Un aspecto de nuestro modelo Gemini 3 Pro a considerar es cómo se desempeña en capacidades multimodales. Hemos trabajado para que funcione realmente bien en una variedad de casos de uso multimodal, como la comprensión de documentos, videos, características espaciales, datos biomédicos y pantallas de computadora, y ser capaz de razonar sobre la información visual. Para probarlo, di la imagen original del blog a continuación y le pregunté: Por favor, haz una versión de esta figura con la columna de 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 al hacerlo con precisión en algunas verificaciones puntuales, y esas mejoras de precisión relativas son bastante grandes en algunos de los benchmarks!) Lee más abajo o en la publicación del blog en: