← voltar pro feed UP23LABS · ARTIGO
§

Gemini 3 Deep Think ganha foco em ciencia e API seletiva

/
Imagem destacada: Gemini 3 Deep Think ganha foco em ciencia e API seletiva

O Google anunciou em 11 de maio de 2026 uma atualizacao do Gemini 3 Deep Think, o modo de raciocinio especializado dentro da familia Gemini. A nova versao foi desenvolvida com pesquisadores cientificos e mira problemas que nao tem solucao unica conhecida. O modelo atinge nivel de medalha de ouro nas provas escritas das Olimpiadas Internacionais de Fisica e de Quimica de 2025.

O que e o modo Deep Think

Deep Think e uma variante de inferencia do Gemini 3 com mais tempo de processamento por pergunta. Em vez de responder na primeira passagem do modelo, o sistema gasta mais ciclos avaliando caminhos de raciocinio em paralelo, descartando opcoes fracas e refinando a resposta antes de devolver ao usuario. E uma tecnica de “compute extra na inferencia” que ja virou padrao nas IAs voltadas a problemas complexos.

Na pratica, o modo cobra mais (em tempo e em uso de tokens) por consulta, mas em troca consegue lidar com perguntas em que o usuario nao sabe a resposta de antemao. Tipico de pesquisa cientifica, design de experimentos e analise de problemas abertos.

O que muda nessa atualizacao

A atualizacao reposiciona o foco do Deep Think. Antes, os ganhos visiveis estavam em matematica e programacao competitiva, dois dominios com respostas verificaveis. Agora o Google diz que estendeu a capacidade para dominios em que nao existe gabarito limpo nem dataset perfeito de treinamento.

O marco simbolico do anuncio sao as olimpiadas. Nas provas escritas das edicoes 2025 de Fisica (IPhO) e Quimica (IChO), o modelo atingiu pontuacao compativel com medalha de ouro. Sao provas que exigem encadeamento longo de passos, escolha de modelos teoricos adequados e calculos sem espaco para erro. Atingir o topo das duas e diferente de resolver uma questao isolada.

Disponibilidade restrita

A distribuicao da atualizacao acontece em duas frentes. No app Gemini, os recursos vao para quem ja paga o plano Google AI Ultra, o tier superior do produto consumer. Na Gemini API, e a primeira vez que o Deep Think fica aberto, mas com acesso seletivo: pesquisadores, engenheiros e empresas escolhidos pelo Google. Nao e API publica aberta a qualquer cliente.

A escolha de manter a API restrita sugere cautela. Modelos de raciocinio com tempo de inferencia longo costumam ter custo computacional elevado, e o Google parece querer entender padroes de uso reais antes de abrir o canal.

Exemplos praticos demonstrados

O Google divulgou alguns casos de uso para ilustrar o salto. Um e a geracao de arquivos 3D imprimiveis a partir de esbocos: o usuario manda um desenho a mao livre e o sistema produz a malha pronta para impressao. Outro envolve modelagem de sistemas fisicos atraves de codigo gerado para simulacao. Nao sao casos de chatbot tradicional, sao tarefas em que o modelo precisa combinar interpretacao visual, raciocinio fisico e geracao de artefatos executaveis.

Onde isso entra no jogo competitivo

O movimento se encaixa numa disputa em curso entre Google, OpenAI e Anthropic em raciocinio profundo. OpenAI tem a linha de modelos de raciocinio dedicado. Anthropic se posicionou em raciocinio matematico e em coding agentico com Claude Opus. O Google agora puxa o assunto para ciencias naturais, area onde a quantidade de dados de treinamento limpos e menor mas o valor pratico para industria e pesquisa e alto.

Para desenvolvedores no Brasil, o impacto imediato e limitado, ja que a API ainda nao e aberta. O ponto a observar e quando (e em que termos comerciais) o Deep Think sai do acesso restrito e entra na API geral. Quem trabalha com modelagem fisica, quimica computacional ou engenharia de sistemas com codigo simulado deve acompanhar.

O que esperar a seguir

Duas perguntas em aberto. Primeiro, qual o custo por consulta quando o Deep Think estiver na API geral — e provavel que fique varias vezes mais caro que uma chamada Gemini 3 padrao. Segundo, se o Google vai publicar avaliacoes mais detalhadas com baselines comparaveis ao OpenAI o1 e ao Claude Opus em benchmarks cientificos. Ate la, os resultados de olimpiada funcionam como sinal mas nao como teste reproduzivel.

Reportado originalmente por Google em 2026-05-11.

§ FONTE / SOURCE /

Fonte no corpo do artigo

Esse post foi reescrito a partir da fonte original. Leia o artigo completo no link acima.

Descubra mais sobre up23labs

Assine agora mesmo para continuar lendo e ter acesso ao arquivo completo.

Continue reading