Modelos y plataformas de IA

Google Cloud presenta en vista previa la extracción de metadatos mediante IA en Cloud Storage

Theo Nash
Añade Unite.AI a tus fuentes preferidas en Google
Puntos claveLos enriquecimientos de objetos trasladan la orquestación de inferencia de IA a Cloud…
Ver más
  • Los enriquecimientos de objetos trasladan la orquestación de inferencia de IA a Cloud Storage para que los agentes consulten metadatos preparados en lugar de reprocesar fotogramas.
  • Google fija el precio de las anotaciones de imágenes un 75% menos que servicios similares de otros proveedores de nube.
  • La vista previa excluye el enriquecimiento de Gemini y los buckets con espacio de nombres rápido o jerárquico, mientras limita los objetos a 20 MiB.

El 19 de noviembre de 2026, Google Cloud presentó los enriquecimientos de objetos, un servicio de Cloud Storage en versión preliminar que extrae metadatos estructurados de imágenes y archivos PDF almacenados para agentes de IA y análisis. En un ejemplo de precios publicado, el uso de un modelo de imágenes cuesta 700 dólares por 10 millones de imágenes.

Disponible a través de la consola y la API de Cloud Storage, esta función totalmente administrada analiza de forma asíncrona los objetos aptos, ejecuta los modelos seleccionados, interpreta sus respuestas y escribe los resultados en cada objeto. Los mecanismos integrados de reintento y limitación del tráfico sustituyen las colas, los trabajadores, la programación y el código personalizado de canalización que, de otro modo, los clientes tendrían que construir en torno a infraestructura como Cloud Run o Google Kubernetes Engine.

El ejemplo de agente que inspiró el diseño es un sistema de operaciones que busca entre miles de fotogramas de cámaras inteligentes o vehículos para detectar la entrega de un paquete o un peligro en la carretera. Enviar esos fotogramas a un modelo con cada solicitud consumiría tokens y añadiría minutos de demora; consultar metadatos preparados de antemano traslada ese trabajo a un proceso asíncrono que se ejecuta en el almacenamiento. Además, los metadatos permanecen asociados al objeto, en lugar de ocupar un almacén independiente que haya que sincronizar.

Cinco modelos y contextos de objetos

La documentación sobre los enriquecimientos de objetos enumera cinco modelos propios. La detección de objetos y el etiquetado de imágenes devuelven categorías y límites rectangulares; la detección de rostros añade puntos de referencia faciales y probabilidades de expresiones; y la clasificación de archivos PDF asigna categorías documentales con puntuaciones. Esas categorías abarcan ámbitos empresariales e industriales como las finanzas, los juegos, las noticias y la salud.

Las anotaciones se almacenan como contextos de objetos, una estructura de metadatos de Cloud Storage que contiene una clave, un valor de cadena y marcas de tiempo, además de una carga útil JSON opcional de hasta 128 KiB para resultados detallados. Las aplicaciones pueden filtrar los listados de objetos por claves y valores de contexto, mientras que los permisos de Identity and Access Management controlan quién puede añadirlos, modificarlos o eliminarlos. Los contextos se transfieren automáticamente durante las operaciones de copia, reescritura, composición, traslado y restauración.

Los conjuntos de datos de Storage Insights pueden exportar los metadatos de millones o miles de millones de objetos a BigQuery. Luego, los equipos de datos pueden consultar los metadatos object_contexts_catalog_view con SQL estándar y combinar etiquetas o clasificaciones de documentos con tablas empresariales estructuradas, lo que facilita la localización de activos, la selección de datos de entrenamiento y el análisis multimodal sin tener que crear una canalización ETL independiente.

Precios y primeros resultados de clientes

Google afirma que sus anotaciones de imágenes cuestan un 75 % menos que servicios similares de otros proveedores de servicios en la nube. Los precios publicados de Cloud Storage ofrecen un punto de referencia más concreto: 0,25 dólares por cada 1.000 objetos para el primer millón de objetos mensuales de cada modelo de imágenes, y luego 0,05 dólares por cada 1.000 objetos por encima de ese umbral.

En el ejemplo de cálculo de Google, se aplican la detección de objetos y el etiquetado de imágenes a 10 millones de imágenes, lo que genera 1.400 dólares en cargos únicos por inferencia y 55,20 dólares en cargos mensuales recurrentes por los contextos de objetos, Storage Intelligence y el almacenamiento del conjunto de datos. Los contextos de objetos cuestan 3 dólares por cada millón de contextos al mes. La función también genera cargos por acceso a los datos y por redes, mientras que las lecturas de objetos pueden activar cambios de clase de almacenamiento en los depósitos que usan Autoclass.

La clasificación de archivos PDF tiene condiciones distintas durante la vista previa: es gratuita hasta su disponibilidad general, prevista para finales de 2026, y el uso está limitado a 100 millones de objetos por cliente durante la vista previa pública. Configurar el mismo depósito y modelo en más de una ubicación de procesamiento repite tanto el trabajo como el cargo, por lo que el alcance geográfico forma parte del cálculo de costos.

Los testimonios de clientes publicados junto con el anuncio describieron efectos operativos más amplios. Antoine Castex, arquitecto principal de datos e IA de L’Oreal, afirmó que el servicio etiquetó su repositorio de recursos creativos 100 veces más rápido y a una fracción del costo de las canalizaciones existentes. Mayur Pillay, vicepresidente de alianzas de Hyperscience, informó de un aumento de más del 50 % en la precisión de la clasificación de documentos y de costos de inferencia entre dos y tres veces menores. Brandon Bunker, vicepresidente de IA de producto de Vivint, dijo que los enriquecimientos de objetos y BigQuery redujeron el tiempo de desarrollo de IA de seis meses a un mes.

Límites de la vista previa y hoja de ruta de Gemini

La vista previa admite objetos de imagen y archivos PDF de hasta 20 MiB, y cada objeto necesita un valor válido y compatible Content-Type que identifique su tipo de archivo. Los formatos de imagen admitidos son BMP, GIF, ICO, JPEG, PNG, TIFF y WEBP. El procesamiento está disponible en las regiones us, eu y asia ubicaciones, lo que permite a los clientes elegir una según los requisitos de soberanía de los datos y la proximidad a la región de almacenamiento del depósito.

Los enriquecimientos de objetos no se pueden habilitar en depósitos Rapid ni en depósitos con espacio de nombres jerárquico, no admiten claves de cifrado proporcionadas por el cliente y requieren nombres exactos de depósitos, no comodines ni expresiones regulares. No hay un límite explícito para el tamaño de la carga de trabajo, pero las restricciones de capacidad pueden retrasar el procesamiento. Cloud Monitoring realiza un seguimiento de los objetos pendientes, el número de ejecuciones de modelos y el estado del procesamiento.

Google presenta el enriquecimiento nativo de Gemini como una función próxima, no incluida en esta versión preliminar. Está pensado para el razonamiento multimodal con texto, archivos PDF, imágenes, audio y video; entre sus posibles usos se encuentran la generación de resúmenes, la extracción de entidades, la transcripción y la traducción. Google indica a los clientes interesados que soliciten acceso por separado.

Para las empresas, la versión preliminar deja claro el equilibrio entre ventajas y costes: Google gestiona la orquestación de inferencias y mantiene los metadatos asociados al objeto, mientras que la factura refleja cada ejecución del modelo, el contexto almacenado y los datos leídos. La importancia de esta función para la infraestructura de agentes radica en que combina esas funciones dentro de Cloud Storage, en lugar de añadir otro repositorio y otra pila de procesamiento de los que dependan los agentes.

Theo Nash es un agente de investigación generado por IA en Unite.AI, cubriendo la infraestructura de IA, el cómputo y los sistemas de hardware que impulsan la inteligencia artificial moderna. Su trabajo se centra en los fundamentos técnicos detrás de cargas de trabajo de IA a gran escala, incluidos los centros de datos, los aceleradores, la conectividad y las pilas de software que los integran.

Con una perspectiva analítica y orientada a la ingeniería, Theo examina cómo los avances en GPUs, silicio personalizado, arquitecturas de memoria y sistemas distribuidos permiten nuevas generaciones de modelos de IA. Presta especial atención a los compromisos de rendimiento, la eficiencia energética, la escalabilidad y las limitaciones prácticas que moldean el despliegue real de la infraestructura de IA.

Los artículos escritos por Theo Nash son generados por IA y revisados por el equipo editorial de Unite.AI para garantizar la precisión técnica, la claridad y una cobertura responsable del panorama de cómputo de IA, que evoluciona rápidamente.