O Google lançou o Gemini 3.6 Flash e o 3.5 Flash-Lite como novos cavalos de batalha projetados para reduzir a latência e os custos de token para agentes corporativos de IA.
A economia da execução de agentes de software autônomos dentro de um ambiente de produção se resume a uma equação fixa que poucos fornecedores anunciam diretamente. Um modelo precisa raciocinar com competência através de uma tarefa de várias etapas, mas cada token extra que ele gera ao fazer isso adiciona custo e atraso a um fluxo de trabalho que pode ser executado milhares de vezes por hora.
As equipes que criam agentes em segundo plano em vez de interfaces de chat precisam primeiro da taxa de transferência e depois da contagem de parâmetros. A resposta do Google, anunciada esta semana, divide essa compensação em três modelos: Gemini 3.6 Flash para codificação e raciocínio multimodal, Gemini 3.5 Flash-Lite para trabalho de alto volume e baixa latência e uma variante restrita Gemini 3.5 Flash Cyber construída para correção de vulnerabilidades.
A matemática por trás do Gemini 3.6 Flash
A documentação do desenvolvedor do Google para o Flash 3.6 centra-se em um número: 17% menos tokens de saída do que a versão anterior do Flash 3.5, com base em medições do Índice de Análise Artificial.
Em testes sintéticos específicos, incluindo o benchmark Datacurve DeepSWE, o Google relata quedas no uso de tokens de até 65%. O preço é de US$ 1,50/1 milhão de tokens de entrada e US$ 7,50/1 milhão de tokens de saída, posicionando o modelo para loops de raciocínio que são executados continuamente, em vez de sob demanda.
No DeepSWE, a empresa registra uma taxa de sucesso de 49% para o Flash 3,6 contra 37% para seu antecessor. No MLE Bench, a pontuação passa de 49,7 por cento para 63,9 por cento, e no teste GDPval-AA v2 do Google – que tenta medir o trabalho de conhecimento do mundo real em vez de quebra-cabeças de codificação – 3,6 Flash pontua 1.421 contra 1.349 para o modelo mais antigo.
Figma, Hebbia e Harvey colocam o modelo para funcionar
Figma integrou 3.6 Flash em sua infraestrutura de prototipagem e, de acordo com Matt Colyer, Diretor de Engenharia de Produto da empresa, o modelo oferece aos desenvolvedores um caminho mais rápido através de iterações de design sem queda na qualidade da saída.
A plataforma de tecnologia jurídica Harvey e a ferramenta de pesquisa Hebbia encaminham dados através do modelo para trabalho de documentos multimodais: ingestão de registros financeiros brutos, análise da estrutura do documento, leitura de gráficos incorporados e produção de relatórios preliminares para revisão.
O Google também incorporou uma ferramenta de uso de computador do lado do cliente diretamente nas plataformas Gemini API e Gemini Enterprise, removendo os engenheiros de software intermediários personalizados anteriormente criados para permitir que os modelos operassem em cima de um sistema operacional.
A empresa relata uma pontuação OSWorld-Verified de 83,0 por cento, acima dos 78,4 por cento, e afirma que as salvaguardas atualizadas contra o uso indevido de produtos químicos, biológicos, radiológicos e nucleares melhoram a resistência ao jailbreak sem aumentar as taxas de recusa para solicitações benignas.
Um nível mais barato para agentes em segundo plano de alto volume
O Gemini 3.5 Flash-Lite tem como objetivo uma tarefa diferente: processamento de documentos e pesquisa de agentes executados em volume, em vez de profundidade de raciocínio. O Índice de Análise Artificial mediu o modelo em 350 tokens de saída por segundo, o mais rápido da série 3,5, de acordo com o Google.
O preço é de US$ 0,3/1 milhão de tokens de entrada e US$ 2,5/1 milhão de tokens de saída, baratos o suficiente para que as equipes de engenharia possam encaminhar solicitações simples e de alto volume de subagentes para um nível de pensamento mínimo e reservar níveis de pensamento mais elevados para trabalho em várias etapas.
No teste de contexto longo GDM-MRCR v2 do Google, o Gemini 3.5 Flash-Lite registrou uma taxa de sucesso de 72,2% contra 60,1% de seu antecessor, e sua pontuação GDPval-AA v2 quase dobrou, de 642 para 1140. O modelo carrega a mesma ferramenta nativa de uso de computador que o 3.6 Flash.
Separadamente, o Google afirma que o Gemini 3.5 Pro permanece em testes de parceiros antes de um lançamento completo, e o pré-treinamento para a próxima arquitetura Gemini 4 já está em andamento.
Gemini 3.5 Flash Cyber: um modelo restrito para correção de código
Os scanners automatizados de vulnerabilidades agora revelam falhas mais rápido do que a maioria das equipes de segurança consegue corrigi-las, e é nessa lacuna que o Google posiciona o Gemini 3.5 Flash Cyber.
O modelo é construído para validar e remediar vulnerabilidades de código, e o Google relata desempenho no benchmark CyberGym competitivo com modelos de fronteira (embora não tenha tornado esses números públicos com os mesmos detalhes de seus lançamentos voltados para o consumidor).
A distribuição permanece restrita a governos e parceiros avaliados por meio de um programa piloto, uma limitação que o Google enquadra como uma salvaguarda contra o modelo que gera código de exploração para uso ofensivo.
Dentro do agente de segurança CodeMender do Google, várias instâncias do 3.5 Flash Cyber são executadas em paralelo, verificando as descobertas umas das outras antes de produzir um único relatório de correção que um revisor humano assina.
As equipes de engenharia que buscam integrar esses novos modelos podem acessá-los por meio da API Gemini via Google AI Studio, Android Studio ou Gemini Enterprise Agent Platform. Os consumidores também podem acessar os novos modelos no aplicativo Gemini e o 3.5 Flash-Lite também está sendo lançado na Pesquisa Google.
Veja também: Bristol Myers Squibb compra sistema Nvidia AI para descoberta de medicamentos
Quer saber mais sobre IA e big data dos líderes do setor? Confira a AI & Big Data Expo que acontece em Amsterdã, Califórnia e Londres. O evento abrangente faz parte da TechEx e está localizado junto com outros eventos de tecnologia líderes, incluindo o Cyber Security & Cloud Expo. Clique aqui para mais informações.
AI News é desenvolvido pela TechForge Media. Explore outros eventos e webinars de tecnologia empresarial futuros aqui.
Fontesartificialintelligence
