Google dos EUA lança Gemini 3.7 Flash, API com 50% de desconto

De acordo com pt.wedoany.com-O Google lançou seu novo modelo principal, o Gemini 3.7 Flash, com foco em programação, fluxos de trabalho de agentes e trabalho do conhecimento, e reduziu temporariamente os preços da API pela metade. Apenas três semanas após o lançamento do Gemini 3.6 Flash, esse ciclo de produto excepcionalmente curto foi atribuído pelo Google ao feedback dos desenvolvedores e a melhorias algorítmicas. Para desenvolvedores empresariais, o que mais chama atenção é a combinação de maior capacidade inteligente e menor custo de raciocínio: até 31 de dezembro de 2026, o preço do Gemini 3.7 Flash é de US$ 0,75 por milhão de tokens de entrada e US$ 3,75 por milhão de tokens de saída.

A partir de 1º de janeiro de 2027, os preços aumentarão para US$ 1,50 por milhão de tokens de entrada e US$ 7,50 por milhão de tokens de saída; o custo do cache de contexto também subirá de US$ 0,075 por milhão de tokens no período de lançamento para US$ 0,15. Isso significa que o desconto é apenas temporário, mas dá às equipes que implantam agentes de programação e negócios em larga escala alguns meses para avaliar se a chamada "redução de repetições e supervisão manual" do Google pode se traduzir em custos operacionais totais mais baixos.

O Google chama o Gemini 3.7 Flash de "o modelo principal mais inteligente até hoje para programação e agentes", destacando que o modelo é mais hábil em se adaptar quando encontra obstáculos, esclarece intenções quando necessário e segue instruções com maior fidelidade. Em cenários de agentes de programação empresarial, um modelo que reduz alterações desnecessárias, se recupera de erros e executa planos de várias etapas com mais confiabilidade pode diminuir diretamente a frequência de intervenção manual; agentes de negócios que operam em documentos e aplicativos também se beneficiam disso. Em comparação com o design do Gemini 3.6 Flash, que reduzia etapas de raciocínio, turnos de conversa e chamadas de ferramentas, o 3.7 Flash investe mais esforço em planejamento de várias etapas e chamadas de ferramentas, visando uma execução mais rigorosa e menos repetições. O Google DeepMind afirma que o modelo melhorou em depuração e resolução de problemas, pode gerar layouts de páginas da web e aplicativos mais úteis com menos prompts, e aumentar o raciocínio e a precisão em fluxos de trabalho empresariais reais.

Os benchmarks de programação mostram melhorias significativas. No FrontierCode 1.1 Main, que mede a qualidade do código em produção, o Gemini 3.7 Flash obteve 43,6%, acima dos 34,4% do Gemini 3.6 Flash e ligeiramente superior aos 42,7% do Claude Sonnet 5 e 41,3% do GPT-5.6 Terra relatados pelo Google. Na avaliação de engenharia de software de longo prazo DeepSWE v1.1, o 3.7 Flash alcançou 65,3%, enquanto a geração anterior obteve 49,0%, e o GPT-5.6 Terra lidera com 69,6%. No desenvolvimento web, o Gemini 3.7 Flash obteve pontuação Elo de 1588 no Code Arena, acima dos 1538 do 3.6 Flash, 1541 do Claude Sonnet 5 e 1523 do GPT-5.6 Terra; o Google afirma que o novo modelo pode gerar layouts mais úteis e aplicativos com funcionalidade completa com menos prompts, seguindo mais de perto capturas de tela de referência, imagens e sistemas de design.

Os resultados de benchmarks mais amplos apresentam um quadro complexo, o que tem valor prático de referência para empresas selecionarem modelos com base em cargas de trabalho específicas. O Gemini 3.7 Flash obteve 85,8% no Terminal-bench 2.1, abaixo dos 87,4% do GPT-5.6 Terra; o Terra também mantém liderança no Terminal-bench 3.0 e OSWorld-2.0. O Claude Sonnet 5 lidera no exame multimodal de desktop e tarefas de sistema operacional do Agent's Last Exam com taxa de aprovação de 33,3%, enquanto o Gemini 3.7 Flash obteve 26,3%. Em outras palavras, os próprios dados do Google não mostram que o 3.7 Flash substitui completamente concorrentes mais caros, mas sim que o modelo é mais competitivo em cargas de trabalho de programação e agentes, com uma faixa de preço mais baixa.

O desempenho em fluxos de trabalho empresariais é uma dimensão de teste mais prática. No AutomationBench, que mede a automação de fluxos de trabalho empresariais, o Gemini 3.7 Flash obteve 30,4%, significativamente acima dos 17,0% do 3.6 Flash; na tabela do Google, o Claude Sonnet 5 obteve 10,7% e o GPT-5.6 Terra 23,6%. No GDP.PDF, que avalia a compreensão de PDFs complexos, o modelo alcançou 34,0%, acima dos 22,0% do 3.6 Flash, 28,0% do Claude Sonnet 5 e 24,7% do GPT-5.6 Terra. Essa combinação de capacidades é de grande importância para agentes empresariais, pois implantações reais geralmente envolvem uma cadeia completa de interpretação de relatórios longos, identificação de informações relevantes, chamada de ferramentas, atualização de sistemas e geração de documentos para revisão humana, e a confiabilidade da cadeia é mais crítica do que pontuações isoladas de benchmarks de raciocínio.

O Google está implementando essa abordagem por meio do Gemini Spark. Assinantes do Google AI Pro e Ultra podem usar o 3.7 Flash no assistente pessoal de IA Spark, melhorando o trabalho do conhecimento e o uso de ferramentas nos aplicativos do Google Workspace, incluindo fluxos de trabalho como integração de arquivos, redação de e-mails e atualização de documentos de status. Usuários empresariais também podem obter o modelo por meio do Gemini Enterprise Agent Platform e do Gemini Enterprise.

O preço de lançamento é visto como uma tentativa significativa de integração em fluxos de trabalho empresariais. Como comparação, o preço padrão da API do Gemini 3.6 Flash é de US$ 1,50 por milhão de tokens de entrada e US$ 7,50 por milhão de tokens de saída; o Claude Sonnet 5 custa US$ 2 e US$ 10, respectivamente, e o GPT-5.6 Terra US$ 2 e US$ 12. Para agentes autônomos, uma única solicitação de usuário pode desencadear uma longa sequência de chamadas de modelo, tokens de raciocínio e interações com ferramentas; um modelo com menor custo por token, mas com aumento significativo no número de repetições, não é necessariamente mais barato. O Google combina o preço mais baixo de tokens no lançamento com a chamada melhoria na precisão de primeira passagem; se essas vantagens se mantiverem em produção, podem alterar substancialmente os custos operacionais de agentes de programação ou processamento de documentos em larga escala. A métrica que as equipes empresariais devem, em última análise, acompanhar não é o preço isolado por milhão de tokens, mas o custo por tarefa concluída com sucesso.

O lançamento do Gemini 3.7 Flash ocorre em meio a discussões externas sobre se o Google está perdendo vantagem na fronteira da IA. O Google ainda não lançou o Gemini 3.5 Pro — modelo que em maio foi descrito como sendo lançado no mês seguinte, e em julho foi alterado para ainda estar em testes com parceiros; o anúncio de quinta-feira não forneceu um cronograma adicional, portanto, o modelo Pro geral mais recente do Google continua sendo o Gemini 3.1 Pro, lançado em fevereiro. O modelo havia sido noticiado anteriormente como tendo perdido o cronograma planejado por não atingir metas internas, especialmente em programação, e o Google já começou a treinar o que chama de Gemini 4, seu modelo "mais ambicioso".

Essa série de atrasos coincide com o anúncio do Google de uma grande reestruturação na liderança de IA. Demis Hassabis, cofundador do Google DeepMind e ganhador do Prêmio Nobel, assumiu a presidência da divisão e o cargo de cientista-chefe da Alphabet, deixando a gestão diária; o ex-CTO do DeepMind, Koray Kavukcuoglu, opera a divisão como vice-presidente sênior, reportando-se diretamente ao CEO Sundar Pichai. Kavukcuoglu é responsável pelo desenvolvimento do modelo Gemini, pesquisa de fronteira, aplicativos Gemini e equipes de desenvolvedores, consolidando toda a cadeia de produtos Gemini sob um executivo mais orientado a produtos. O cientista-chefe Jeff Dean, os colíderes do Gemini Oriol Vinyals, Quoc Le e Sanjay Ghemawat deixaram a empresa para fundar a startup de pesquisa Discovery Loop; anteriormente, o colíder do Gemini Noam Shazeer já havia migrado para a OpenAI, e o ganhador do Prêmio Nobel e cientista do AlphaFold, John Jumper, mudou-se para a Anthropic. A Reuters noticiou anteriormente que a desaceleração dos lançamentos e as deficiências em programação foram atribuídas a divergências internas, alocação limitada de recursos computacionais e à burocracia do Google.

As interpretações externas são variadas. A SemiAnalysis acredita que o Google está priorizando cada vez mais o fornecimento de infraestrutura de nuvem para empresas de IA (incluindo concorrentes do Gemini), um negócio de alta margem, em vez de manter seus próprios modelos na fronteira; a análise também afirma que o Google efetivamente cancelou o 3.5 Pro, mas o Google não confirmou isso e continua dizendo que o modelo está adiado. O The Verge ofereceu um julgamento mais cauteloso: as saídas e os atrasos de modelos são realmente graves, mas o Google ainda mantém enormes vantagens por meio de busca, Workspace, Android, computação em nuvem, chips de IA personalizados e distribuição ao consumidor; o aplicativo Gemini tem mais de 950 milhões de usuários ativos mensais, e seu alcance não depende inteiramente do modelo mais bem classificado. O Índice Geral de Inteligência de Modelos da Artificial Analysis classifica o Claude Opus 5 com 63 pontos, enquanto o Google relata que o Gemini 3.7 Flash obteve 56 pontos, uma melhoria em relação aos 52 pontos do 3.6 Flash. Os primeiros resultados de preferência humana do Arena mostram o 3.7 Flash temporariamente na 9ª posição, com desenvolvimento web na 8ª.

Desenvolvedores podem acessar o Gemini 3.7 Flash por meio do Google AI Studio, da API Gemini no Android Studio e do ambiente Antigravity do Google; empresas podem implantá-lo por meio do Gemini Enterprise Agent Platform e do Gemini Enterprise, e assinantes do Google AI Pro ou Ultra podem usá-lo via Spark em países suportados. O Google também atualizou as salvaguardas, abrangendo riscos químicos, biológicos, radiológicos e nucleares, bem como abuso por ataques cibernéticos.

A rápida transição do Gemini 3.6 Flash para o 3.7 Flash mostra que melhorias algorítmicas podem chegar a produtos em produção sem esperar por uma nova geração de modelos principais. Para desenvolvedores, esse ritmo também traz exigências operacionais: equipes de produção, antes de trocar de implantação, ainda precisam fazer benchmark da nova versão em seus próprios repositórios de código, prompts, arquiteturas de ferramentas e modos de falha. Os dados do próprio Google mostram que o modelo tem melhorias substanciais em programação de nível de produção, desenvolvimento web, compreensão de documentos e automação de fluxos de trabalho, mas não afirma liderança geral. Com o preço de lançamento, o Google está efetivamente apostando que os desenvolvedores valorizarão um modelo "suficientemente competitivo em relação a sistemas mais caros e barato o suficiente para ser executado repetidamente". Se essa vantagem se manterá após o restabelecimento do preço integral em janeiro de 2027 dependerá da confiabilidade do 3.7 Flash em tarefas reais, e não de posições em rankings.