Tarjeta del modelo Gemini 3 Pro

• Gemini 3 Pro es el modelo de razonamiento multimodal de próxima generación de Google, con una arquitectura de alto rendimiento capaz de procesar entradas diversas como texto, imágenes, audio, video y código
• Usa una arquitectura Transformer basada en Sparse Mixture-of-Experts (MoE) para mejorar al mismo tiempo la eficiencia y el rendimiento
• Los datos de entrenamiento incluyen documentos web, código, imágenes, audio, video, datos de usuarios y datos sintéticos, y pasan por procesos de filtrado de seguridad y eliminación de duplicados
• El modelo fue entrenado con TPU y JAX·ML Pathways, y se ofrece a través de varios canales como Google Cloud, Vertex AI y Gemini API
• Superó las evaluaciones de seguridad y la validación del Frontier Safety Framework, y logró mejoras en razonamiento, seguridad y tono frente a Gemini 2.5 Pro

---

Descripción general del modelo

• Gemini 3 Pro es la generación más reciente de la serie Gemini y el modelo insignia de Google para razonamiento avanzado y comprensión multimodal
  • Puede comprender diversas fuentes de información como texto, audio, imágenes, video y repositorios de código
  • Admite entradas de hasta 1 millón de tokens y salidas de hasta 64K tokens
• Adopta una estructura Sparse Mixture-of-Experts (MoE), activando solo algunos parámetros expertos por token de entrada para mejorar la eficiencia computacional
• Presenta una arquitectura con mejoras tanto en rendimiento como en eficiencia respecto a la generación anterior

Datos de entrenamiento

• Los datos de preentrenamiento incluyen múltiples dominios como documentos web públicos, código, imágenes, audio y video
• Los datos de postentrenamiento están compuestos por pares instrucción-respuesta validados, preferencias humanas y datos de uso de herramientas
• Fuentes de datos
  • Conjuntos de datos públicos, datos obtenidos por rastreo y datos con licencias comerciales
  • Datos de usuarios de servicios de Google (recopilados conforme a los términos, políticas y controles del usuario)
  • Incluyen datos generados internamente por Google y datos sintéticos de IA
• Proceso de preprocesamiento
  • Se realiza eliminación de duplicados, cumplimiento de robots.txt, filtrado de seguridad y filtrado de calidad
  • Se eliminan contenidos dañinos como material sexual explícito, violencia y material de explotación sexual infantil (CSAM)

Implementación y sostenibilidad

• Hardware: uso de TPU de Google
  • Mejora la velocidad de entrenamiento mediante procesamiento de cómputo a gran escala y memoria de alto ancho de banda
  • Asegura escalabilidad y eficiencia mediante entrenamiento distribuido con TPU Pod
  • Está alineado con los objetivos de sostenibilidad de Google
• Software: entrenamiento basado en JAX y ML Pathways

Canales de despliegue

• Gemini 3 Pro está disponible a través de las siguientes plataformas
  • Gemini App, Google Cloud / Vertex AI, Google AI Studio, Gemini API, Google AI Mode, Google Antigravity
• Se ofrece en forma de API y no requiere hardware ni software adicional
• Su uso está sujeto a los Términos del servicio y cláusulas adicionales de cada plataforma

Evaluación y rendimiento

• Alcance de la evaluación: razonamiento, capacidades multimodales, uso de herramientas, rendimiento multilingüe y manejo de contexto largo
• Resultado: Gemini 3 Pro muestra una mejora general de rendimiento frente a Gemini 2.5 Pro
  • En particular, hay grandes mejoras en capacidad de razonamiento y procesamiento multimodal
• Los resultados detallados de benchmarks pueden consultarse en deepmind.com/models/evals/gemini-3-pro

Propósito de uso y limitaciones

• Áreas principales de uso:
  • Resolución de problemas complejos, trabajo creativo, planeación estratégica y mejora paso a paso
  • Rendimiento tipo agente, codificación avanzada, comprensión de contexto largo y desarrollo de algoritmos, entre otros
• Limitaciones:
  • Existen limitaciones típicas de los modelos grandes en general (por ejemplo, alucinaciones)
  • Pueden ocurrir demoras o timeouts de forma ocasional
  • Corte de conocimiento: enero de 2025
• Usos no permitidos:
  • Actos ilegales o peligrosos, violaciones de seguridad, contenido sexual, violento o de odio, generación de desinformación, etc.
  • Se aplica la política de usos prohibidos de IA generativa de Google

Ética y seguridad de contenido

• Proceso de desarrollo: se realizaron evaluaciones y pruebas de red team en colaboración con equipos internos de seguridad, protección y responsabilidad
• Tipos de evaluación
  • Monitoreo continuo mediante evaluaciones automáticas y humanas
  • Human Red Teaming por equipos externos especializados
  • Revisión de seguridad a gran escala mediante Red Teaming automatizado
  • Revisión de ética y seguridad antes del lanzamiento
• Políticas de seguridad:
  1. Bloqueo de contenido relacionado con explotación y abuso sexual infantil
  2. Bloqueo de discurso de odio
  3. Bloqueo de contenido que promueva el suicidio o conductas peligrosas
  4. Bloqueo de acoso e incitación a la violencia
  5. Bloqueo de contenido sexualmente explícito
  6. Bloqueo de consejos médicos contrarios al consenso científico

Resultados de la evaluación de seguridad

• Resultados de evaluación automática (vs Gemini 2.5 Pro)
  • Text-to-Text Safety: -10.4%
  • Multilingual Safety: +0.2% (cambio no significativo)
  • Image-to-Text Safety: +3.1% (cambio no significativo)
  • Tone: +7.9%
  • Unjustified Refusals: +3.7% (cambio no significativo)
• Interpretación: en general hubo mejoras en tono y seguridad, y una reducción en la tasa de rechazos incorrectos
• Resultados de Human Red Teaming:
  • Cumple con los estándares de seguridad infantil y muestra un rendimiento de seguridad equivalente o mejorado frente a Gemini 2.5 Pro
  • Incluso en pruebas ampliadas más allá de las áreas de política, no se detectaron problemas graves

Riesgos y mitigación

• Riesgos principales:
  • Vulnerabilidad a jailbreak (mejorada, pero no resuelta por completo)
  • Posible degradación de calidad en conversaciones de múltiples turnos
• Medidas de mitigación:
  • Filtrado de datos, preentrenamiento condicionado, ajuste fino supervisado y aprendizaje por refuerzo basado en retroalimentación humana y de críticos
  • Aplicación de políticas de seguridad y filtrado a nivel de producto

Evaluación de Frontier Safety

• Verificado según el Google DeepMind Frontier Safety Framework (septiembre de 2025)
• Resultado: no alcanza ningún Critical Capability Level (CCL)
  • CBRN: no es suficiente para aumentar la capacidad de actores de amenaza
  • Ciberseguridad: resuelve algunas tareas (11/12), pero no resuelve tareas de alta dificultad (0/13)
  • Manipulación dañina: no hay un aumento significativo frente al modelo anterior
  • I+D en aprendizaje automático: mejora frente a Gemini 2.5, pero no alcanza el umbral de alerta
  • Riesgo de falsos positivos, juicios erróneos y manipulación: se mantiene en un nivel bajo
• Conclusión: queda por debajo del umbral de riesgo del estándar Frontier Safety y se considera seguro

Resumen general

• Gemini 3 Pro es el modelo multimodal de mayor rendimiento de Google, con mejoras en razonamiento, seguridad y eficiencia
• El entrenamiento basado en TPU y la estructura MoE optimizan el procesamiento de datos a gran escala
• Se reforzó el sistema de validación ética y de seguridad, y cumple con el estándar del Frontier Safety Framework
• Muestra mejoras generales frente a Gemini 2.5 Pro y se evalúa como un modelo de IA seguro y escalable para entornos de uso real

[GN⁺]

Comentario en Hacker News

• El comentario original fue movido a este hilo
  Cerró agradeciendo que lo hubieran ordenado