Hogar
Google mejora la búsqueda de archivos de la API de Gemini con funciones avanzadas de RAG multimodal
Google ha lanzado una importante actualización de la función de búsqueda de archivos de su API Gemini, que ofrece a los desarrolladores capacidades mejoradas de generación aumentada por recuperación multimodal (RAG). Esta actualización va más allá de la recuperación tradicional basada únicamente en texto, ya que permite a la IA interpretar imágenes e integrarse en profundidad con documentos complejos, lo que supone un avance clave para la precisión de la IA a nivel empresarial en la recuperación de información.
Técnicamente, la nueva función de búsqueda de archivos aprovecha el modelo Gemini Embedding2. A diferencia de los sistemas anteriores, que se limitaban a la búsqueda de vectores de texto, el sistema actualizado cuenta con una incrustación multimodal unificada, lo que le permite reconocer y procesar contenido visual dentro de archivos PDF, documentos y diversos tipos de imágenes. Esto significa que los desarrolladores ya no necesitan crear complejas bases de datos vectoriales ni sistemas de segmentación de documentos; pueden lograr un flujo de trabajo RAG completo —desde la carga de datos hasta la recuperación de información— directamente dentro de la API de Gemini.

En la práctica, este avance resuelve un problema habitual: los sistemas RAG tradicionales a menudo no logran procesar contenido no textual. Anteriormente, los gráficos, los diagramas de diseño o las capturas de pantalla de productos en los documentos eran puntos ciegos para la IA, lo que provocaba que se pasara por alto contexto clave. Ahora, la API de Gemini comprende de forma nativa estos elementos visuales. Por ejemplo, cuando una empresa sube un PDF con diagramas de arquitectura técnica o gráficos de tendencias de ventas, la IA puede combinar los datos de los gráficos con las descripciones de texto para ofrecer información precisa, lo que mejora enormemente la utilidad de los bots de atención al cliente y los sistemas de análisis de documentos.
Para mejorar la gestión de grandes bases de conocimientos, Google ha añadido el filtrado personalizado de metadatos. Los desarrolladores pueden etiquetar los archivos por departamento, fecha o categoría y, durante la recuperación, filtrar la información irrelevante mediante condiciones predefinidas, lo que garantiza que las respuestas generadas por la IA sean más específicas.
Además, para dar respuesta a las preocupaciones sobre la trazabilidad de la información, la API de Gemini admite ahora citas a nivel de página. Al generar respuestas, la IA indica claramente el número de página específico de cada dato, en lugar de limitarse a hacer referencia al archivo completo. Esta transparencia ayuda a los usuarios a verificar rápidamente la exactitud y facilita una lectura más profunda.
La función mejorada de búsqueda de archivos ya está disponible para los desarrolladores de todo el mundo. Los usuarios pueden acceder a ella a través de Google AI Studio o de la plataforma Google Cloud para disfrutar de la comodidad en el desarrollo y las mejoras en la eficiencia que ofrece el RAG multimodal.
Artículo relacionado
Las acciones de EE. UU. alcanzan un hito histórico mientras gigantes de la IA y la aeroespacial se preparan para su debut de un billón de dólares
Elon Musk, Sam Altman y Dario Amodei, tres titanes del sector tecnológico, están avanzando hacia ofertas públicas iniciales para sus respectivas empresas. Con SpaceX, OpenAI y Anthropic, tres gigantes de la industria que se acercan a valoraciones de
La startup sueca de inteligencia artificial Lovable Eyes alcanza una valoración de 13.200 millones de dólares tras una importante ronda de financiación
Mientras las herramientas de codificación impulsadas por inteligencia artificial ganan terreno, la startup sueca Lovable ha asegurado una importante ronda de financiación. La empresa tiene como objetivo recaudar 3 000 millones de dólares, lo que podr
Google prueba el agente Remy AI para Gemini a medida que el enfoque se desplaza hacia el control del usuario
Según Business Insider, Google está probando Remy, un nuevo agente personal de IA para Gemini. Esta herramienta tiene como objetivo ejecutar tareas en nombre de los usuarios, optimizando tanto los flujos de trabajo profesionales como las rutinas diar
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
Google ha lanzado una importante actualización de la función de búsqueda de archivos de su API Gemini, que ofrece a los desarrolladores capacidades mejoradas de generación aumentada por recuperación multimodal (RAG). Esta actualización va más allá de la recuperación tradicional basada únicamente en texto, ya que permite a la IA interpretar imágenes e integrarse en profundidad con documentos complejos, lo que supone un avance clave para la precisión de la IA a nivel empresarial en la recuperación de información.
Técnicamente, la nueva función de búsqueda de archivos aprovecha el modelo Gemini Embedding2. A diferencia de los sistemas anteriores, que se limitaban a la búsqueda de vectores de texto, el sistema actualizado cuenta con una incrustación multimodal unificada, lo que le permite reconocer y procesar contenido visual dentro de archivos PDF, documentos y diversos tipos de imágenes. Esto significa que los desarrolladores ya no necesitan crear complejas bases de datos vectoriales ni sistemas de segmentación de documentos; pueden lograr un flujo de trabajo RAG completo —desde la carga de datos hasta la recuperación de información— directamente dentro de la API de Gemini.

En la práctica, este avance resuelve un problema habitual: los sistemas RAG tradicionales a menudo no logran procesar contenido no textual. Anteriormente, los gráficos, los diagramas de diseño o las capturas de pantalla de productos en los documentos eran puntos ciegos para la IA, lo que provocaba que se pasara por alto contexto clave. Ahora, la API de Gemini comprende de forma nativa estos elementos visuales. Por ejemplo, cuando una empresa sube un PDF con diagramas de arquitectura técnica o gráficos de tendencias de ventas, la IA puede combinar los datos de los gráficos con las descripciones de texto para ofrecer información precisa, lo que mejora enormemente la utilidad de los bots de atención al cliente y los sistemas de análisis de documentos.
Para mejorar la gestión de grandes bases de conocimientos, Google ha añadido el filtrado personalizado de metadatos. Los desarrolladores pueden etiquetar los archivos por departamento, fecha o categoría y, durante la recuperación, filtrar la información irrelevante mediante condiciones predefinidas, lo que garantiza que las respuestas generadas por la IA sean más específicas.
Además, para dar respuesta a las preocupaciones sobre la trazabilidad de la información, la API de Gemini admite ahora citas a nivel de página. Al generar respuestas, la IA indica claramente el número de página específico de cada dato, en lugar de limitarse a hacer referencia al archivo completo. Esta transparencia ayuda a los usuarios a verificar rápidamente la exactitud y facilita una lectura más profunda.
La función mejorada de búsqueda de archivos ya está disponible para los desarrolladores de todo el mundo. Los usuarios pueden acceder a ella a través de Google AI Studio o de la plataforma Google Cloud para disfrutar de la comodidad en el desarrollo y las mejoras en la eficiencia que ofrece el RAG multimodal.
Las acciones de EE. UU. alcanzan un hito histórico mientras gigantes de la IA y la aeroespacial se preparan para su debut de un billón de dólares
Elon Musk, Sam Altman y Dario Amodei, tres titanes del sector tecnológico, están avanzando hacia ofertas públicas iniciales para sus respectivas empresas. Con SpaceX, OpenAI y Anthropic, tres gigantes de la industria que se acercan a valoraciones de
La startup sueca de inteligencia artificial Lovable Eyes alcanza una valoración de 13.200 millones de dólares tras una importante ronda de financiación
Mientras las herramientas de codificación impulsadas por inteligencia artificial ganan terreno, la startup sueca Lovable ha asegurado una importante ronda de financiación. La empresa tiene como objetivo recaudar 3 000 millones de dólares, lo que podr











