Google lança Gemini 3.6 Flash, 3.5 Flash-Lite e 3.5 Flash Cyber para agentes de IA em escala
O Google DeepMind apresentou três novos modelos da família Gemini focados em eficiência, velocidade e segurança para fluxos de trabalho agênticos em produção. O Gemini 3.6 Flash reduz o consumo de tokens em até 17% em relação ao 3.5 Flash e melhora o desempenho em codificação, tarefas multimodais e uso de computador, enquanto o 3.5 Flash-Lite atinge 350 tokens de saída por segundo ao menor custo da série. Para equipas de marketing e agências que integram IA generativa nos seus fluxos de trabalho, estas novidades representam uma redução significativa de custos e uma maior capacidade de automação.
Pontos-chave
- O Gemini 3.6 Flash consome 17% menos tokens de saída do que o 3.5 Flash segundo o Artificial Analysis Index, com reduções de até 65% observadas em benchmarks especializados como o DeepSWE da Datacurve, a um custo de 1,50 dólares por milhão de tokens de entrada e 7,50 dólares por milhão de tokens de saída.
- O 3.5 Flash-Lite é o modelo mais rápido da série 3.5, alcançando 350 tokens de saída por segundo, com preço de 0,30 dólares por milhão de tokens de entrada e 2,50 dólares por milhão de tokens de saída, sendo significativamente mais capaz do que as gerações anteriores de Flash-Lite.
- O Gemini 3.5 Flash Cyber foi desenvolvido especificamente para detetar e corrigir vulnerabilidades de segurança em código, estando disponível exclusivamente para governos e parceiros de confiança através do agente CodeMender num programa de acesso limitado.
- O 3.6 Flash apresenta ganhos de desempenho concretos em benchmarks de uso real, incluindo 49% no DeepSWE (contra 37% do 3.5 Flash), 83,0% no OSWorld-Verified (contra 78,4%) e 63,9% no MLE Bench (contra 49,7%).
- O 3.5 Flash-Lite supera o 3 Flash em várias avaliações agênticas e de codificação, nomeadamente no SWE-Bench Pro (54,2% contra 49,6%) e no OSWorld-Verified (74,0% contra 65,1%), tornando-o uma alternativa mais rápida e capaz para muitos casos de uso.
- O Google confirmou que o Gemini 3.5 Pro está em fase de testes com parceiros e que os trabalhos de pré-treino do Gemini 4 já foram iniciados, descrito como o projeto de pré-treino mais ambicioso da empresa até à data.
Análise
A introdução do Gemini 3.6 Flash representa uma evolução relevante na relação qualidade-custo para aplicações agênticas em produção. Ao reduzir o número de passos de raciocínio e de chamadas a ferramentas necessárias para completar fluxos de trabalho complexos, o modelo permite que empresas e agências automatizem tarefas que antes exigiam supervisão humana constante ou custos de infraestrutura elevados. A combinação de menor verbosidade com melhor desempenho nos benchmarks indica que o modelo aprende a ser mais direto e preciso, uma característica crítica para aplicações de processamento documental e análise de dados.
Para agências de marketing e responsáveis de conteúdo, o avanço nas capacidades multimodais do 3.6 Flash é particularmente significativo. Clientes como Hebbia e Harvey reportaram melhorias notáveis em tarefas como análise de gráficos, leitura de documentos complexos e elaboração de relatórios, o que abre caminho para automatizar partes do trabalho editorial e analítico com maior fiabilidade. O facto de o uso de computador estar agora integrado como ferramenta nativa na API Gemini e na plataforma Gemini Enterprise simplifica ainda mais a construção de agentes capazes de interagir com interfaces digitais de forma autónoma.
O 3.5 Flash-Lite posiciona-se como a escolha ideal para fluxos de trabalho de alto volume e baixa latência, como pesquisa agêntica, processamento em massa de documentos ou tradução multimodal de recibos e faturas. A possibilidade de configurar diferentes níveis de raciocínio (do mínimo ao mais profundo) permite que os programadores ajustem o modelo às necessidades específicas de cada tarefa, equilibrando custo, velocidade e qualidade. Esta flexibilidade é especialmente valiosa para campanhas de conteúdo em grande escala ou para sistemas de recomendação que precisam de responder em tempo real.
A abordagem do Gemini 3.5 Flash Cyber ilustra como a Google está a desenvolver modelos especializados para domínios de alto risco, adotando uma estratégia de acesso controlado para mitigar potenciais utilizações indevidas. A integração com o agente CodeMender, que coordena múltiplos agentes Flash Cyber para produzir relatórios consolidados, demonstra que o futuro da segurança cibernética assistida por IA passa pela orquestração de sistemas multi-agente, e não apenas por modelos isolados. Este padrão de especialização setorial pode inspirar abordagens semelhantes em marketing e SEO, onde agentes especializados em análise de intenção de pesquisa, geração de metadados ou auditoria técnica poderiam trabalhar em conjunto.
O anúncio simultâneo do início do pré-treino do Gemini 4 e da iminente disponibilização geral do Gemini 3.5 Pro sinaliza que o ritmo de inovação da Google vai acelerar ainda mais nos próximos meses. Para as equipas que já dependem de modelos Gemini nos seus fluxos de trabalho, é importante planear uma estratégia de atualização contínua, garantindo que as integrações existentes são compatíveis com os novos modelos e que as equipas técnicas estão preparadas para aproveitar as melhorias de desempenho e eficiência assim que forem disponibilizadas.
O que fazer
- Testar o Gemini 3.6 Flash nos fluxos de trabalho de processamento documental e análise de relatórios existentes, comparando o número de tokens consumidos e a qualidade dos resultados com o 3.5 Flash, de modo a quantificar a redução de custos antes de migrar a produção.
- Adotar o 3.5 Flash-Lite para tarefas de alto volume e baixa latência, como geração em massa de descrições de produtos, extração de dados de e-commerce ou tradução de documentos, tirando partido dos níveis de raciocínio configuráveis para encontrar o equilíbrio ideal entre velocidade e qualidade.
- Reavaliar os pipelines de criação de conteúdo que utilizam agentes de IA, integrando a funcionalidade de uso de computador agora nativa na API Gemini, o que permite automatizar tarefas que antes requeriam integrações externas complexas ou supervisão manual.
- Monitorizar de perto a disponibilização geral do Gemini 3.5 Pro e planear testes de avaliação antecipados, de forma a identificar os casos de uso em que este modelo mais completo pode oferecer vantagens competitivas em termos de qualidade de raciocínio e precisão.
- Documentar internamente as métricas de desempenho atuais dos modelos Gemini em uso (tokens consumidos, latência, custo por tarefa) para servir de base de comparação objetiva aquando da migração para os novos modelos, facilitando a justificação do investimento junto das direções.
- Acompanhar os desenvolvimentos em torno do Gemini 4 e estabelecer um processo de vigilância tecnológica regular sobre os lançamentos do Google DeepMind, de modo a antecipar mudanças de arquitetura que possam influenciar as ferramentas de SEO e geração de conteúdo baseadas nestes modelos.
A maior eficiência de tokens dos novos modelos Gemini pode impactar diretamente ferramentas de geração de conteúdo e de otimização SEO baseadas em IA, reduzindo os custos operacionais e permitindo processar maiores volumes de documentos, análises e relatórios de forma automatizada. Agências que utilizam agentes de IA para pesquisa de palavras-chave, análise de concorrência ou produção editorial ganham acesso a modelos mais rápidos, mais precisos e mais baratos, o que favorece a escalabilidade das estratégias de visibilidade orgânica.