A Google apresentou oficialmente o Gemini 3, que segundo Sundar Pichai e Demis Hassabis representa “o nosso modelo mais inteligente” e um passo significativo rumo à Inteligência Artificial Generativa (AGI).
O anúncio, feito a 18 de Novembro, marca dois anos desde o início da “era Gemini” e traz números impressionantes: 2 mil milhões de utilizadores mensais na Vista Geral de IA, 650 milhões na aplicação Gemini, e agora um novo modelo que promete “dar vida a qualquer ideia”.
A Google tem o hábito de fazer anúncios grandiosos em IA, e este não é excepção. Mas ao contrário de alguns lançamentos anteriores que ficaram mais no papel do que na prática, o Gemini 3 chega com disponibilidade imediata em vários produtos e números de benchmarks que efectivamente impressionam. Resta saber se na utilização real corresponde ao hype corporativo.
Gemini 3 Pro: benchmarks e capacidades multimodais
O Gemini 3 Pro lidera actualmente o LMArena com pontuação recorde de 1501 Elo, superando concorrentes directos. Nos testes académicos mais exigentes, alcança 37,5% no Humanity’s Last Exam (sem ferramentas externas) e 91,9% no GPQA Diamond – resultados que a Google classifica como “raciocínio ao nível de doutoramento”.
Em raciocínio multimodal, o modelo atinge 81% no MMMU-Pro e 87,6% no Video-MMMU, demonstrando capacidade de processar e compreender informação visual complexa. A pontuação de 72,1% no SimpleQA Verified indica melhorias significativas em precisão factual, área onde modelos anteriores frequentemente tropeçavam com alucinações. Na matemática, estabelece novo recorde de 23,4% no MathArena Apex.
Estes números todos parecem aleatórios até percebermos que são benchmarks extremamente difíceis onde até modelos de ponta lutam para passar dos 20%. O Gemini 3 não resolve matemática como humanos, mas a abordagem computacional parece finalmente estar a convergir para algo útil.
Google Gemini 3 Deep Think: quando pensar demora mais tempo
O modo Deep Think do Gemini 3 é a resposta da Google aos modelos de raciocínio como o o1 da OpenAI. Em vez de responder imediatamente, o modelo “pensa” durante mais tempo para problemas complexos, alcançando 41% no Humanity’s Last Exam e 93,8% no GPQA Diamond.
O resultado mais interessante é 45,1% no ARC-AGI com execução de código – um benchmark desenhado especificamente para testar raciocínio abstracto que não pode ser resolvido por mera memorização de padrões. É o tipo de teste onde modelos normalmente falham miseravelmente porque exige genuína compreensão de conceitos, não regurgitação de dados de treino.
Claro que “pensar” é uma palavra generosa para o que acontece internamente – o modelo está a executar mais iterações e a explorar mais caminhos de raciocínio. Mas se o resultado final é útil, a semântica é secundária.
Aprender, criar e planear: as três promessas do Gemini 3
A Google estrutura as capacidades do Gemini 3 em três pilares. No campo da aprendizagem, o modelo pode processar receitas manuscritas em diferentes idiomas, analisar vídeos de jogos desportivos para sugerir melhorias técnicas, ou transformar artigos académicos densos em cartões de memória interactivos com visualizações geradas por código.
Na criação, o Gemini 3 lidera o WebDev Arena com 1487 ELO e alcança 76,2% no SWE-bench Verified, benchmark que mede capacidade de agentes de programação resolverem issues reais de GitHub. A pontuação de 54,2% no Terminal-Bench 2.0 demonstra capacidade de operar sistemas através de terminal – algo que até agora era território exclusivamente humano.
No planeamento a longo prazo, o Gemini 3 Pro domina o Vending-Bench 2, simulação que testa gestão de negócio de máquinas de venda durante um ano completo. Consegue manter uso consistente de ferramentas e tomada de decisões coerente ao longo de cenários extensos – capacidade essencial para agentes autónomos que a maioria dos modelos simplesmente não tem.
Google Antigravity: a nova plataforma de programação agêntica
https://storage.googleapis.com/gweb-uniblog-publish-prod/original_videos/Gemini3_FamilyRecipes_nologo.mp4Talvez a novidade mais substancial seja o Google Antigravity, plataforma de programação orientada para agentes onde o Gemini 3 funciona como parceiro activo em vez de simples ferramenta. Os agentes têm acesso directo ao editor, terminal e navegador, podendo planear e executar tarefas complexas de forma autónoma enquanto validam o próprio código.
A demonstração mostra um agente a criar aplicação completa de rastreio de voos – planeia arquitectura, escreve código, testa funcionalidades e corrige erros sem intervenção humana constante. É impressionante, mas convém lembrar que demos controladas raramente reflectem o caos da programação real com requisitos vagos, código legado incompreensível e prazos impossíveis.
O Antigravity integra também o Gemini 2.5 para controlo de navegador e o modelo de edição de imagens Nano Banana. A Google está claramente a apostar em ecosistema integrado onde diferentes modelos especializados colaboram, em vez de um único modelo “faz-tudo”.
Integração no Modo IA da Pesquisa e produtos Google
O Gemini 3 é o primeiro modelo da família lançado directamente no Modo IA da Pesquisa no dia de lançamento. As novas experiências incluem esquemas visuais envolventes, ferramentas interactivas e simulações geradas em tempo real com base na pesquisa do utilizador.
Por exemplo, pesquisar sobre RNA polimerase não resulta apenas em texto explicativo, mas numa interface gerada dinamicamente com visualizações interactivas e simulações do processo biológico. É a visão da Google para pesquisa contextual que vai além de links azuis – embora levante questões sobre como isto afecta tráfego para sites originais que criaram o conteúdo.
Na aplicação Gemini, subscritores do Google AI Ultra já podem experimentar o Gemini Agent para tarefas como triagem automática da caixa de entrada do Gmail ou planeamento de itinerários de viagem. São capacidades úteis, mas que exigem confiança considerável em entregar acesso extenso aos dados pessoais a um agente autónomo.
Disponibilidade e acesso ao Gemini 3
O Gemini 3 está disponível a partir de hoje em múltiplas plataformas. Utilizadores gerais têm acesso através da aplicação Gemini, enquanto subscritores dos planos Google AI Pro e Ultra acedem também ao Modo IA na Pesquisa com capacidades expandidas. Para programadores, o modelo está acessível via API Gemini no AI Studio, na nova plataforma Google Antigravity e na CLI Gemini. Empresas podem aceder através do Vertex AI e Gemini Enterprise.
Está também integrado em plataformas de terceiros como Cursor, GitHub, JetBrains, Replit e outras. O Gemini 3 Deep Think terá disponibilização faseada, com período adicional de testes de segurança antes de chegar aos subscritores do Google AI Ultra nas próximas semanas. A Google promete modelos adicionais da série Gemini 3 “em breve” – formulação vaga que pode significar semanas ou meses.
Segurança e avaliações independentes
A Google afirma que o Gemini 3 passou pelo “conjunto mais abrangente de avaliações de segurança de qualquer modelo de IA da Google até à data”. O modelo demonstra “elogio exagerado reduzido” – tradução: já não concorda entusiasticamente com tudo o que o utilizador diz – e maior resistência a prompt injection.
Estabeleceram parcerias com o UK AISI e avaliadores independentes como Apollo, Vaultis e Dreadnode. São medidas necessárias considerando que modelos cada vez mais capazes representam riscos proporcionalmente maiores se mal utilizados. A questão da segurança em IA não é apenas técnica mas também filosófica: até que ponto queremos agentes autónomos a tomar decisões em nosso nome? A Google construiu as salvaguardas técnicas, mas as implicações sociais e éticas continuam em debate aberto.
Em suma
O Gemini 3 representa avanço genuíno em capacidades de IA, com números de benchmarks que efectivamente impressionam e disponibilidade imediata em produtos reais. Entre liderança no LMArena, raciocínio avançado no modo Deep Think e a nova plataforma Antigravity, a Google demonstra que a corrida da IA continua acelerada.
A questão central não é se o Gemini 3 é impressionante – claramente é – mas sim se resolve problemas reais ou apenas problemas de benchmark. Os testes académicos são importantes, mas a utilização prática em contextos reais é que determina se um modelo é revolucionário ou apenas incrementalmente melhor.
A Google tem o hábito de anunciar capacidades fantásticas que depois não se materializam completamente no mundo real, embora desta vez os indicadores sejam mais promissores.
Dois anos após o início da “era Gemini”, a Google finalmente parece ter um modelo que justifica pelo menos parte do hype. Agora falta ver se consegue manter o ritmo face à concorrência feroz da OpenAI, Anthropic e outros players que não vão ficar parados a ver.
