Google DeepMind: elegir entre la familia y el modelo de Gemini
Las herramientas de Google reunidas por tipo de trabajo. Cómo elegir el modelo y qué comprobar antes de utilizarlo en un proyecto en España.

👁 113 lecturas
Si una guía de senderismo incluye un mapa, un párrafo y una grabación, el primer filtro es el tipo de archivo que admite el modelo. El escaparate de DeepMind presenta familias de investigación. La referencia de Gemini API permite identificar qué variante se puede llamar desde un programa. Yo anotaría ambas denominaciones antes de prometer que una demostración se puede automatizar.
Una referencia por prueba
Dentro de cada panel recojo la configuración de Google mejor situada en la selección. Los puestos se leen por filas: cada prueba tiene sus propios participantes y su propia escala.
| Prueba | Modelo | Puesto |
|---|---|---|
| Vídeo a partir de texto (Arena) | Gemini Omni 1.2 Flash | 1 |
| Vídeo a partir de una imagen (Arena) | Gemini Omni 1.2 Flash | 1 |
| Chat (Arena) | Gemini 4 Carbon (High) | 1 |
| Agentes de voz (AA) | Gemini 3.1 Flash Live Minimal | 2 |
| Índice de inteligencia (AA) | Gemini 4 Carbon High | 3 |
| Desarrollo web (Arena) | Gemini 4 Carbon (High) | 4 |
| Música instrumental (AA) | Lyria 3 Pro | 5 |
| Agentes (Arena) | Gemini 4 Carbon (High) | 5 |
| Voces de catálogo (AA) | Gemini 3.8 Flash TTS | 6 |
| Canciones con voz (AA) | Lyria 3.5 | 6 |
| Vídeo a partir de texto (AA) | Gemini Omni Flash 1.2 | 7 |
| Agentes de código (AA) | Antigravity CLI - Gemini 4 Carbon (High) | 7 |
| Imagen a partir de texto (AA) | Nano Banana 2.1 | 8 |
| Imagen a partir de texto (Arena) | Gemini Nano Banana 2.1 | 8 |
| Edición de imágenes (Arena) | Gemini Nano Banana 2.1 | 9 |
| Edición de imágenes (AA) | Nano Banana 2.1 | 10 |
| Vídeo a partir de una imagen (AA) | Gemini Omni Flash 1.2 | 14 |
| Implementación de una interfaz (Arena) | Gemini 3.7 Flash (High) | 17 |
| Voz controlada (AA) | Gemini 3.8 Flash-Lite TTS | 25 |
Para seguir con un caso concreto
- Prompts para Gemini Omni 1.2 Flash: 7 reglas y 9 ejemplos
- GPT-Image-2.6 frente a Nano Banana 2.1, FLUX 3, Seedream y Qwen
- Nano Banana 2.1: precios, prueba a fondo y cómo usarlo en Gemini
01Prompts para Gemini Omni 1.2 Flash: 7 reglas y 9 ejemplosGemini Omni 1.2 Flash genera vídeo con audio nativo. Descubre siete reglas prácticas de redacción y nueve prompts probados en API con resultados en 720p.Leer →
02GPT-Image-2.6 frente a Nano Banana 2.1, FLUX 3, Seedream y QwenComparamos GPT-Image-2.6 con Nano Banana 2.1, FLUX 3, Seedream 5 Pro y Qwen Image 3 Pro en generación de imágenes con texto complejo, tiempos y costes de API.Leer →
03Nano Banana 2.1: precios, prueba a fondo y cómo usarlo en GeminiGoogle lanza Nano Banana 2.1 con edición por máscaras y panorámicas 8:1. Analizamos su rendimiento, calidad y precios de API en Gemini.Leer →Fuentes
- Documentación oficial de Google (consulta del 17 de noviembre de 2026). https://deepmind.google/models/
- Documentación oficial de Google (consulta del 17 de noviembre de 2026). https://ai.google.dev/gemini-api/docs/models
- Panel de vídeo a partir de texto (consulta del 17 de noviembre de 2026). https://arena.ai/leaderboard/text-to-video
- Panel de vídeo a partir de una imagen (consulta del 17 de noviembre de 2026). https://arena.ai/leaderboard/image-to-video
- Panel de chat (consulta del 17 de noviembre de 2026). https://arena.ai/leaderboard/text
- Panel de agentes de voz (consulta del 17 de noviembre de 2026). https://artificialanalysis.ai/speech-to-speech/arena
- Panel de índice de inteligencia (consulta del 17 de noviembre de 2026). https://artificialanalysis.ai/leaderboards/models
- Panel de desarrollo web (consulta del 17 de noviembre de 2026). https://arena.ai/leaderboard/code
- Panel de música instrumental (consulta del 17 de noviembre de 2026). https://artificialanalysis.ai/embed/music-generation-leaderboard/leaderboard/instrumental
- Panel de agentes (consulta del 17 de noviembre de 2026). https://arena.ai/leaderboard/agent
- Panel de voces de catálogo (consulta del 17 de noviembre de 2026). https://artificialanalysis.ai/text-to-speech/leaderboard/provider-voice
- Panel de canciones con voz (consulta del 17 de noviembre de 2026). https://artificialanalysis.ai/embed/music-generation-leaderboard/leaderboard/vocals
- Panel de vídeo a partir de texto (consulta del 17 de noviembre de 2026). https://artificialanalysis.ai/video/leaderboard/text-to-video
- Panel de agentes de código (consulta del 17 de noviembre de 2026). https://artificialanalysis.ai/agents/coding-agents
- Panel de imagen a partir de texto (consulta del 17 de noviembre de 2026). https://artificialanalysis.ai/image/leaderboard/text-to-image
- Panel de imagen a partir de texto (consulta del 17 de noviembre de 2026). https://arena.ai/leaderboard/image/text-to-image
- Panel de edición de imágenes (consulta del 17 de noviembre de 2026). https://arena.ai/leaderboard/image/image-edit/single-image
- Panel de edición de imágenes (consulta del 17 de noviembre de 2026). https://artificialanalysis.ai/image/leaderboard/editing
- Panel de vídeo a partir de una imagen (consulta del 17 de noviembre de 2026). https://artificialanalysis.ai/video/leaderboard/image-to-video
- Panel de implementación de una interfaz (consulta del 17 de noviembre de 2026). https://arena.ai/leaderboard/code/image-to-webdev
- Panel de voz controlada (consulta del 17 de noviembre de 2026). https://artificialanalysis.ai/text-to-speech/leaderboard/controlled-voice
More on this from FULGOR
benchmarks·Fish Audio y la intención que cambia al decir una frase«Ya está bien» puede ser aprobación o protesta.

