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 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 |
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 |
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 |
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 |
|
Gemini 1.0 Ultra |
Texto | Texto | El modelo de texto más capaz, optimizado para tareas complejas, incluidas instrucciones, código y razonamiento. | Prueba Gemini 1.0 Ultra |
|
Gemini 1.0 Ultra Vision |
Texto, código, imágenes, audio, video, video con audio, PDF | Texto | El modelo de visión multimodal más capaz. Optimizada para admitir entradas de texto, imágenes y video conjuntas. | Prueba Gemini 1.0 Ultra Vision |
En la siguiente información, se proporcionan detalles sobre cada modelo de Gemini.
Gemini 1.5 Flash
Descripción
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 | Sí (solo entrada de texto) |
| Ajuste | No |
| Instrucción del sistema | Sí. Consulta Usa las instrucciones del sistema. |
| Compatibilidad con JSON | Sí |
Especificaciones
| Especificación |
|---|
| 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 de audio: aproximadamente 8.4 horas |
| Audio máximo por instrucción: 1 |
| Tamaño máximo de PDF: 30 MB |
| Datos de entrenamiento: hasta mayo de 2024 |
Versiones del modelo
Para obtener más información sobre las versiones de modelos, consulta Versiones de modelos.
Versiones estables
| Modelo Gemini 1.5 Flash | Fecha de lanzamiento | Fecha de descontinuación |
|---|---|---|
| gemini-1.5-flash-001 | 24 de mayo de 2024 | 24 de mayo de 2025 |
Versiones preliminares
| Nombre del modelo | Nombre de la vista previa | Fecha de descontinuación |
|---|---|---|
| Gemini 1.5 Flash (versión preliminar) | gemini-1.5-flash-preview-0514 |
24 de junio de 2024 |
Gemini 1.5 Pro
Descripción
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 | No |
| Instrucción del sistema | Sí. Consulta Usa las instrucciones del sistema. |
| Compatibilidad con JSON | Sí |
Especificaciones
| Especificación |
|---|
| 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 de audio: aproximadamente 8.4 horas |
| Audio máximo por instrucción: 1 |
| Tamaño máximo de PDF: 30 MB |
| Datos de entrenamiento: hasta mayo de 2024 |
Versiones del modelo
Para obtener más información sobre las versiones de modelos, consulta Versiones de modelos.
Versiones estables
| Modelo Gemini 1.5 Pro | Fecha de lanzamiento | Fecha de descontinuación |
|---|---|---|
| gemini-1.5-pro-001 | 24 de mayo de 2024 | 24 de mayo de 2025 |
Versiones preliminares
| Nombre del modelo | ID de modelo | Fecha de descontinuación |
|---|---|---|
| Gemini 1.5 Pro (versión preliminar) | gemini-1.5-pro-preview-0514 |
24 de junio de 2024 |
| Gemini 1.5 Pro (versión preliminar) | gemini-1.5-pro-preview-0409 (a punta a y usa
gemini-1.5-pro-preview-0514) |
14 de junio de 2024 |
Gemini 1.0 Pro
Descripción
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 | Sí |
Especificaciones
| Especificación |
|---|
| Cantidad máxima de tokens de entrada: 32,760 |
| Cantidad máxima de tokens de salida: 8,192 |
| Datos de entrenamiento: hasta febrero de 2023 |
Versiones del modelo
Para obtener más información sobre las versiones de modelos, consulta Versiones de modelos.
Versiones estables
| Modelo Gemini 1.0 Pro | Fecha de lanzamiento | Fecha de descontinuación |
|---|---|---|
| gemini-1.0-pro-001 | 15 de febrero de 2024 | 15 de febrero de 2025 |
| gemini-1.0-pro-002 | 9 de abril de 2024 | 9 de abril de 2025 |
Versiones actualizadas automáticamente
| Nombre del modelo | Nombre actualizado automáticamente | Versión estable a la que se hace referencia |
|---|---|---|
| Gemini 1.0 Pro | gemini-1.0-pro |
gemini-1.0-pro-002 |
Gemini 1.0 Pro Vision
Descripción
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 | No |
| Ajuste | No |
| Instrucción del sistema | No |
| Compatibilidad con JSON | No |
Especificaciones
| Especificación |
|---|
| 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 |
Versiones del modelo
Para obtener más información sobre las versiones de modelos, consulta Versiones de modelos.
Versiones estables
| Modelo Gemini 1.0 Pro Vision | Fecha de lanzamiento | Fecha de descontinuación |
|---|---|---|
| gemini-1.0-pro-vision-001 | 15 de febrero de 2024 | 15 de febrero de 2025 |
Alias actualizados automáticamente
| Nombre del modelo | Nombre actualizado automáticamente | Versión estable a la que se hace referencia |
|---|---|---|
| Gemini 1.0 Pro Vision | gemini-1.0-pro-vision |
gemini-1.0-pro-vision-001 |
Gemini 1.0 Ultra
Descripción
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 | No |
| Ajuste | No |
| Instrucción del sistema | No |
| Compatibilidad con JSON | No |
Especificaciones
| Especificación |
|---|
| Cantidad máxima de tokens de entrada: 8,192 |
| Cantidad máxima de tokens de salida: 2,048 |
Versiones del modelo
Para obtener más información sobre las versiones de modelos, consulta Versiones de modelos.
Gemini 1.0 Ultra Vision
Descripción
El modelo de visión multimodal más capaz de Google, optimizado para admitir entradas de texto, imágenes y video conjuntas.
Funciones
| Función | Disponibilidad |
|---|---|
| Fundamentos | No |
| Ajuste | No |
| Instrucción del sistema | No |
| Compatibilidad con JSON | No |
Especificaciones
| Especificación |
|---|
| Cantidad máxima de tokens de entrada: 8,192 |
| Cantidad máxima de tokens de salida: 2,048 |
Versiones del modelo
Para obtener más información sobre las versiones de modelos, consulta Versiones de modelos.
Compatibilidad con idiomas de Gemini
Los modelos de Gemini admiten los siguientes idiomas:
árabe (ar), bengalí (bn), búlgaro (bg), chino simplificado y tradicional (zh), croata (hr), checo (cs), danés (da), neerlandés (nl), inglés (en), estonio (et), finés (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), español (es), swahili (sw), sueco (sv), tailandés (th), turco (tr), ucraniano (uk), vietnamita (vi).
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,)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 2 ( imagegeneration@006)Detalles del modelo |
Texto (generación), Imágenes (edición) | Imágenes | Este modelo admite la generación y edición de imágenes para crear imágenes de alta calidad en segundos.
La función de edición admite la eliminación y la inserción de objetos, el retoque y la edición de productos. |
Prueba Imagen 2 |
Compatibilidad de Imagen 2 con idiomas
Imagen 2 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 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.
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
- Prueba un instructivo de guía de inicio rápido con Vertex AI Studio o la API de Vertex AI.
- Obtén información sobre cómo probar los mensajes de texto.
- Obtén información para probar las instrucciones de chat.
- Explora modelos previamente entrenados en Model Garden.
- Obtén información para ajustar un modelo de base.
- Obtén información sobre las prácticas recomendadas de IA responsable y los filtros de seguridad de Vertex AI.