Gemini 4

Descripción general

Este es un modelo de razonamiento orientado a la generación de texto que acepta entradas de texto e imagen y produce únicamente texto como salida. La entrada y la salida comparten una ventana de contexto de hasta 1.048.576 tokens, adecuada para procesar documentos extensos y material con imágenes. Está dirigido a desarrolladores que necesitan razonamiento complejo y producción de texto a gran escala, y puede emplearse en escenarios de producción cotidianos como resúmenes y preguntas y respuestas, extracción de información, redacción de informes y de código; su rendimiento es equilibrado en tareas de ingeniería de software y trabajo del conocimiento.

Aspectos destacados

• Entrada de texto e imagen con salida unificada en texto: puede recibir texto e imágenes, y un mismo modelo realiza la comprensión y genera resultados de texto, lo que facilita tratar diversos materiales de forma unificada.
• Contexto de escala millonaria compartido entre entrada y salida: la ventana de contexto es de hasta 1.048.576 tokens, y las entradas y salidas largas comparten el mismo presupuesto, adecuado para procesar materiales muy extensos.
• Límite de salida de 65.536 tokens por solicitud: la salida máxima de cada solicitud es de 65.536 tokens, suficiente para respaldar informes extensos y la generación de bloques largos de código.
• Ajuste de la intensidad de razonamiento en tres niveles: mediante el parámetro reasoning_effort se eligen los niveles low, medium y high, sopesando la profundidad de razonamiento y la velocidad de respuesta.

Descripción de capacidades

Comprensión y generación de texto e imagen: recibe texto o imágenes, el modelo las comprende y genera una salida unificada en texto, lo que facilita procesar materiales textuales y recursos de imagen con la misma interfaz.

Procesamiento de contexto ultralargo: la entrada y la salida comparten una ventana de hasta 1.048.576 tokens, adecuada para la comprensión integral y las preguntas y respuestas sobre documentos y código extensos.

Generación controlable de texto largo: la salida máxima de cada solicitud es de 65.536 tokens, utilizable para generar informes extensos, documentos largos y bloques amplios de texto de código.

Intensidad de razonamiento ajustable: mediante reasoning_effort se eligen los niveles low, medium y high, sopesando la profundidad de razonamiento y la velocidad de respuesta según la complejidad de la tarea.

Tareas cotidianas orientadas al razonamiento: apropiado para razonamiento complejo y preguntas y respuestas cotidianas; tras introducir la pregunta y el material de contexto, produce respuestas de texto, cubriendo la mayor parte de la ingeniería de software y el trabajo del conocimiento.

Escenarios de aplicación

• Resumen y preguntas y respuestas sobre documentos extensos: el desarrollador introduce informes o documentos largos y obtiene resúmenes, resultados de preguntas y respuestas y texto de extracción de información, para bases de conocimiento y sistemas de recuperación.
• Extracción de información de contenido de imágenes: se introducen capturas de pantalla o imágenes y se obtienen los textos descriptivos y los puntos clave contenidos en ellas, para flujos de organización de materiales y archivo de contenido.
• Redacción de informes y código extensos: se introducen requisitos y materiales de referencia y se genera texto de informe o de código de hasta 65.536 tokens, para la entrega de documentación y el apoyo al desarrollo.
• Preguntas y respuestas de razonamiento complejo de uso general: orientado a preguntas y respuestas cotidianas y tareas de razonamiento complejo; se introducen la pregunta y el material de contexto y se produce una respuesta de texto, para aplicaciones de tipo asistente.

Limitaciones y recomendaciones de selección

La salida es únicamente texto; no puede generar imágenes, audio ni vídeo. La ventana de contexto es compartida entre entrada y salida, por lo que una entrada larga consume presupuesto de tokens disponible para la generación, y la salida máxima por solicitud es de 65.536 tokens. Esta interfaz no admite actualmente llamadas a herramientas, búsqueda en internet, computer use ni salidas estructuradas; las tareas que requieran estas capacidades deben evaluarse por separado. La intensidad de razonamiento puede seleccionarse entre low, medium y high mediante reasoning_effort.