Gemini 2.0 de Google: nueva IA agentiva con multimodalidad

Hoy Google DeepMind presenta Gemini 2.0, la apuesta para lo que llaman la era "agentiva": modelos que no solo entienden, sino que pueden planear pasos y ejecutar acciones bajo tu supervisión. La nota oficial salió el 11 de diciembre de 2024 y describe un lanzamiento experimental que ya está en manos de desarrolladores y probadores confiables. (deepmind.google)

Qué es Gemini 2.0 y por qué importa

No es solo una versión más potente. Gemini 2.0 busca cambiar la forma en que interactuamos con la IA: no solo responde, también actúa mediante herramientas, genera audio e imágenes de forma nativa y procesa contexto largo y multimodalidad para tareas complejas. Esto abre la puerta a asistentes capaces de hacer flujos de trabajo reales, no solo dar sugerencias. (deepmind.google)

Novedades clave

• Gemini 2.0 Flash: la primera variante experimental, optimizada para baja latencia y rendimiento. Según Google, rinde mejor que versiones anteriores en benchmarks y es hasta dos veces más rápida en algunos casos. (deepmind.google)

• Salida multimodal nativa: ahora el modelo puede generar imágenes mezcladas con texto y audio multilingüe con text-to-speech que puedes dirigir (steerable TTS). También procesa entradas multimodales como video, audio e imágenes. (deepmind.google)

• Uso de herramientas integrado: puede llamar a Google Search, ejecutar código y usar funciones definidas por terceros de forma nativa, lo que lo hace más práctico para aplicaciones reales. (deepmind.google)

• Multimodal Live API: para audio y video en tiempo real, entradas por streaming y combinación de herramientas para aplicaciones interactivas. (deepmind.google)

Prototipos y experimentos: cómo piensan usarlo

Google comparte varios experimentos que muestran posibilidades concretas:

• Project Astra: evolución del asistente universal en Android, con mejor diálogo multilingüe, uso de Search, Lens y Maps, y memoria mejorada (por ejemplo, 10 minutos de memoria en sesión). También están probando el sistema en gafas prototipo. (deepmind.google)

• Project Mariner: un agente que actúa dentro del navegador mediante una extensión experimental. Puede leer píxeles y elementos web (formularios, imágenes, código) y completar tareas por ti, pidiendo confirmación en acciones sensibles. En pruebas alcanzó 83.5% en el benchmark WebVoyager. (deepmind.google)

• Jules: un agente pensado para desarrolladores que integra flujos en GitHub, puede planear y ejecutar cambios bajo supervisión. Imagina pedirle que arregle un bug, que proponga y ejecute una prueba y te entregue un PR preliminar. (deepmind.google)

Dónde y cómo probarlo

A partir del anuncio (11 de diciembre de 2024) Gemini 2.0 Flash está disponible de forma experimental para desarrolladores a través de la API de Gemini, Google AI Studio y Vertex AI, con ciertas capacidades (como TTS y generación nativa de imágenes) abiertas solo a socios en acceso temprano. En la app de Gemini aparece como modelo experimental en el selector y habrá ampliaciones a otros productos a comienzos de 2025. Puedes ver más en el sitio de Gemini. (deepmind.google)

Seguridad, privacidad y riesgos

Google subraya que el avance viene acompañado de procesos de seguridad: revisiones internas con su Responsibility and Safety Committee, red teaming asistido por IA para generar evaluaciones y datos de entrenamiento, controles de privacidad en prototipos como Astra (borrado de sesiones) y mecanismos para mitigar inyecciones de prompts en Mariner. No es una solución perfecta; es un enfoque iterativo con pruebas en grupos confiables. (deepmind.google)

"La única forma de construir IA es hacerlo con responsabilidad desde el inicio" dice la nota, y por eso están evaluando mitigaciones específicas para cada prototipo. (deepmind.google)

Ejemplos concretos de uso (para que lo imagines)

• En búsquedas complejas: AI Overviews potenciada por Gemini 2.0 podrá atender preguntas multi paso, incluir cálculos avanzados y consultar imágenes o código en el contexto. Resultado: menos ida y vuelta para investigar un tema. (deepmind.google)

• En el navegador: quieres comprar una cámara, el agente compara especificaciones en distintas pestañas, rellena el formulario y te pide confirmar la compra en el último paso. Así funciona Project Mariner en pruebas, con limitaciones actuales de velocidad y precisión. (deepmind.google)

• En desarrollo: Jules detecta un fallo en CI, propone un plan y crea un PR con cambios y pruebas básicas para revisar. Tú supervisas y das el visto bueno. (deepmind.google)

¿Y ahora qué? Una mirada práctica

Esto no es magia instantánea, pero sí un salto en usabilidad. Si eres desarrollador, es momento de explorar la API y pensar en cómo integrar agentes en flujos reales. Si usas herramientas digitales a diario, prepárate para interfaces que hagan más por ti, siempre que las empresas resuelvan bien la seguridad y la transparencia.

Gemini 2.0 también descansa en infraestructura propia: Google usó sus TPUs de sexta generación, llamadas Trillium, para entrenar e inferir 100% del modelo, lo cual habla de la inversión en hardware que impulsa estos avances. (deepmind.google)

¿Te genera curiosidad o preocupación? Es normal. Estas tecnologías acercan asistentes que hacen tareas por nosotros, pero la diferencia la marcará cómo se diseñen las salvaguardas y cómo decidas tú interactuar con ellos. Si quieres, puedo resumir las implicaciones para tu caso: trabajo, producto o proyecto personal y darte pasos concretos para empezar a probar Gemini 2.0 hoy.