El nuevo modelo Gemini 2.0 de Google ya está aquí con agentes experimentales de IA

Google está terminando el año 2024 con una explosión. El miércoles, el gigante de Mountain View anunció una avalancha de noticias sobre IA, entre ellas el lanzamiento de Gemini 2.0, un modelo de lenguaje completamente nuevo con capacidades multimodales avanzadas. El nuevo modelo marca el comienzo de lo que Google denomina la "era agéntica", en la que agentes virtuales de IA podrán realizar tareas en su nombre.

Inicialmente, Google sólo lanzará un modelo de la familia Gemini 2.0: Gemini 2.0 Flash experimentalun modelo superrápido y ligero con soporte multimodal de entrada y salida. Puede generar de forma nativa imágenes mezcladas con texto y audio multilingüe, y puede aprovechar a la perfección la búsqueda de Google, la ejecución de código y otras herramientas. Estas capacidades se encuentran actualmente en fase de vista previa para desarrolladores y probadores beta. A pesar de su pequeño tamaño, Flash 2.0 supera a Géminis 1.5 Pro en varias áreas como factualidad, razonamiento, codificación, matemáticas, etc., y además al doble de velocidad. Los usuarios normales pueden probar la versión optimizada para chat de Géminis 2.0 Flash en la web a partir de hoy y llegará a la aplicación móvil de Géminis muy pronto.

Google también está mostrando varias experiencias impresionantes construidas con Gemini 2.0. La primera es la versión actualizada del Proyecto Astra, un agente de IA virtual experimental que Google mostró por primera vez en mayo de 2024. Con Gemini 2.0, ahora puede mantener conversaciones en varios idiomas; utilizar herramientas como Google Search, Lens y Maps; recordar cosas de sus conversaciones anteriores con él y comprender el lenguaje con la latencia de una conversación humana. El Proyecto Astra está diseñado para funcionar en smartphones y gafas, aunque actualmente está limitado a un pequeño grupo de probadores de confianza. Los interesados en probar el prototipo en sus teléfonos Android pueden inscribirse en la lista de espera aquí. También hay esta demostración realmente genial en de la API Multimodal Liveque es algo similar al Proyecto Astra y le permite interactuar con un chatbot en tiempo real utilizando vídeo, voz y pantalla compartida.

El siguiente es Proyecto Mariner, una extensión experimental del navegador Chrome que puede navegar por Internet y completar tareas por usted. La extensión, que actualmente está disponible para probadores seleccionados en EE.UU., aprovecha las capacidades multimodales de Gemini 2.0 "para comprender y razonar a través de la información de la pantalla de su navegador, incluidos los píxeles y los elementos web como texto, código, imágenes y formularios" Google reconoce que la tecnología aún está en pañales y que no siempre es fiable. Pero incluso en su forma actual de prototipo, es innegablemente impresionante, como puede comprobar usted mismo en esta demostración de YouTube https://www.youtube.com/watch?v=hIIlJt8JERI.

Google también ha anunciado Jules, un agente de código impulsado por IA que funciona con Gemini 2.0. Se integra directamente en su flujo de trabajo GitHub y la compañía dice que puede manejar correcciones de errores y tareas repetitivas que consumen mucho tiempo "mientras usted se centra en lo que realmente quiere construir."

Gran parte de las novedades anunciadas están actualmente restringidas a los primeros probadores y desarrolladores de aplicaciones. Google dice que planea integrar Gemini 2.0 en toda su cartera de productos, incluyendo Búsqueda, Espacio de trabajo, Mapas y más a principios del próximo año. Será entonces cuando conozcamos mejor cómo se traducen estas nuevas capacidades y mejoras multimodales en casos de uso del mundo real. Tampoco se sabe nada aún de los modelos Gemini 2.0 Ultra y Pro.