LLM
Modelos de lenguaje expuestos por la misma API que nuestros modelos de imagen y vídeo: útiles como pegamento de pipeline, extracción de datos estructurados, o Q&A en tiempo de diseño sobre un output generado. Hoy: Gemini 2.5 Flash de Google como buque insignia multimodal, más Llama 3.2 Vision y Qwen3-VL vía Ollama para stacks open-source amigables para ejecutar en local.
Gemini 3.7 Flash is Google's workhorse multimodal LLM: send a prompt plus up to 11 images and get back copy, structured JSON, captions or analysis. Its sharpest edge over earlier Flash models is how closely it follows a brief — visual references, brand rules and dense documents — with a reasoning dial you set per call, from quick low-effort answers to careful multi-step work.