Nota: Para garantizar una experiencia uniforme y de alto rendimiento, en este lab se pueden proporcionar respuestas almacenadas en caché para algunas solicitudes de modelos.

GSP1150

Descripción general

El modelo es versátil y está diseñado para procesar texto, imágenes y código. Maneja tareas complejas que requieren razonamiento sofisticado y análisis multimodal. Gemini se destaca en programación, materias de CTIM, desarrollo web y depuración. Es particularmente eficaz para generar código y resolver instrucciones con matices.

El modelo es rápido y eficiente, y está optimizado para flujos de trabajo de alta frecuencia, lo que permite a las empresas automatizar tareas y compilar aplicaciones responsivas sin sacrificar la calidad. Ofrece respuestas casi en tiempo real y un rendimiento superior en cuanto a precios, lo que permite a las empresas brindar experiencias atractivas a escala de producción.

En este lab, ejecutarás ejemplos que demuestran las capacidades clave del modelo y muestran las nuevas funciones de la API.

Requisitos previos

Antes de comenzar este lab, debes tener los siguientes conocimientos:

• Programación de Python básica
• Conceptos generales sobre APIs
• Ejecución de código de Python en un notebook de Jupyter en Agent Platform Workbench

Objetivos

En este lab, usarás los modelos y para realizar las siguientes tareas:

• Generar texto y controlar el razonamiento con niveles de pensamiento
• Configurar los parámetros del modelo y las instrucciones del sistema
• Procesar datos multimodales, incluidos audio, código y video
• Implementar funciones avanzadas, como la llamada a funciones y la ejecución de código

Configuración y requisitos

Antes de hacer clic en el botón Comenzar lab

Lee estas instrucciones. Los labs cuentan con un temporizador que no se puede pausar. El temporizador, que comienza a funcionar cuando haces clic en Comenzar lab, indica por cuánto tiempo tendrás a tu disposición los recursos de Google Cloud.

Este lab práctico te permitirá realizar las actividades correspondientes en un entorno de nube real, no en uno de simulación o demostración. Para ello, se te proporcionan credenciales temporales nuevas que utilizarás para acceder a Google Cloud durante todo el lab.

Para completar este lab, necesitarás lo siguiente:

• Acceso a un navegador de Internet estándar. Se recomienda el navegador Chrome.

Nota: Usa una ventana del navegador privada o de incógnito (opción recomendada) para ejecutar el lab. Así evitarás conflictos entre tu cuenta personal y la cuenta de estudiante, lo que podría generar cargos adicionales en tu cuenta personal.

• Tiempo para completar el lab (recuerda que, una vez que comienzas un lab, no puedes pausarlo).

Nota: Usa solo la cuenta de estudiante para este lab. Si usas otra cuenta de Google Cloud, es posible que se apliquen cargos a esa cuenta.

Cómo iniciar tu lab y acceder a la consola de Google Cloud

1. Haz clic en el botón Comenzar lab. Si debes pagar por el lab, se abrirá un diálogo para que selecciones la forma de pago. A la derecha, se encuentra el panel Configuración del lab y acceso, que tiene los siguientes elementos:

   • El botón Abrir la consola de Google Cloud
   • Las credenciales temporales (nombre de usuario y contraseña) que debes usar para este lab
   • Otra información para completar el lab (si es necesaria)

   Ten en cuenta que el cronómetro del lab se encuentra cerca de la parte superior de la página y muestra el tiempo restante.

2. Haz clic en Abrir la consola de Google Cloud (o haz clic con el botón derecho y selecciona Abrir el vínculo en una ventana de incógnito si ejecutas el navegador Chrome).

   El lab inicia los recursos y abre otra pestaña, en la que se muestra la página de acceso.

   Sugerencia: Ordena las pestañas en ventanas separadas, una junto a la otra.

   Nota: Si ves el diálogo Elegir una cuenta, haz clic en Usa otra cuenta.

3. De ser necesario, copia el nombre de usuario a continuación y pégalo en el diálogo Acceder.

   {{{user_0.username | "Username"}}}

   También puedes encontrar el nombre de usuario en el panel Configuración del lab y acceso.

4. Haz clic en Siguiente.

5. Copia la contraseña que aparece a continuación y pégala en el diálogo Te damos la bienvenida.

   {{{user_0.password | "Password"}}}

   También puedes encontrar la contraseña en el panel Configuración del lab y acceso.

6. Haz clic en Siguiente.

   Importante: Debes usar las credenciales que te proporciona el lab. No uses las credenciales de tu cuenta de Google Cloud. Nota: Usar tu propia cuenta de Google Cloud para este lab podría generar cargos adicionales.

7. Haz clic para avanzar por las páginas siguientes:

   • Acepta los Términos y Condiciones.
   • No agregues opciones de recuperación ni autenticación de dos factores, ya que esta cuenta es temporal.
   • No te registres para obtener pruebas gratuitas.

Después de un momento, se abrirá la consola de Google Cloud en esta pestaña.

Nota: Para acceder a los productos y servicios de Google Cloud, haz clic en el menú de navegación o escribe el nombre del servicio o producto en el campo Buscar.

Tarea 1: Configura el entorno

En esta sección, instalarás paquetes e importarás bibliotecas.

Abre el notebook en Agent Platform Workbench

1. En el menú de navegación () de la consola de Google Cloud, haz clic en Agent Platform > Notebooks > Workbench.

2. Busca la instancia y haz clic en el botón Abrir JupyterLab.

La interfaz de JupyterLab para tu instancia de Workbench se abrirá en una pestaña nueva del navegador.

Configura el notebook

1. Abre el archivo .

2. En el diálogo Select Kernel, elige Python 3 (Local) en la lista de kernels disponibles.

3. Ejecuta la sección Getting Started del notebook. El ID y la ubicación del proyecto ya están configurados.

Nota: Si recibes una respuesta 429 de cualquiera de las ejecuciones de celda del notebook, espera un minuto antes de volver a ejecutar la celda para continuar.

Haz clic en Revisar mi progreso para verificar el objetivo. Instalar paquetes e importar bibliotecas

Tarea 2: Carga los modelos de Gemini

• En el notebook, ejecuta las celdas de la sección Carga los modelos de Gemini para inicializar el cliente de genai y definir las variables del modelo.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Carga los modelos de Gemini 3 del notebook

Tarea 3: Explora las capacidades de Gemini

En esta sección, explorarás las capacidades clave del modelo Gemini 3 Pro y las funciones de la API. Después de explorar una función en el notebook, se te indicará que vuelvas a estas instrucciones para verificar tu progreso.

Establece instrucciones del sistema

• Navega a la sección Establece instrucciones del sistema y ejecuta las celdas para definir el comportamiento del modelo (traducción del inglés al español).

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Establece instrucciones del sistema del notebook

Nivel de pensamiento

• Navega a la sección Nivel de pensamiento. Ejecuta las celdas para observar cómo el ajuste del parámetro thinking_level cambia la profundidad del proceso de razonamiento del modelo.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Nivel de pensamiento del notebook

Configura el parámetro de temperatura

• En la sección Configura el parámetro de temperatura, ejecuta el código para ajustar la aleatoriedad de la generación de respuestas.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Configura el parámetro de temperatura del notebook

Genera transmisión de contenido

• Ejecuta la sección Genera transmisión de contenido para ver cómo el modelo entrega respuestas en fragmentos en lugar de esperar a la finalización completa.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Genera transmisión de contenido del notebook

Resúmenes de razonamiento

• Ejecuta las celdas de Resúmenes de razonamiento para inspeccionar los pasos de razonamiento intermedio del modelo antes de la respuesta final.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Resúmenes de razonamiento del notebook

Chat de varios turnos

• Completa la sección Chat de varios turnos para iniciar una sesión de chat que conserve el contexto de las instrucciones anteriores.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Chat de varios turnos del notebook

Filtros de seguridad

• Navega a la sección Filtros de seguridad y ejecuta las celdas para configurar los umbrales de bloqueo de incitación al odio o a la violencia, hostigamiento y otras categorías.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Filtros de seguridad del notebook

Envía solicitudes asíncronas

• Ejecuta la sección Envía solicitudes asíncronas para aprender a enviar solicitudes sin bloqueo con métodos asíncronos.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Envía solicitudes asíncronas del notebook

Multimodalidad

• En la sección Multimodalidad, ejecuta el código para analizar diferentes tipos de medios, incluidas imágenes y videos, junto con instrucciones de texto.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Multimodalidad del notebook

Resolución de contenido multimedia

• Completa la sección Resolución de contenido multimedia para comparar cómo los diferentes parámetros de configuración de resolución afectan el análisis de los detalles visuales del modelo.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Resolución de contenido multimedia del notebook

Resultados estructurados

• Ejecuta las celdas de Resultados estructurados para obligar al modelo a responder en formatos específicos, como JSON.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Resultados estructurados del notebook

Fundamentación con la Búsqueda de Google

• Ejecuta la sección Fundamentación con la Búsqueda de Google para fundamentar las respuestas del modelo en datos en tiempo real de la Búsqueda de Google.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Fundamentación con la Búsqueda de Google del notebook

Ejecución de código

• Navega a la sección Ejecución de código y ejecuta las celdas para permitir que el modelo escriba y ejecute código de Python para resolver problemas matemáticos.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Ejecución de código del notebook

Contexto de URL

• Completa la sección Contexto de URL para ver cómo el modelo puede procesar y resumir contenido directamente desde una URL proporcionada.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Contexto de URL del notebook

Llamada a funciones

• Ejecuta la sección Llamada a funciones para definir herramientas personalizadas que el modelo pueda invocar para recuperar información externa.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Llamada a funciones del notebook

Llamada a funciones de transmisión

• Ejecuta las celdas de Llamada a funciones de transmisión para controlar los resultados de las herramientas dentro de una respuesta de transmisión.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Llamada a funciones de transmisión del notebook

Respuestas de funciones multimodales

• Completa la sección Respuestas de funciones multimodales para ver cómo las funciones pueden devolver datos que no son de texto, como imágenes o gráficos.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Respuestas de funciones multimodales del notebook

Firmas de razonamiento

• Ejecuta la sección Firmas de razonamiento para verificar la autenticidad de la cadena de razonamiento del modelo.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Firmas de razonamiento del notebook

Cuenta y procesa tokens

• Por último, ejecuta las celdas de Cuenta y procesa tokens para analizar el costo y el tamaño de tus instrucciones y respuestas.

Haz clic en Revisar mi progreso para verificar el objetivo. Ejecutar la sección Cuenta y procesa tokens del notebook

¡Felicitaciones!

Ya completaste el lab. En este lab, trabajaste con los modelos y en un notebook de Jupyter con la API de Gemini y el SDK de IA generativa de Google para la IA generativa.

Próximos pasos y más información

Consulta los siguientes recursos para obtener más información sobre la IA generativa y Gemini Enterprise Agent Platform:

• Lee la descripción general de los modelos de Gemini de Google DeepMind para obtener información sobre las capacidades principales de los modelos.
• Explora la documentación oficial de Agent Platform para conocer los lineamientos de diseño, implementación y escalamiento.
• Revisa la descripción general de los agentes en Agent Platform para comprender cómo crear y administrar agentes personalizados.
• Mira las playlists sobre IA generativa en YouTube para ver videotutoriales y demostraciones de productos.
• Explora otros notebooks y ejemplos en el repositorio de IA generativa de Google Cloud.
• Explora el repositorio de muestras del Kit de desarrollo de agentes (ADK) de Google para obtener plantillas de agentes personalizadas.

Capacitación y certificación de Google Cloud

Recibe la formación que necesitas para aprovechar al máximo las tecnologías de Google Cloud. Nuestras clases incluyen habilidades técnicas y recomendaciones para ayudarte a avanzar rápidamente y a seguir aprendiendo. Para que puedas realizar nuestros cursos cuando más te convenga, ofrecemos distintos tipos de capacitación de nivel básico a avanzado: a pedido, presenciales y virtuales. Las certificaciones te ayudan a validar y demostrar tus habilidades y tu conocimiento técnico respecto a las tecnologías de Google Cloud.

Última actualización del manual: 18 de mayo de 2026

Prueba más reciente del lab: 16 de abril de 2026

Copyright 2026 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.