Google Lança Novos Modelos Gemini Flash, Mas Pro Ainda Está Ausente

O Google lançou três novos modelos de IA hoje: Gemini 3.6 Flash, 3.5 Flash-Lite e 3.5 Flash Cyber. Isso não era o que a maioria esperava.

Depois de revelar o Gemini 3.5 Flash no Google I/O 2026 em maio e prometer uma versão Pro dentro de um mês, o Google silenciosamente perdeu seu próprio prazo. O Gemini 3.5 Pro foi retido porque ficou aquém das metas internas, segundo a Bloomberg, particularmente em tarefas de codificação. Uma tentativa no final de junho de corrigi-lo atualizando os dados de treinamento—os conjuntos de dados massivos dos quais um modelo aprende—produziu resultados decepcionantes. As ações da Alphabet caíram aproximadamente 4,4% com o relatório, apagando cerca de US$ 200 bilhões em valor de mercado em uma única sessão.

O último modelo de nível Pro que o Google lançou foi o sucessor do Gemini 3, o Gemini 3.1 Pro, em fevereiro.

A série Flash é a linha de modelos otimizados para velocidade do Google—rápidos, econômicos e construídos para agentes de IA, que são programas que operam semi-autonomamente para lidar com tarefas como gerenciar documentos, processar pipelines de dados ou navegar na web sem que um humano clique em cada etapa. Os modelos Pro são os mais pesados: mais lentos, mais caros e construídos para raciocínio complexo onde poder bruto importa mais que velocidade.

O que cada modelo de IA faz—e para quem é

O Gemini 3.6 Flash é o principal lançamento. Ele usa 17% menos tokens de saída—tokens sendo a unidade básica que a IA processa, aproximadamente três quartos de uma palavra—que o 3.5 Flash, de acordo com o Artificial Analysis Index. Também é mais barato: US$ 1,50 por milhão de tokens de entrada e US$ 7,50 por milhão de tokens de saída, abaixo dos US$ 9 no lado da saída para o 3.5 Flash. Para empresas que executam agentes em escala, essa diferença se acumula rapidamente.

Em benchmarks—testes padronizados que pontuam a IA pela porcentagem de tarefas concluídas corretamente—o 3.6 Flash atingiu 49% no DeepSWE v1.1, que testa engenharia de software de longo horizonte, como construir e depurar codebases completos, contra 37% do 3.5 Flash. No MLE-Bench, um teste de engenharia de aprendizado de máquina, ele marcou 63,9% contra 49,7%. Ele liderou a tabela no OSWorld-Verified—um teste onde a IA assume o controle de uma tela de computador para concluir tarefas reais—com 83,0%, à frente do Claude Sonnet 5 (81,2%) e do GPT-5.6 Luna (72,6%).

Rivais na mesma categoria ainda lideram em outros lugares: GPT-5.6 Luna marca 67% no DeepSWE e 84,7% no Terminal-Bench 2.1, que testa codificação de terminal agêntica. Claude Sonnet 5 lidera em trabalho de conhecimento no GDPval-AA v2 — um benchmark avaliado em uma escala de rating Elo, como no xadrez, onde números mais altos significam melhor desempenho em tarefas do mundo real — com 1607 contra 1421 do 3.6 Flash.

Testamos o modelo para codificação e os resultados foram... decepcionantes, para dizer o mínimo.
Nosso teste simples de codificação resultou em um arquivo inutilizável. O HTML não foi formatado corretamente e os elementos não foram renderizados adequadamente. Tentativas subsequentes de "vibe coding" para resolver os problemas não foram bem-sucedidas.

Pedimos ao Deepseek para transformar o primeiro modelo em algo jogável simplesmente corrigindo os bugs. Ele identificou 11 bugs e implementou 8 correções principais, o que resultou em um jogo decente.

Os pequenos ajustes da Deepseek corrigiram o jogo, o que significa que o pensamento central do Gemini estava correto, mas os detalhes e imprecisões tornaram o resultado inútil. Prepare-se para longas sessões de vibe coding com um modelo barato, porém de baixo desempenho, se você pretende usar o modelo para isso.

O segundo modelo lançado pelo Google, Gemini 3.5 Flash-Lite, é construído puramente para volume: 350 tokens de saída por segundo a US$ 0,30/milhão de entrada e US$ 2,50/milhão de saída. Ele é voltado para pipelines de alta produtividade—pense em processamento de documentos em escala massiva ou sistemas de busca agênticos—e supera o antigo 3 Flash em tarefas-chave de codificação, incluindo Terminal-Bench 2.1 (54% vs. 31%), apesar de ser significativamente mais barato.

Também pode ser um ótimo compactador de sessão (analisando sessões longas e extraindo os elementos-chave para que seu agente não desmorone com ruído) para aqueles que dependem de Hermes e Openclaw.

O terceiro modelo, Gemini 3.5 Flash Cyber, não estará disponível publicamente. O Google está restringindo-o a governos e parceiros credenciados que precisam encontrar e corrigir vulnerabilidades de software—uma capacidade de uso duplo que a empresa não se sente confortável em liberar amplamente.

Enquanto isso, a equipe DeepMind do Google já está avançando. O Google confirmou no anúncio oficial que iniciou "nosso treinamento prévio mais ambicioso até agora, para o Gemini 4," e a equipe já está fazendo propaganda.

O pré-treinamento é a fase fundamental em que um modelo aprende com conjuntos de dados massivos antes do ajuste fino específico da tarefa começar—significando que o Gemini 4 está sendo construído, não planejado.

Tanto o 3.6 Flash quanto o 3.5 Flash-Lite estão disponíveis hoje no aplicativo Gemini, no Google AI Studio e via API. O Gemini 3.5 Pro será lançado, segundo o Google, "assim que estiver pronto", seja quando for.