Una red neuronal para SQL: Google mejora Gemini 3.1 Pro
Google Research ha anunciado Gemini-SQL2, un sistema de conversión de texto a SQL basado en Gemini 3.1 Pro. En la categoría single-model del benchmark BIRD, el modelo logró un 80,04 % de execution accuracy, uno de los mejores resultados públicos para esta tarea. Los líderes anteriores se movían en un rango del 73 % al 77 %. Google aún no ha revelado detalles de la arquitectura ni la metodología de ajuste fino.
Procesado por IA desde MarkTechPost; editado por Hamidun News
Google Research ha presentado una actualización de Gemini-SQL2, una red neuronal que convierte consultas en texto a SQL. Está basada en Gemini 3.1 Pro y alcanzó un 80,04 % de execution accuracy en el benchmark BIRD.
¿Cómo funciona la red neuronal para SQL?
Gemini-SQL2 convierte preguntas en lenguaje natural en consultas SQL. En lugar de escribir código a mano, el usuario describe qué quiere obtener de la base de datos y el sistema genera automáticamente la consulta SQL necesaria.
- 1 nov 2026Prueba de 16 modelos en 7 buscadores: Exa obtuvo una media de 10,5 puntos de 14; SearXNG, en torno a 3
- 1 nov 2026StreamVibe, el agente de vídeo de Google, supera en un 10,7 % a otros modelos en momento y calidad de respuesta
- 1 nov 2026OpenAI reescribe las reglas de comportamiento de GPT: cinco valores y una cadena de prioridades
- 1 nov 2026Los bots de voz con LLM recurren al clasificador rápido Jev: decisiones en 200–500 ms
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.