O Google lançou três modelos Flash em 21 de julho. À primeira vista, parece mais uma atualização do Gemini. Mas preço, velocidade e uso pretendido mostram outro movimento: tornar a IA agentic e corporativa mais barata, rápida e específica para cada carga de trabalho.
O Gemini 3.6 Flash é o modelo mais geral, o Gemini 3.5 Flash-Lite mira baixo custo e alto throughput, e o Gemini 3.5 Flash Cyber mira segurança. A competição de modelos está saindo de um placar único para desenho de workloads.
Chamadas frequentes precisam de modelos baratos
O Google diz que o novo Flash-Lite tem saída em tempo real 17% mais rápida que a geração anterior e chega a cerca de 350 tokens/s em teste independente. A página da DeepMind lista preço de US$0,30 por milhão de tokens de entrada e US$2,50 por milhão de tokens de saída.
Em chat comum, a qualidade da resposta aparece primeiro. Em agentes, roteamento de atendimento, automação de navegador e processamento em massa, centenas de chamadas pequenas precisam caber em limites de latência e orçamento.
Segurança vira modelo separado
O Flash Cyber é a parte mais específica do anúncio. O Google o posiciona para análise de segurança, pesquisa de vulnerabilidades, análise de malware e resposta a incidentes, não para conversa geral.
A DeepMind lista resultados em CTI-MCQ, CTI-RCM, MARS-EVAL e CyberSecEval. O Google fala em ganhos de até 65% sobre o 3.5 Flash em benchmarks de cibersegurança selecionados. O número vale para esses testes; em empresas, falsos positivos, achados perdidos e custo de revisão humana ainda precisam ser medidos.
O CEO do Google, Sundar Pichai, já descreveu a oportunidade de IA como enorme.
Clientes compram equilíbrio
A página do Google traz uma frase de Vincent van der Meulen, da Figma: ao avaliar modelos para o Figma Make, a empresa procura equilíbrio entre qualidade, velocidade e custo.
Essa é a lógica comercial da linha Flash. Ferramentas de design, assistentes de código, análise de planilhas e suporte não precisam do mesmo modelo em todas as etapas. Passos frequentes e verificáveis podem usar modelos baratos; tarefas sensíveis sobem para modelos mais fortes.
A carga real decidirá
Os 350 tokens/s do Flash-Lite vêm de benchmark. Em produção, a latência depende do tamanho do prompt, chamadas de ferramentas, rede e limites de taxa. O ganho de 65% do Flash Cyber também pertence aos benchmarks de segurança citados.
O Google não lançou apenas um modelo mais forte. Separou cargas diferentes em produtos diferentes. A próxima disputa será definida por custo, latência, limites de segurança e encaixe no workflow.
Fontes: blog oficial do Google, páginas de modelos do Google DeepMind, Axios, Business Insider, Artificial Analysis, CocoLoop; verificados papéis dos três modelos Flash, escopo de tokens/s, preços por milhão de tokens, ganhos em benchmark de cibersegurança, citação de cliente e disponibilidade.