Gemini 2.0 Flash: multimodale nativo con output audio e immagini

Gemini 2.0 Flash non è solo un modello che capisce immagini e audio: è il primo modello di Google capace di produrre output in tutte le modalità in modo nativo. Puoi parlargli, mostrargli video in tempo reale e lui risponde con voce, testo e immagini generati autonomamente. La latenza di 50 millisecondi per token lo rende utilizzabile in conversazioni naturali in tempo reale. Integra anche strumenti come ricerca web e esecuzione di codice, rendendolo un vero agente multimodale.