Três semanas. Meio preço. Um novo piso para o trabalho de agentes.
A Google lançou o Gemini 3.7 Flash em 13 de agosto — apenas três semanas depois do Gemini 3.6 Flash, por cerca de metade do preço de lançamento de seu antecessor. A Google o chama de “o modelo workhorse mais inteligente que já lançamos”, e, pela primeira vez, o posicionamento em si é a história. Este não é um lançamento rotineiro de versão pontual. É o primeiro movimento de produto do DeepMind pós-Hassabis, e ele revela exatamente onde a empresa acredita que a guerra dos modelos está sendo travada agora.
Os números: onde o 3.7 Flash realmente melhorou
Todos os ganhos relevantes estão em código, uso de ferramentas e execução de agentes de longo prazo:
- FrontierCode 1.1 Main: 34,4% → 43,6% de qualidade em código de produção — acima do Claude Sonnet 5 (42,7%) e do GPT-5.6 Terra (41,3%)
- DeepSWE v1.1: ~49% → 65,3% em engenharia de software de longo prazo
- Terminal-bench 3.0: 5,4% → 14,9% em tarefas agênticas difíceis de terminal
- OSWorld 2.0: 33,8% → 47,9% em uso de computador
- AutomationBench: 17,0% → 30,4% em fluxos de trabalho reais de negócios
- WebDev Arena: Elo de 1538 → 1588
Note o que está faltando: nenhum benchmark de matemática ou conhecimento como destaque. A ficha técnica do modelo parece uma lista de verificação das áreas exatas que a Google precisava corrigir — e daquelas em que as cargas de trabalho de agentes realmente queimam tokens.
A verdadeira arma é o preço, não apenas o desempenho
Até 31 de dezembro de 2026, o Gemini 3.7 Flash custa US$ 0,75 por milhão de tokens de entrada e US$ 3,75 por milhão de tokens de saída — metade do preço original do 3.6 Flash. A partir de 1º de janeiro de 2027, ele volta para US$ 1,50 / US$ 7,50. Até mesmo o preço de tabela é agressivo.
Pense em por que isso importa. Um chatbot chama um modelo uma ou duas vezes. Um agente em funcionamento planeja, busca, lê uma dúzia de arquivos, chama ferramentas, repete tentativas e alimenta os resultados de volta — dezenas ou centenas de chamadas de modelo por tarefa concluída. Quando os agentes escalam, a estrutura de custos da IA se inverte de “por resposta” para “por tarefa”. O modelo capaz de rodar um loop inteligente o suficiente pelo menor custo se torna a infraestrutura padrão. Esse é o argumento econômico de um modelo workhorse, e a Google agora o está vendendo pela metade do preço para consolidar o hábito.
Um ritmo deliberado, não um acidente
A linha do tempo conta a história. A liderança do DeepMind mudou em 5 de agosto; o 3.7 Flash foi lançado oito dias depois. Koray Kavukcuoglu, o novo VP sênior que comanda o Gemini, tem sido a principal ponte entre o DeepMind e o Google Cloud, e seu mandato é explicitamente comercial: iteração mais rápida, recuperar a liderança em código, colocar o Gemini nos agentes e organizar TPU, Cloud, Workspace e Android em uma única máquina.
Brin está de volta à sala, pressionando as equipes centrais de IA a alcançarem a fronteira. Enquanto isso, o modelo carro-chefe Gemini 3.5 Pro — anunciado para testes com parceiros em julho — ainda não tem data de lançamento. A distância entre um ritmo de três semanas no Flash e a ausência de um Pro carro-chefe é o sinal mais claro possível de onde está concentrada, neste momento, a urgência da Google.
O que isso significa para o mercado
Primeiro, o quadro competitivo está mudando de direitos de barganha em benchmarks para custo por tarefa concluída. A OpenAI e a Anthropic ainda podem vencer qualquer leaderboard isolado, mas a Google está competindo na economia unitária de rodar agentes em escala — o mesmo manual que usou para tornar os preços de infraestrutura em nuvem commodities. Segundo, os modelos Flash agora estão próximos o suficiente dos carros-chefe (AA Intelligence Index: 56 contra 57 do GPT-5.6 Terra e 55 do Claude Sonnet 5) para que muitas cargas de trabalho em produção nunca precisem do topo da linha. Terceiro, o ritmo de três semanas dá aos desenvolvedores um motivo para rearquitetar seus sistemas em torno de modelos que podem ser trocados a cada poucas semanas.
Nada disso responde à questão em aberto de se o próximo Pro carro-chefe conseguirá realmente liderar. Mas a pressão agora está visível: após a reorganização, o DeepMind escolheu velocidade primeiro. Para todos que constroem sobre o Gemini, isso significa um piso mais barato e ágil — e uma referência de preço à qual o restante do mercado terá de responder. Veja também nossa cobertura sobre o empurrão de 14x de velocidade do GPT-5.6 Sol e o inverno de financiamento dos agentes de IA para um panorama mais amplo de custos e capex.
O que os desenvolvedores devem fazer agora
- Faça benchmark do 3.7 Flash em seus próprios loops de agentes (tarefas no estilo Terminal-bench, edições de múltiplos arquivos) — meça o custo por tarefa concluída, não a qualidade de uma única chamada
- Modele a janela promocional até 31 de dezembro: trave as cargas de trabalho antes que os preços dobrem em janeiro
- Fique de olho no Gemini 3.5 Pro: o ritmo do Flash é um sinal, mas o carro-chefe é o verdadeiro teste
