desde el acceso público a un lanzamiento público en un lanzamiento público bajo una semana.
Solo cinco días antes, el 25 de marzo, Gemini 2.5 Pro se puso a disposición exclusivamente para pagar a los suscriptores de Gemini Advanced y usuarios de Google AI Studio. Esa versión se limitó primero al plan de $ 19.99/mes Google One AI Premium. Al final de la semana, la versión experimental de ese mismo modelo se convirtió en el valor predeterminado para todos los que usan la aplicación Gemini, incluidas las de nivel libre.
Esta expansión abrupta sugiere múltiples motivaciones: escala de adopción, aceleración de ciclos de retroalimentación y posicionando a Gemini como un verdadero competidor de modelos de OpenAI, antrópica y Xai. También refleja la confianza en el rendimiento del modelo y la preparación del mundo real, incluso en una forma experimental.
Un modelo centrado en el razonamiento con nuevas compensaciones
El mayor cambio de Gemini 2.5 Pro radica en cómo cree. A diferencia de los modelos generativos tradicionales que se basan en predicciones de paso único, este modelo realiza una verificación lógica de varios pasos para fortalecer su razonamiento.
Esa ventana de contexto grande permite a Gemini procesar libros completos, contratos legales o bases de código de una sola vez. En el punto de referencia MRCR 128K, que prueba la comprensión en el contenido de forma larga, Gemini alcanzó el 91.5% de precisión y retuvo el rendimiento del 83.1% a escala completa, significativamente por delante de 36.3% de GPT-4.5.
El modelo de Google también se ubica altamente en el razonamiento de la ciencia, anotando 84% en el GPPQA Diamond Benchmark y Tomando la tabla de clasificación de Lmarena por casi 40 puntos.
En las pruebas centradas en matemáticas como AIME 2024, Gemini alcanzó el 92.0%de precisión, superando a GPT-4.5 (36.7%) y Deepseek R1 (79.8%de 79.8%). Para tareas multimodales que involucran texto e imágenes, obtuvo un 81.7% en el punto de referencia MMMU, de nuevo antes del soneto Claude 3.7 y GPT-4.5.
Sin embargo, el rendimiento varía en todas las categorías. Gemini obtuvo un 52.9% en SimpleQA, una prueba de recuperación objetiva, siguiendo el 62.5% de GPT-4.5. En escenarios de ingeniería de software autónomo (codificación de agente), el soneto Claude 3.7 todavía lidera con un 70.3%, mientras que Gemini sigue al 63.8%.
Fuente: Google
Herramientas de desarrollador y características multimodales
Si bien los clientes potenciales O3-Mini de OpenAI en la generación de código en vivo (74.1% en LivecodeBench), Gemini 2.5 Pro posee los suyos en 70.4%. Se desempeña aún mejor en las tareas de edición de código. En el punto de referencia Polyglot Aider, diseñado para probar la modificación del código multilingüe, Gemini obtiene el 74.0%, superar los últimos modelos de Claude y Deepseek.
El soporte nativo de Gemini para entradas multimodales significa que puede procesar imágenes, videos, código y texto en la misma consulta. Esa capacidad se extiende a herramientas como Gemini Live, que permite la asistencia basada en la pantalla y la cámara. Google también ha integrado a Gemini en herramientas de espacio de trabajo como Gmail, Docs y Drive, que proporciona resúmenes inteligentes, mejoras de búsqueda por correo electrónico y ayudas de navegación de documentos.
adquisición de androides y respuesta del usuario
La expansión de Gemini va más allá de los modelos mejorados. También está reemplazando al Asistente de Google como la IA de voz predeterminada en los dispositivos Android. El cambio ha dibujado reacciones mixtas. Algunos usuarios han elogiado el rendimiento de Gemini en tareas como la codificación e investigación.
Otros han criticado el cambio, citando las características de asistente faltantes y las interacciones de voz menos intuitivas.
Mientras tanto, Google ha hecho que las capacidades de IA de Gemini sean más accesibles en las herramientas de espacio de trabajo, incluidos Gmail y Docs. Gemini también está incorporando el historial de búsqueda de respuestas personalizadas, obstaculizando las superposiciones futuras entre la IA y la búsqueda tradicional. Si esta estrategia valdrá la pena dependerá de cómo respondan los usuarios.