Qué puede hacer la IA multimodal con imágenes, audio y vídeo, y dónde falla
Hecho Qué ha ocurrido
Una guía de WWWhat's new describe qué admiten OpenAI, Google y Anthropic en imágenes, audio y vídeo según su documentación de octubre de 2026. Gemini acepta hasta 9,5 horas de audio por petición y Claude solo interpreta imágenes, sin generarlas. Las propias empresas reconocen fallos en el recuento de objetos, la lectura de texto pequeño y la localización espacial.
Resumen generado mediante IA a partir de WWWhat's new. Naturaleza de la información: análisis u opinión.
Análisis Por qué importa
Muchos profesionales ya usan chatbots con fotos, documentos y grabaciones, y conviene saber en qué tareas no son fiables antes de automatizar procesos que dependan de cifras exactas o detalles visuales.
- Quién se ve afectado
- Profesionales y empresas que usan chatbots multimodales para documentos, tickets o reuniones.
- Qué puede cambiar
- Las tareas de leer, resumir y transcribir documentos o grabaciones pueden hacerse con un único asistente, pero las verificaciones de cifras y detalles deben seguir siendo humanas.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Si las nuevas versiones reducen los errores de recuento y localización que las documentaciones de 2026 todavía admiten.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: WWWhat's new. La referencia es siempre el artículo original.
Ver fuente original ↗LLMmultimodalvisión artificial OpenAIGoogleAnthropic ChatGPT Claude documentación técnica Gemini IA multimodal
Relacionadas
Alibaba lanza Qwen3.5-Omni, modelo multimodal que genera código desde instrucciones de voz y vídeo
Alibaba ha lanzado Qwen3.5-Omni, un modelo de IA omnimmodal que procesa texto, imágenes, audio y vídeo. El modelo supera a Gemini 3.1 Pro en tareas de audio y…
Por qué importaLa capacidad emergente de generación de código multimodal (audio-visual) sin entrenamiento específico sugiere que los modelos omnimmodales pueden…
Google DeepMind lanza Gemini Omni Flash, modelo multimodal para generar y editar vídeo con lenguaje natural
Google DeepMind presenta Gemini Omni, familia de modelos capaces de crear contenido a partir de cualquier entrada (imagen, audio, vídeo, texto) empezando por…
Por qué importaMarca un salto en la generación multimodal integrada con capacidad de razonamiento, permitiendo edición conversacional de vídeo de forma iterativa…
Google actualiza Pixel a Android 17 con generación de vídeos y música por IA
Google ha lanzado el Pixel Drop de junio, que actualiza los móviles Pixel compatibles a Android 17 e introduce varias funciones de inteligencia artificial…
Por qué importaRepresenta la integración masiva de capacidades generativas multimodales en dispositivos de consumo masivo, señalando cómo los fabricantes de…
Google Research presenta un marco multiagente para generar vídeo largo coherente con Gemini y Veo
Google Research ha publicado una investigación sobre un marco multiagente llamado 'AI video co-director', construido como capa de orquestación sobre Gemini y…
Por qué importaResuelve un problema técnico central en la generación de vídeo por IA —la coherencia narrativa a largo plazo— que hasta ahora limitaba su uso…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.