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

Após revelar o Gemini 3.5 Flash no Google I/O 2026 em maio e prometer uma versão Pro dentro de um mês, o Google discretamente perdeu seu próprio prazo. O Gemini 3.5 Pro foi retido porque não atingiu as metas internas, de acordo com a Bloomberg, particularmente em tarefas de codificação. Uma tentativa de corrigir o problema no final de junho, atualizando os dados de treinamento—os enormes conjuntos de dados a partir 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 "carregadores pesados": mais lentos, mais caros e construídos para raciocínio complexo, onde o poder bruto importa mais do que a velocidade.

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

O Gemini 3.6 Flash é o lançamento principal. Ele usa 17% menos tokens de saída—tokens sendo a unidade básica que a IA processa, aproximadamente três quartos de uma palavra—do 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, uma redução de US$ 9 no lado da saída para o 3.5 Flash. Para empresas que executam agentes em escala, essa diferença se acumula rapidamente.

Nos 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 prazo, como a construção e depuração de bases de código completas, contra 37% para o 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 completar 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 aspectos: o GPT-5.6 Luna pontua 67% no DeepSWE e 84,7% no Terminal-Bench 2.1, que testa a codificação terminal agêntica. O Claude Sonnet 5 lidera em trabalho de conhecimento no GDPval-AA v2—um benchmark pontuado em uma escala de classificação 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… no mínimo decepcionantes.
Nosso simples teste de codificação resultou em um arquivo inutilizável. O HTML não estava formatado corretamente, e os elementos não eram renderizados adequadamente. Tentativas subsequentes de "vibe code" para resolver os problemas não tiveram sucesso.

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

Os pequenos ajustes do Deepseek corrigiram o jogo, o que significa que o raciocínio central do Gemini estava correto, mas os detalhes e imprecisões tornaram o resultado inútil. Prepare-se para longas sessões de codificação "vibe" com um modelo barato, mas 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 destinado a pipelines de alto rendimento—pense em processamento de documentos em escala massiva ou sistemas de busca agêntica—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 poderia ser um ótimo compressor de sessão (analisando sessões longas e extraindo os elementos chave para que seu agente não colapse com ruído) para aqueles que dependem de Hermes e Openclaw.

O terceiro modelo, Gemini 3.5 Flash Cyber, não estará publicamente disponível. O Google está restringindo-o a governos e parceiros verificados 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 "nossa execução de pré-treinamento mais ambiciosa até agora, para o Gemini 4", e a equipe já está entusiasmada com isso.

O pré-treinamento é a fase fundamental onde um modelo aprende de grandes conjuntos de dados antes que o ajuste fino específico da tarefa comece—o que significa que o Gemini 4 está sendo construído, não apenas planejado.

Ambos os modelos 3.6 Flash e 3.5 Flash-Lite estão ativos hoje no aplicativo Gemini, Google AI Studio e via API. O Gemini 3.5 Pro será lançado, de acordo com o Google, "assim que estiver pronto", seja lá quando for.