de tokens de entrada 8,192
Cantidad máxima de tokens de salida 2,048

Compatibilidad con idiomas de Gemini

  • 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)

Modelos de Gemma

En la siguiente tabla, se resumen los modelos de Gemma.

Modelo Entradas Resultados Caso práctico Prueba el modelo
Gemma
Detalles del modelo 		Texto Texto Un modelo de texto abierto pequeño y liviano que admite la generación, resumen y extracción de texto. Se puede implementar en entornos con recursos limitados. Probar Gemma
CodeGemma
Detalles del modelo 		Texto, código, PDF Texto Una colección de modelos de código abierto ligeros compilados sobre Gemma. Ideal para la generación y finalización de código. Prueba CodeGemma
PaliGemma
Detalles del modelo 		Texto, imágenes Texto Un modelo ligero de lenguaje de visión (VLM). Ideal para tareas de leyenda de imágenes y tareas visuales de preguntas y respuestas. Prueba PaliGemma

Compatibilidad de Gemma con idiomas

Gemma solo admite el idioma inglés.

Modelos de embeddings

En la siguiente tabla, se resumen los modelos disponibles en la API de incorporaciones:

Nombre del modelo Descripción Especificaciones Prueba el modelo
Embeddings para texto
(textembedding-gecko@001,
textembedding-gecko@002,
textembedding-gecko@003,
text-embedding-004)
Detalles del modelo 		Muestra embeddings para entradas de texto en inglés.

Admite el ajuste supervisado de embeddings para modelos de texto, solo en inglés. 		Entrada máxima de tokens: 3,072 (textembedding-gecko@001).
Otros: 2,048.

Dimensiones de embeddings: text-embedding-004: <=768.
Otros: 768. 		Prueba Embeddings para texto
Embeddings para texto multilingüe
(textembedding-gecko-multilingual@001 ,
text-multilingual-embedding-002 ).
Detalles del modelo 		Muestra embeddings para entradas de texto de más de 100 idiomas

Admite el ajuste supervisado del modelo text-multilingual-embedding-002.
Admite más de 100 idiomas. 		Entrada máxima de tokens: 2,048.

Dimensiones de embeddings: text-multilingual-embedding-002: <=768.
Otros: 768.		 Prueba Embeddings para texto multilingüe
Embeddings para multimodales
(multimodalembedding)
Detalles del modelo 		Muestra incorporaciones para entradas de texto, imagen y video a fin de comparar contenido entre diferentes modelos.

Convierte texto, imagen y video en el mismo espacio vectorial. El video solo admite 1,408 dimensiones.
Solo en inglés.		 Entrada máxima de tokens: 32,
Tamaño máximo de la imagen: 20 MB.
Duración máxima del video: dos minutos.

Dimensión de embeddings: 128, 256, 512 o 1,408 para entrada de texto + imagen; 1,408 para entrada de video.		 Prueba Embeddings para multimodales

Compatibilidad con idiomas de embeddings

Los modelos de incorporación multilingües de texto admiten los siguientes idiomas:
afrikaans, albanés, amárico, árabe, armenio, azerbaiyano, vasco, bielorruso, bengalí, búlgaro, birmano, catalán, cebuano, chichewa, chino, corso, checo, danés, neerlandés, inglés, esperanto, estonio, filipino, finés, francés, gallego, georgiano, alemán, griego, gujarati, criollo haitiano, hausa, hawaiano, hebreo, hindi, hmong, húngaro, islandés, igbo, indonesio, irlandés, italiano, japonés, javanés, canarés, kazajo, jemer, coreano, kurdo, kirguís, lao, latín, letón, lituano, luxemburgués, macedonio, malgache, malayo, malayalam, maltés, maorí, marathi, mongol, nepalí, noruego, pastún, persa, polaco, portugués, punyabí, rumano, ruso, samoano, gaélico escocés, serbio, shona, sindhi, cingalés, eslovaco, esloveno, somalí, sotho, español, sundanés, swahili, sueco, tayiko, tamil, telugu, tailandés, turco, ucraniano, urdu, uzbeko, vietnamita, galés, frisón occidental, xhosa, yiddish, yoruba, zulú.

Modelo de Imagen

En la siguiente tabla, se resumen los modelos disponibles en la API de Imagen:

Modelo Entradas Resultados Caso práctico Prueba el modelo
Imagen 3
(imagen-3.0-generate-001, imagen-3.0-fast-generate-001)

Imagen 2
(imagegeneration@006, imagegeneration@005)

Imagen
(imagegeneration@002)
Detalles del modelo 		Texto Imágenes Este modelo admite la generación y edición de imágenes para crear imágenes de alta calidad en segundos. Esto incluye la generación de imágenes con el aprendizaje sin ejemplos. Prueba Imagen para la generación de imágenes
Imagen 3 (Edición y personalización)
(imagen-3.0-capability-001)

Imagen 2 (Edición)
(imagegeneration@006)

Imagen (Edición)
imagegeneration@002)
Detalles del modelo 		Texto e imágenes Imágenes Este modelo admite la edición de imágenes y la generación de imágenes personalizadas (con pocas imágenes) para crear imágenes de alta calidad en segundos.

La función de edición admite la restauración (inserción o eliminación de objetos), el retoque y la edición de imágenes de productos.

La personalización admite el aprendizaje en pocos intentos, lo que te permite proporcionar imágenes de referencia para guiar la generación de imágenes de salida. Este modelo admite los siguientes tipos de personalización: sujeto (producto, persona y mascota), estilo, personalización controlada (escritos o bordes definidos) y personalización de instrucciones (transferencia de estilo). 		Cómo probar Imagen para editar y personalizar

Compatibilidad de Imagen 3 con idiomas

Imagen 3 admite los siguientes idiomas:
Inglés, chino, hindi, japonés, coreano, portugués y español.

Modelo de finalización de código

En la siguiente tabla, se resumen los modelos disponibles en las APIs de Codey:

Modelo Entradas Resultados Caso práctico Prueba el modelo
Codey para la finalización de código
(code-gecko)
Detalles del modelo 		Código en idiomas compatibles Código en idiomas compatibles Un modelo ajustado para sugerir la finalización del código según el contexto en el código que se escribe. Prueba Codey para la finalización de código

Compatibilidad con el lenguaje del modelo de finalización de código

El modelo de finalización de código admite el idioma inglés.

Modelos de MedLM

En la siguiente tabla, se resumen los modelos disponibles en la API de MedLM:

Nombre del modelo Descripción Especificaciones Prueba el modelo
MedLM-medium (medlm-medium)
Detalles del modelo 		Un conjunto de modelos y APIs ajustados de forma médica que cumplen la HIPAA y cuentan con la tecnología de Google Research.

Este modelo ayuda a los profesionales de la salud con tareas de preguntas y respuestas médicas, y tareas de resumen para documentos médicos y de atención de la salud. Proporciona una mejor capacidad de procesamiento y, además, incluye datos más recientes que el modelo medlm-large.		 Cantidad máxima de tokens (entrada + salida): 32,768
Tokens de resultado máximo: 8192
 Prueba MedLM-medium
MedLM-large (medlm-large)
Detalles del modelo 		Un conjunto de modelos y APIs ajustados de forma médica que cumplen la HIPAA y cuentan con la tecnología de Google Research.

Este modelo ayuda a los profesionales de la salud con tareas de preguntas y respuestas médicas, y tareas de resumen para documentos médicos y de atención de la salud.		 Cantidad máxima de tokens de entrada: 8,192
Cantidad máxima de tokens de salida: 1,024
 Prueba MedLM-large

Compatibilidad con la capacidad de procesamiento aprovisionada de MedLM

MedLM-medium y MedLM-large admiten la capacidad de procesamiento aprovisionada. Consulta Modelos compatibles.

Compatibilidad con idiomas de MedLM

El modelo MedLM admite el idioma en inglés.

Ubicaciones

Para obtener una lista de las ubicaciones en las que están disponibles estos modelos, consulta IA generativa en ubicaciones de Vertex AI.

Versiones del modelo

Para obtener información sobre las versiones de modelos, consulta Versiones de modelos.

Explora todos los modelos en Model Garden

Model Garden es una plataforma que te ayuda a descubrir, probar, personalizar e implementar modelos de la propiedad de Google y elegir modelos y recursos de OSS. Para explorar los modelos y las APIs de IA que están disponibles en Vertex AI, ve a Model Garden en la consola de Google Cloud.

Ir a Model Garden

Para obtener más información sobre Model Garden, incluidos los modelos y las funciones disponibles, consulta Explora los modelos de IA en Model Garden.

Próximos pasos