Google DeepMind presenta Gemini 2.0, un nuevo modelo de IA para la era agéntica

• Gemini 1.0 marcó un avance con un modelo multimodal capaz de procesar información en texto, video, imagen, audio y código
• Gemini 2.0 lleva esta visión más lejos y evoluciona hacia un modelo agéntico que puede comprender el mundo, planificar múltiples pasos y realizar tareas
• Gemini 2.0 se integra en productos clave como Google Search, ofreciendo la capacidad de manejar temas más complejos y preguntas de varios pasos

Características principales de Gemini 2.0 Flash

• Basado en el éxito de 1.5 Flash, ofrece un rendimiento mejorado y tiempos de respuesta más rápidos
• Es 2 veces más rápido que 1.5 Pro y muestra un mejor desempeño en benchmarks clave
• Admite no solo entradas multimodales como imagen, video y audio, sino también generación de imágenes mezcladas con texto y síntesis de voz multilingüe
• Puede invocar de forma nativa herramientas como Google Search, ejecución de código y funciones personalizadas
• Se lanzará primero para desarrolladores y testers de confianza, con una disponibilidad más amplia a inicios del próximo año

Introducción a los proyectos de investigación

• Project Astra: asistente de IA de propósito general con capacidades de memoria mejoradas
  • Mejoras en funciones como conversación multilingüe, uso de Google Search/Lens/Maps y memoria de sesión de alrededor de 10 minutos
  • Sigue evolucionando mientras recopila comentarios de testers de confianza a través de dispositivos Android
• Project Mariner: prototipo de investigación que interactúa con el navegador y puede ayudar con tareas complejas
  • Alcanzó un alto resultado de 83.5% en el benchmark WebVoyager
  • Incorpora medidas de seguridad que piden confirmación antes de que el usuario apruebe la tarea final
• Jules: agente de programación impulsado por IA integrado en flujos de trabajo de GitHub
  • Ayuda a los desarrolladores en el proceso de resolver issues y ejecutar planes

Áreas de aplicación de los agentes de IA

• Colabora con la desarrolladora de juegos Supercell para explorar el uso de agentes de IA dentro de los juegos
• Está realizando experimentos para aplicar las capacidades de razonamiento espacial de Gemini 2.0 en el campo de la robótica

Seguridad y desarrollo responsable

• Adopta un enfoque gradual y exploratorio en el desarrollo de nueva tecnología
• Genera automáticamente detección de riesgos y medidas de mitigación mediante un enfoque de red teaming asistido por IA
• En Project Mariner, implementa funciones para proteger a los usuarios de intentos maliciosos de prompt injection
• Ofrece controles para proteger la privacidad del usuario y funciones para borrar sesiones

Planes futuros

• Planea ampliar las capacidades de Gemini 2.0 a la app de Gemini y a otros productos de Google
• Dará la máxima prioridad a la seguridad y la responsabilidad en el camino hacia AGI

[GN⁺]

Opiniones de Hacker News

• El nuevo plugin llm-gemini es compatible con el modelo Gemini 2.0 Flash. Comparten cómo usarlo desde la terminal

  • Los modelos Gemini tienen la capacidad de escribir y ejecutar código Python
  • No puede hacer llamadas de red, pero se probaron varios enfoques
  • Muestra un rendimiento sobresaliente en descripciones visuales

• Las grandes empresas tardan en cambiar de rumbo, pero una vez que definen la dirección, pueden lograr cosas que las empresas pequeñas no pueden

  • Google tiene mucho talento en este campo y está obteniendo buenos resultados
  • Su capacidad para convertir modelos LLM en productos y comercializarlos sigue siendo una incógnita, pero el rendimiento es excelente

• Supera a Gemini 1.5 Pro en la mayoría de los benchmarks

  • Google DeepMind se está adaptando a la era de los LLM
  • Controla directamente el hardware a través de TPU

• Se anunció un nuevo SDK. Parece seguir prácticas modernas recomendadas

  • Habían estado ofreciendo un endpoint compatible con OpenAI, pero no estaba claro si tendría soporte a largo plazo
  • Recomiendan configurar un clúster de Kubernetes y buckets de GCP

• Da gusto que el nuevo lanzamiento de Google esté disponible de inmediato

  • Gemini Flash 2.0 supera a Gemini Pro 1.5 en problemas de Advent of Code
  • Flash 2.0 corrige errores de compilación

• La palabra "agentic" se siente desagradable

  • Palabras como "versatile", "multifaceted" y "autonomous" parecen más apropiadas

• Los modelos Gemini 2 admiten generación de audio e imágenes

  • Se espera que la generación de imágenes esté disponible de forma general en enero
  • Las tareas de visión por computadora podrán hacerse mediante LLM

• Gemini 2 está por delante de 4o en Chatbot Arena

• Se piensa que la palabra "agentic" es inapropiada

  • En su mayoría es un pipeline compuesto por system prompts y herramientas

• Se accedió a Gemini 2.0 Flash desde el navegador Safari del iPhone a través de Google AI Studio

  • Identifica con precisión lo que ve a través de la cámara
  • Puede leer texto en inglés y japonés
  • Identificó visualmente notas de piano, pero no pudo hacerlo solo con el sonido