Google lanza Gemini, su modelo multimodal nativo para retar a GPT-4

Google ha presentado hoy Gemini 1.0, el modelo de inteligencia artificial que la compañía llevaba meses prometiendo como respuesta directa a GPT-4 de OpenAI. Sundar Pichai, consejero delegado de Google y Alphabet, y Demis Hassabis, al frente de Google DeepMind, lo han anunciado como "el modelo más capaz y de uso general que hemos construido", según recoge el comunicado oficial de la compañía.

La novedad no es solo de rendimiento. Google insiste en que Gemini es multimodal nativo: a diferencia de otros sistemas que combinan un modelo de texto con módulos añadidos para imagen, audio o vídeo, Gemini se ha entrenado desde el principio para procesar y razonar sobre esos formatos de forma conjunta. Es una distinción técnica que la compañía considera clave para justificar sus resultados.

Tres tamaños para tres públicos

Gemini llega en tres versiones pensadas para escenarios distintos:

• Gemini Ultra, el modelo más potente, orientado a tareas complejas.
• Gemini Pro, pensado para escalar en una amplia variedad de tareas.
• Gemini Nano, diseñado para ejecutarse directamente en dispositivos móviles, sin depender de la nube.

Google ya ha empezado a mover ficha con Pro: a partir de hoy impulsa la versión en inglés de Bard, su asistente conversacional, sustituyendo al modelo que usaba hasta ahora. Nano, por su parte, corre ya en el Pixel 8 Pro, lo que permite funciones en el propio teléfono sin enviar datos a servidores externos. Ultra, el modelo insignia, todavía no está disponible: Google dice que primero completará pruebas de seguridad y confianza antes de abrirlo a desarrolladores y grandes clientes a principios de 2024, cuando también llegará una versión más avanzada de Bard bajo el nombre de Bard Advanced.

La comparación con GPT-4

El dato que Google ha subrayado con más insistencia es que Gemini Ultra supera a GPT-4 en 30 de 32 benchmarks académicos habituales para evaluar modelos de lenguaje. La compañía destaca especialmente el resultado en MMLU (Massive Multitask Language Understanding, una prueba que combina 57 materias distintas, desde matemáticas hasta ética profesional): Gemini Ultra habría obtenido una puntuación del 90%, superando por primera vez, según Google, el nivel de un experto humano en esa prueba.

Es la primera vez que un laboratorio presenta cifras que retan directamente al modelo insignia de OpenAI en su propio terreno de benchmarks, algo que no había ocurrido desde el lanzamiento de GPT-4 en marzo. Hasta ahora, Google había respondido a ChatGPT con Bard, construido sobre PaLM 2, sin que ese modelo lograra cerrar la distancia percibida en calidad frente a GPT-4. Gemini es, en ese sentido, la apuesta más ambiciosa de la compañía hasta la fecha para recuperar la iniciativa en el terreno donde OpenAI y Microsoft llevan meses marcando el ritmo.

Una demo que no convence a todos

Junto al anuncio, Google publicó un vídeo titulado "Hands-on with Gemini", en el que el modelo parecía responder en tiempo real a imágenes, dibujos y objetos que se le mostraban, con una fluidez que recordaba a las demostraciones multimodales que OpenAI y otros habían mostrado meses atrás solo como maquetas conceptuales.

El vídeo no ha tardado en generar dudas. Varias voces han señalado que la demostración no refleja una interacción en tiempo real, sino una edición construida a partir de capturas de imagen fija y instrucciones de texto cuidadosamente seleccionadas, lo que dista de la experiencia conversacional fluida que sugiere el montaje. Google no ha negado que el vídeo esté editado, pero mantiene que las capacidades mostradas son reales, aunque presentadas de forma más ágil de lo que sería la interacción cotidiana.

Qué cambia a partir de ahora

Con Gemini, Google pone sobre la mesa tres piezas que compiten en frentes distintos: Nano contra los modelos que Apple y otros fabricantes quieren meter en el propio dispositivo, Pro contra ChatGPT en el uso diario de un asistente, y Ultra contra GPT-4 en la disputa por ser el modelo de referencia para desarrolladores y empresas.

La verdadera prueba llegará cuando Ultra esté disponible fuera de los benchmarks controlados por la propia Google y usuarios independientes puedan comparar su rendimiento con GPT-4 en condiciones reales. Hasta entonces, las cifras publicadas hoy son, sobre todo, una declaración de intenciones: Google quiere que quede claro que ya no corre por detrás en la carrera de los grandes modelos de lenguaje.