Gemini 4

Descripción general

Este es un modelo de razonamiento insignia con salida de texto, orientado a las tareas de varios pasos y ciclo prolongado más complejas, y ocupa una posición superior dentro de la misma serie. Recibe entradas de texto e imagen y produce únicamente texto, admite una ventana de contexto de hasta 1.048.576 tokens, una salida máxima de 65.536 tokens por solicitud, y permite ajustar la intensidad de razonamiento mediante los tres niveles low, medium y high de reasoning_effort. Está dirigido a desarrolladores y equipos de investigación que necesitan procesar grandes volúmenes de material y producir resultados escritos, y es adecuado para construir asistentes de análisis, herramientas de procesamiento de documentos y flujos de trabajo complejos.

Puntos clave

• Posicionamiento insignia para razonamiento en tareas complejas: ocupa la posición más potente de la serie Gemini 4 y está orientado a tareas complejas que requieren descomposición en varios pasos y avance prolongado.
• Ventana de contexto de escala millonaria: la ventana de contexto es de hasta 1.048.576 tokens y puede alojar grandes lotes de texto e imágenes para procesarlos conjuntamente.
• Intensidad de razonamiento ajustable en tres niveles: mediante los tres niveles low, medium y high de reasoning_effort, permite elegir entre profundidad de razonamiento y ritmo de respuesta.
• Entrada unificada de texto e imagen: el texto y las imágenes pasan por el mismo canal de entrada y la salida es siempre texto, lo que reduce el coste de integrar por separado distintos tipos de material.

Descripción de capacidades

Procesamiento de texto con contexto largo: el texto de entrada puede ocupar toda la ventana de contexto de hasta 1.048.576 tokens, adecuada para comprender, resumir y responder preguntas sobre documentos largos completos, y para entregar los resultados del análisis en forma de texto.

Comprensión de contenido de imágenes: además de las instrucciones de texto, se pueden adjuntar imágenes de entrada para responder preguntas sobre imágenes, extraer información contenida en ellas y realizar análisis comparativos entre texto e imagen, con salida unificada en forma de descripción o conclusión textual.

Generación de textos largos: la salida máxima por solicitud es de 65.536 tokens, suficiente para redactar informes extensos, documentos largos y código de cierta longitud, y cubrir entregables escritos completos.

Ajuste de la intensidad de razonamiento: mediante reasoning_effort se configuran los niveles low, medium y high, de modo que la profundidad de razonamiento se elige según la complejidad de la tarea, desde respuestas rápidas hasta razonamientos de varios pasos.

Procesamiento de tareas complejas de varios pasos: orientado a tareas de ciclo prolongado que requieren análisis continuo y juicio integrador, puede combinar material textual extenso e imágenes en una sola solicitud para ofrecer una conclusión textual completa.

Escenarios de uso

• Análisis y preguntas sobre documentos largos: personal de investigación y operaciones envía informes o artículos extensos y obtiene resúmenes, respuestas y puntos clave extraídos, para su uso en bases de conocimiento internas y procesos de revisión.
• Interpretación integral de material textual y visual: los analistas proporcionan explicaciones escritas y material de imagen al mismo tiempo, y se genera un texto interpretativo que contrasta texto e imagen, para organización de inteligencia y verificación de contenido.
• Redacción de informes y documentos extensos: equipos de consultoría y contenido aportan material de contexto y el modelo genera informes analíticos o documentos explicativos largos, que sirven como borradores de entrega y material de revisión interna.
• Asistente de razonamiento complejo de varios pasos: los desarrolladores integran el modelo en productos de preguntas y respuestas o de análisis para atender solicitudes de conocimiento que requieren descomposición en varios pasos, y ofrecer respuestas en lenguaje natural legibles para el usuario final.
• Producción de código y documentación técnica extensa: los equipos de ingeniería aportan descripciones de requisitos y material relacionado, y se generan explicaciones de código o documentación técnica de cierta extensión, para bibliotecas de documentación de proyectos y material de traspaso.

Limitaciones y recomendaciones de selección

La única modalidad de salida es el texto; no puede generar imágenes, audio ni vídeo. La ventana de contexto se comparte entre entrada y salida, por lo que una entrada larga consume parte del presupuesto de tokens disponible para generar la salida, lo que obliga a equilibrar la longitud del material y la extensión de la salida. El límite de salida por solicitud es de 65.536 tokens; lo que exceda debe procesarse por lotes. La intensidad de razonamiento se configura con los tres niveles low, medium y high de reasoning_effort, y la elección del nivel afecta a la profundidad del razonamiento en tareas complejas.