- Google integra Bard bajo la marca Gemini y, además del chat existente con Pro 1.0, agrega Gemini Advanced basado en Ultra 1.0 y nuevas formas de acceso móvil
- Gemini ya está disponible con el modelo Pro 1.0 en más de 40 idiomas y en más de 230 países y regiones; Advanced comienza en inglés en más de 150 países y regiones
- Gemini Advanced ofrece acceso a Ultra 1.0 para abordar con mayor profundidad tareas como programación, razonamiento lógico, ejecución de instrucciones complejas y colaboración creativa
- El AI Premium Plan de Google One incluye Advanced por USD 19.99 al mes, con una prueba gratuita de 2 meses y beneficios existentes de Premium, como 2 TB de almacenamiento
- En móviles, se accede mediante una app para Android, opt-in desde Google Assistant y un interruptor de Gemini dentro de la app de Google en iOS; también se pueden seguir usando algunas funciones de voz de Assistant
De Bard a Gemini
- Google ha descrito el rol de Bard como el punto de contacto que ofrece directamente a los usuarios los modelos de IA de Google, y cambia la marca a Gemini para alinearla con el nombre que representa a su familia de modelos más potentes
- Los usuarios pueden usar Gemini, basado en el modelo Pro 1.0, en más de 40 idiomas y en más de 230 países y regiones
- El núcleo de este cambio son dos nuevas experiencias
- Acceso a Ultra 1.0 mediante Gemini Advanced
- Nueva experiencia móvil a través de la app para Android y la app de Google en iOS
Gemini Advanced y Ultra 1.0
- Gemini Advanced es una nueva experiencia que da acceso a Ultra 1.0, el modelo de IA más grande, reciente y de mayor rendimiento de Google
- En evaluaciones a ciegas de evaluadores externos, Gemini Advanced basado en Ultra 1.0 fue calificado como un chatbot más preferido que las principales alternativas
- Muestra fortalezas en tareas complejas
- Razonamiento lógico
- Programación avanzada
- Cumplimiento de instrucciones con matices
- Colaboración en proyectos creativos
- Puede sostener conversaciones más largas y detalladas, y entiende mejor el contexto de prompts anteriores
Usos de Ultra 1.0 y planes de expansión
- Gemini Advanced puede crear instrucciones paso a paso adaptadas al estilo de aprendizaje, cuestionarios de ejemplo y debates interactivos, como un tutor personal
- En escenarios de programación avanzados, puede servir como contraparte para revisar ideas o ayudar a comparar varios enfoques de programación
- Los creadores digitales pueden usarlo para generar nuevo contenido, analizar tendencias recientes y hacer brainstorming de mejoras para hacer crecer su audiencia
- La primera versión refleja los avances actuales en razonamiento de IA, y en el futuro se agregarán las siguientes funciones para usuarios de Advanced
- Capacidades multimodales ampliadas
- Funciones de programación más interactivas
- Funciones de análisis de datos más profundas
- Nuevas funciones exclusivas
- Gemini Advanced está disponible en inglés en más de 150 países y regiones, y con el tiempo se ampliará a más idiomas
Google One AI Premium Plan
- Gemini Advanced está incluido en el nuevo Google One AI Premium Plan
- El precio es de USD 19.99 al mes, con una prueba gratuita de 2 meses al inicio
- Este plan también incluye los beneficios del Google One Premium plan existente
- 2 TB de almacenamiento
- Los suscriptores de AI Premium pronto podrán usar Gemini en Gmail, Docs, Slides, Sheets y otros servicios
- Su nombre anterior era Duet AI
Revisiones de seguridad y mejoras del modelo
- Google incorpora salvaguardas en sus productos de acuerdo con sus AI Principles para reducir el contenido inseguro y los sesgos
- Antes del lanzamiento de Gemini Advanced, realizó amplias revisiones de confianza y seguridad
- Incluidas pruebas de red team externas
- El modelo base se mejoró aún más con fine-tuning y aprendizaje por refuerzo basados en retroalimentación humana
- Se puede consultar información técnica detallada en el Gemini Technical Report actualizado
Uso de Gemini en móviles
- Google lanza una nueva experiencia móvil basada en una app para Android y la app de Google en iOS para facilitar el acceso a Gemini desde el teléfono
- En Gemini para teléfonos, los usuarios pueden recibir ayuda sobre la marcha mediante texto, voz y la incorporación de imágenes
- Tomar una foto de una llanta pinchada y preguntar qué hacer
- Crear una imagen personalizada para una invitación a una cena
- Recibir ayuda para redactar un mensaje de texto difícil
- Google considera esta experiencia móvil como un primer paso hacia un asistente de IA conversacional, multimodal y útil
Disponibilidad en Android e iOS
- En Android, Gemini se ofrece como un nuevo tipo de asistente que ayuda a los usuarios con IA generativa
- Al descargar la app de Gemini o hacer opt-in desde Google Assistant, se puede acceder a través de la app o mediante las formas habituales de invocar Assistant
- Presionar el botón de encendido en algunos teléfonos
- Deslizar desde una esquina
- Invocarlo con “Hey Google”
- La nueva experiencia superpuesta en Android ofrece acceso a Gemini sobre la pantalla y ayuda basada en el contexto
- Generar un pie de foto para una imagen recién tomada
- Hacer preguntas sobre un artículo que se está leyendo
- En la app de Gemini se pueden usar muchas funciones de voz de Google Assistant, como configurar temporizadores, hacer llamadas y controlar dispositivos de smart home; Google está preparando soporte para más funciones
- En iOS, el acceso a Gemini estará disponible dentro de unas semanas en la app de Google
- Se podrá chatear tocando el interruptor de Gemini
- Podrá usarse para crear imágenes personalizadas, recibir ayuda para escribir publicaciones en redes sociales, planear una cita nocturna y más
Regiones e idiomas de lanzamiento
- El despliegue de Gemini en teléfonos Android e iOS comienza hoy en inglés en Estados Unidos
- Estará disponible por completo en las próximas semanas
- A partir de la próxima semana se podrá acceder en inglés desde más regiones
- El soporte para japonés y coreano también estará disponible desde la próxima semana, y pronto se agregarán más países e idiomas
1 comentarios
Comentarios de Hacker News
Me sorprende que hayan descartado el nombre Bard. Bard también significa “narrador” o “poeta”, y como es una palabra bastante antigua, parecía una elección bastante inteligente porque era poco probable que se cruzara con otros nombres
En cambio, Gemini no transmite una relación especialmente clara, a menos que signifique que es el gemelo de ChatGPT, y además ya existen empresas con ese nombre. Aun así, se entiende la ventaja de que empiece con G, como “Google”
Por cierto, bard.com redirige a otra empresa, bd.com, pero Gemini.com sí lo usa una empresa con ese nombre. Me da curiosidad la historia interna de cómo tomaron esa decisión
Gemini suena como un programa espacial, con asociaciones más futuristas y emocionales de salto para la humanidad. Es una constelación, está en el espacio, está hecha de estrellas y además contiene “gem”, lo que le da una sensación de algo premium, valioso y refinado. No digo que sea el mejor nombre del mundo, pero sí encaja mucho mejor que Bard
Aun así, Gemini suena bien, tiene un aire de ciencia ficción y, al ser simplemente latín, quizá también sea un poco más fácil de localizar
También se asocia con el Gemini killer y con sicarios gemelos de la mafia como Joseph Testa y Anthony Senter. Siento que podrían haber elegido una mejor marca
También parece el nombre de un sistema de IA de combate de Robotron. “Sir, Gemini is charged and ready for battle.”
Desde una perspectiva mitológica, Gemini parece tener más sentido para el negocio y el marketing en general. Permite un mensaje como “esta IA es tu gemelo; incluso termina tus oraciones por ti”
No sé si Gemini vaya a ser muy distinto, y por ahora GPT-3.5 y GPT-4 todavía me impresionan más, pero con el cambio de nombre sí pueden conseguir cierto efecto de reinicio
Tras usarlo unos 20 minutos, la calidad de Bard Advanced (Gemini Ultra) me pareció bastante impresionante. Los resultados son tan buenos como los de GPT-4 y en algunos casos incluso mejores.
Sus ventajas son que traduce mejor al inglés los modismos chinos y japoneses, e integra mejor los resultados de búsqueda en sus respuestas que GPT-4 Bing.
Sus desventajas son que programa un poco peor, la censura resulta más molesta y con temas médicos hay que preguntar varias veces. También su lógica es más débil: se contradice dentro de una misma oración sin darse cuenta, y si le pides describir imágenes, alucina mucho.
Entonces Gemini podría convertirse en una IA de ventanilla única para todo. Solo Microsoft podría competir de forma parecida, pero Microsoft no tiene servicios populares de mapas, YouTube, correo ni sistema operativo para smartphones.
Apple también es fuerte, pero no tiene herramientas de productividad como docs, sheets o YouTube. A partir de ahora, la competencia en IA parece cada vez más una cuestión de si Google desperdicia o no su propia ventaja.
Ir a ChatGPT para copiar y pegar resultados se volverá cada vez más incómodo, y la integración con Bing también es dolorosa. OpenAI parece enfocada en escalar modelos de lenguaje grandes, mientras que Google DeepMind también está explorando otras direcciones.
Google podría empaquetar YouTube TV, YouTube Premium, Google Drive, almacenamiento, búsqueda sin anuncios, Docs/Sheets/Gmail con integración de Gemini y Pixel Phone/Watch subsidiados por algo como $99 al mes, y para mucha gente podría resultar bastante atractivo.
Hace poco les planteé a Bard y ChatGPT dilemas filosóficos clásicos. ChatGPT también tuvo dificultades, pero Bard fue mucho peor y siempre eligió el lado conservador, es decir, el que no defiende libertades que todavía no están ampliamente establecidas. Eran preguntas sobre los límites del utilitarismo, “qué es lo mejor para la sociedad y qué es lo mejor para el individuo”, y cosas así.
Incluso al cambiar los ejemplos y añadir elementos como participación voluntaria para introducir sesgo, Bard seguía manteniendo su postura aunque al principio dijera que era una pregunta abierta con dos caras.
Estos sistemas, por su propia naturaleza, se basan en lo que es ampliamente aceptado en ese momento, así que refuerzan el statu quo. Si la historia hubiera sido distinta, habrían defendido la esclavitud, se habrían opuesto al sufragio femenino y probablemente habrían dicho que la homosexualidad es inmoral.
No es solo un problema de ética. En TI y programación también podría darse una gran ventaja a lenguajes, estilos y metodologías ya inventados. Eso será todavía más cierto si no eres una empresa como Microsoft o Google capaz de sesgar el sistema en la dirección que quieras.
Si además se suma el problema del costo, y solo personas o instituciones con un poder financiero considerable pueden establecer las reglas, el panorama se ve bastante sombrío. Hasta se extrañan los últimos diez años en los que el dilema de los choques de autos autónomos trataba de a quién atropellar en situaciones absurdamente improbables.
Según mi experiencia, Gemini Ultra entiende mejor el código, pero parece limitar más la longitud de la salida, así que no siempre da un resultado completo.
También puede ser muy inteligente. Me explicó que cierto código estaba metiendo enteros de 12 bits en distintas partes de un arreglo usando una codificación específica; solo viendo ese código, a la mayoría le habría costado deducirlo. Después también me dijo que podía usar una función de transformación elegante que yo no conocía.
El problema es que ese código estaba apenas un poco mal. Si le dices que no use esa función tan elegante, en realidad lo escribe correctamente. GPT-4, en cambio, casi no entiende qué hace el código, aunque sí puede ordenarlo un poco.
Así que Ultra a veces da la impresión de ser demasiado listo y fallar a medias.
Aun así, cuando les di a ambos miles de líneas de código para refactorizar, ninguno tuvo más de un error, y el resto del código compiló y funcionó al primer intento.
Era código que no podía estar en los datos de entrenamiento, escrito a mano en Python a partir de un binario x86 antiguo cuyo código fuente se perdió, así que no era algo que probablemente existiera en GitHub en una forma más limpia.
Tanto GPT-4 como Gemini Ultra convirtieron entre 8,000 y 10,000 líneas de código desordenado en Python o TypeScript limpio e idiomático casi sin que yo tuviera que tocar nada, y un solo bug por cada uno no está nada mal.
El bug que introdujo GPT-4 fue más sutil. En una conversión a TypeScript, sin razón alguna cambió algo equivalente a
(uint8)'a'por(uint8)'a' - '0'. No sé si eso sea representativo.Si haces lo mismo con otros modelos “superiores”, por ejemplo los de can ai code y similares, la mayoría ni siquiera logra producir código que funcione correctamente con toda la entrada, y menos aún código de calidad.
Casos de uso como la traducción impresionan menos que el razonamiento lógico. Se sienten como algo que mejora al arrojarle muchos datos, mientras que el razonamiento lógico hace parecer que el modelo “aprendió” algo más que simple reconocimiento de patrones.
Si lo buscas en la Play Store, los primeros íconos que aparecen son las opciones de instalación de Crypto.com y “Gemini: Buy Bitcoin & Crypto”
Hay que pasar las capturas de pantalla de esas apps, luego los Limited-time events, luego You Might Also Like y Similar Apps, y recién entonces aparece. La instalé y al abrirla salió “Gemini isn't currently available. Try again later.”
Bravo Google. Gran lanzamiento
El segundo problema: yo también vi el mismo error, pero al cerrarla y volver a abrirla se abrió normalmente
En Google Play desde el navegador: “This app is not available for your device”
En la app de Google Play: “This item is not available in your country.”
En Aurora Store: “Download Failed. App not purchased”
De verdad, gran lanzamiento. Bravo
Una función indispensable de la app es enviar automáticamente cuando haces entrada por voz. Te propone reemplazar a Google Assistant y, tras usarlo unos minutos, sí parece que podría reemplazarlo, pero en vez de simplemente hablarle al teléfono, cada vez hay que pulsar manualmente el botón de enviar
Tenía bastantes ganas de por fin probar Gemini Advanced, pero hasta ahora me ha decepcionado
Una pregunta de prueba que uso mucho es algo que hasta ChatGPT 3.5 responde bien: “Estás frente a una puerta de vidrio, y en la puerta está escrita la palabra push en letras de espejo. ¿Debes empujar o jalar, y por qué?”
Gemini Advanced respondió que había que empujar y hasta explicó que, si está en letras de espejo, entonces la acción correcta es la contraria a la que está escrita, pero aun así concluyó que era push. Ni siquiera es consistente con lo que él mismo dice. Esa sensación de “estar hablando con una persona tonta” es lo peor
ChatGPT 3.5 respondió que, si se ve en letras de espejo, entonces es un letrero para la persona del otro lado, así que hay que jalar
Explicó que cuando “push” está escrito en letras de espejo, suele usarse para indicar que la acción necesaria para abrir la puerta es la opuesta a lo que dice el texto, como medida de seguridad para evitar lesiones o roturas al empujar puertas de vidrio
También dijo que es un diseño común en puertas de vidrio de espacios públicos, así que si no hay otra instrucción clara, se debe hacer lo contrario
Dijo que si “push” está escrito en letras de espejo, eso significa que desde el otro lado hay que empujar, y que si tú lo ves en espejo desde este lado, entonces indica la acción que debe tomarse desde el lado opuesto, por lo que en este caso habría que empujar la puerta
Explicó que el punto central de la pregunta era comparar la misma cantidad de materiales distintos, pero la pregunta real era 2 libras de plumas y 1 libra de ladrillos, así que estaba mal. Se extendió hablando de densidad pero leyó mal las cantidades de peso
Explicó que las letras en espejo significan que la instrucción no está dirigida a la persona que está actualmente afuera, sino a quien está adentro mirando hacia afuera
“Para mejorar la tecnología que impulsa Gemini Apps, las conversaciones son procesadas por revisores humanos. No ingreses contenido que no quieras que sea revisado o usado.”
Se agradece que lo digan con tanta honestidad, pero no está nada bien que en una función de pago no haya privacidad ni una forma de opt-out
Dice: “Si no quieres que tus futuras conversaciones sean revisadas o usadas para mejorar modelos de aprendizaje automático, desactiva Gemini Apps Activity”
La excepción sería cuando el contrato prohíbe explícitamente que el proveedor use o vea los datos sin permiso del usuario, pero esos casos son raros
Gemini Ultra parece superar a GPT-4 en razonamiento. Aún está en pruebas, pero hay prompts que Ultra acierta y GPT-4 falla por completo
“A Tabitha le gustan las cookies pero no el cake. Le gusta el mutton pero no el lamb, y le gusta la okra pero no el squash. Siguiendo la misma regla, ¿qué le gustará más entre cherries y pears?”
https://i.imgur.com/KW6gQbc.jpeg
https://i.imgur.com/OSHSvLp.png
En un prompt que pedía llenar el espacio en blanco de una función CoC, GPT-4-Turbo dio la respuesta correcta
(f (g (h (g z)))), mientras que Gemini Advanced se equivocó conh (h (g (f z)))Gemini ni siquiera siguió la instrucción de “responde solo con la respuesta” y además añadió un montón de justificaciones alucinadas. Parece que ya hay ganador. Captura: https://imgur.com/a/GotG0yF
Respondió que caen cherries del cielo. Era la primera pregunta del chat, sin pregunta previa ni contexto
En casos de uso reales, sería más impresionante que un modelo de lenguaje grande dijera “no puedo inferirlo” en vez de inventarse su razonamiento o buscar la respuesta en línea
El hecho de que “apples” tenga dos sílabas puede saberlo porque está en algún lugar de los datos de entrenamiento, pero si inventas un nombre falso de fruta como “bratush”, para una persona parece tener dos sílabas, mientras que para un modelo de lenguaje grande podrían ser de 1 a 7 tokens sin ninguna información intrínseca de la palabra
La estrategia era pedirle que propusiera 5 patrones posibles, distintivos y nuevos, verificar si se aplicaban sin excepciones, volver a revisar lentamente que el patrón encajara con precisión y hacer que explicara cada paso para no pasar por alto nada importante
Más allá de la calidad del modelo, la estructura del plan de suscripción es bastante extraña, especialmente para los usuarios actuales de Google One
Antes había 2 TB por $9.99 al mes con otros beneficios, 5 TB por $24.99 al mes con beneficios superiores, y planes más altos de 10 a 30 TB; salvo que los de 10 a 30 TB no tenían pago anual, era una oferta coherente y fácil de entender
Ahora agregaron un plan de IA por $19.99 al mes con 2 TB, otros beneficios y acceso a Gemini, pero solo con pago mensual
Los suscriptores actuales de Google One quedaron en una situación rara. Quienes usan el plan anual de 2 TB tienen que pasarse a un plan mensual para usar Gemini, y quienes tienen más capacidad ni siquiera tienen opción de mejora a menos que reduzcan su almacenamiento. Para los usuarios de Google Fi es todavía peor, porque ni pagando más tienen una opción de upgrade
Google parece saberlo, así que probablemente dará las funciones de IA gratis hasta el 31 de julio a los suscriptores de planes superiores y luego preparará un plan nuevo, pero aun así la confusión para los usuarios es grande. Ya es bastante molesto que YouTube Premium sea una suscripción separada; no hacía falta llevar ese problema a un producto que se supone que debería ser “One”
Yo tenía un plan anual de 100 GB hasta agosto, y este nuevo plan mensual ni siquiera tiene descuento. Una lástima
“Sorry, Gemini Advanced isn't available for you”
“Gemini Advanced todavía no está disponible para algunos países, cuentas de trabajo y usuarios por debajo de cierta edad.”
Más información: https://login.corp.google.com/request?s=support.corp.google....
¿Bard? ¿Gemini? ¿Gemini Advanced? ¿Gemini Ultra? ¿Ultra 1.0? Parece que todavía no logran definir el esquema de nombres. Es el nombre más confuso desde Xbox Series X
Gemini “Basic”, Advanced y Ultra son distintos tamaños de esa arquitectura
Es una suposición, pero “Ultra 1.0” parece indicar la intención de lanzar más modelos basados en la configuración Ultra. Como es el modelo más comercial, también podría haber una promesa de estabilidad. Por ejemplo, aunque salga Ultra 3.0, Ultra 1.0 podría seguir disponible, de modo que quienes lo integraron y validaron en sus proyectos puedan esperar pocos o ningún cambio en el modelo base
Ahora que todos entendieron el valor de los datos, las empresas que no son OpenAI tienen más difícil acceder a grandes volúmenes de datos gratuitos que antes, así que esto probablemente seguirá un tiempo
Aparte de eso, incluso Microsoft, teniendo acceso completo a ChatGPT, me parece mucho peor en la implementación. Apple probablemente pase por un destino similar durante un tiempo
Bard es un nombre que están descartando, Gemini es el nombre del modelo y es menos confuso que simplemente llamarlo “GPT”
Gemini Advanced es un modelo Gemini más capaz, Gemini Ultra es el modelo Gemini más capaz, y Gemini 1.0 es la versión del modelo, que aparentemente ya llegó a 1.0 y está lista para uso formal
Me suscribí a Gemini Advanced por $21 al mes y, aunque es un solo caso, le pregunté una tarea de programación bastante difícil y lo hizo muy bien. Era en Common Lisp, un lenguaje poco conocido, y ha sido mi lenguaje de programación favorito desde 1982. Debe haber al menos unas decenas de fans de CL en el mundo
Tanto el código generado como la explicación de apoyo fueron muy buenos
Como comentario aparte, algo curioso es que casi dejé de usar los servicios “gratuitos” de Google, como la búsqueda y Gmail, pero ahora gasto alrededor de $135 al mes en servicios pagos de Google. Eso sin contar los costos de GCP. Los servicios de pago como YouTube/Music Premium, YouTube TV y Play Books son realmente buenos