2 milhões de tokens: por que o Google teve que reconstruir o Gemini 3.5 Pro do zero

O fracasso que antecedeu o lançamento de hoje não foi anunciado. A Google silenciosamente engavetou a primeira versão do Gemini 3.5 Pro depois que avaliações internas revelaram deficiências críticas: desempenho ruim em raciocínio matemático, geração de SVG quebrada e qualidade de imagem inconsistente. O modelo que estava previsto para ser lançado no início deste ano não era bom o suficiente para ser disponibilizado, então não foi.

A reconstrução e o que ela desbloqueou

O que foi lançado hoje é um modelo completamente diferente. O Gemini 3.5 Pro reconstruído estreia com uma janela de contexto de 2 milhões de tokens, o dobro da capacidade do limite de 1 milhão do Gemini 2.5 Pro, o que significa que uma equipe jurídica pode colocar uma biblioteca inteira de contratos, um ano de arquivos financeiros e um arquivo de e-mail completo em uma única chamada de API antes de fazer sua primeira pergunta. Um documento de 200.000 palavras que exigiria ser dividido em três chamadas separadas agora cabe no contexto com espaço de sobra.

Essa janela vem com uma estrutura de preços projetada para consumo empresarial: US$ 15 por milhão de tokens de entrada, US$ 60 por milhão de tokens de saída. Gerar uma análise de 10.000 palavras a partir de um corpus de documentos de 500.000 palavras custa cerca de US$ 37 — dinheiro real, mas abaixo da taxa horária do analista júnior que substitui em tarefas de revisão de documentos.

O nível de raciocínio premium, chamado Deep Think, fica atrás de uma assinatura Ultra de US$ 250 por mês. Essa decisão de preço traça uma linha: os usuários da API padrão obtêm um modelo generalista capaz; a versão de raciocínio mais poderosa permanece isolada de desenvolvedores individuais que não pagarão o equivalente a uma taxa de licença de software apenas para acessá-la.

A concorrência que precisa superar

O DeepSeek V4-Pro foi lançado em junho a US$ 0,87 por milhão de tokens de saída, cerca de 69 vezes mais barato nessa métrica, com pontuações de benchmark que rivalizam com o Gemini 3.5 Pro em várias avaliações comparativas diretas. O Fable 5 e o GPT-5.6 Sol estão executando variantes de contexto estendido próprias, embora ambos permaneçam em pré-visualização limitada. A resposta da Google sobre preços é que 2 milhões de tokens permitem cargas de trabalho que nenhuma arquitetura concorrente pode manipular sem uma orquestração cara de múltiplas chamadas — a comparação de custos só é válida se a tarefa couber em uma janela mais curta.

Nenhuma avaliação independente do Gemini 3.5 Pro na escala de 2 milhões de tokens foi publicada ainda. Modelos de contexto longo perdem consistentemente a precisão da recuperação à medida que a profundidade do documento aumenta — um modo de falha conhecido em versões anteriores do Gemini. A Google passou um ano reconstruindo o modelo. Se esse ano corrigiu o problema em escala é a pergunta que toda equipe empresarial que está comprando a US$ 60 por milhão responderá primeiro.

Tags: inteligência artificial, Google, Gemini, DeepSeek, modelos de IA, Aprendizado de Máquina