Un aspecto de nuestro modelo Gemini 3 Pro a observar es cómo funciona en capacidades multimodales. Hemos trabajado para que funcione muy bien en una variedad de casos de uso multimodales, como la comprensión de documentos, vídeos, características espaciales, datos biomédicos y escenografías informáticas, y la capacidad de razonar sobre información visual. Para probarlo, di la imagen original de la entrada del blog a continuación y la pregunté: Por favor, haz una versión de esta figura con la columna Gemini Pro anotada con la mejora relativa frente al mejor resultado de las otras tres columnas en rojo (¡Esto en sí mismo es una tarea de razonamiento visual bastante difícil! Lo hizo bastante bien con algunas comprobaciones puntuales, y esas mejoras relativas en la precisión son bastante grandes en algunos benchmarks). Lee más abajo o en la entrada del blog en: