O Gemini 2.5 Flash do Google permite reduzir o nível de raciocínio para caber no orçamento de automação

Um controle de raciocínio, não só um modelo mais barato

A frase operacionalmente mais interessante nas declarações de Sundar Pichai é discreta: com o Gemini 2.5 Flash, 'você pode controlar o quanto o modelo raciocina, equilibrando desempenho com seu orçamento'. O Google apresenta o 2.5 Flash como seu 'modelo de raciocínio de menor latência e mais eficiente em custo'.

Para times que automatizam tarefas repetitivas, isso importa mais do que uma pontuação no topo do ranking. Um modelo de raciocínio que pensa antes de responder custa caro por chamada. Poder reduzir esse raciocínio em tarefas de alto volume e baixo risco — e aumentá-lo nas mais difíceis — é a diferença entre um piloto e um fluxo de trabalho que você consegue rodar milhões de vezes por dia sem quebrar o orçamento.

O Google guardou os recordes de benchmark para o Gemini 2.5 Pro, que segundo a empresa alcançou a maior pontuação já registrada no Humanity's Last Exam e lidera o ranking do Chatbot Arena. Já o Flash foi feito para ser implantado a baixo custo, e é ele que revela algo sobre a economia da automação.

A infraestrutura que o Google está vendendo por trás dos modelos

Duas novidades de hardware sustentam os anúncios dos modelos. O Ironwood, TPU de sétima geração do Google, chega ainda este ano e é anunciado como 3.600 vezes mais rápido que a primeira TPU disponível publicamente, com eficiência energética 29 vezes maior no mesmo período. O Google o chama de o chip mais poderoso que já construiu.

A Cloud WAN abre a rede privada própria do Google — descrita como presente em mais de 200 países e com mais de dois milhões de milhas de fibra — para empresas, com promessas de desempenho mais de 40% superior e custo total de propriedade até 40% menor. Nestlé e Citadel Securities são citadas como early users, e o Google diz que a rede estará disponível para todos os clientes do Cloud ainda este mês.

Juntando as peças, esses são os dois custos que dominam qualquer implantação de automação em larga escala: o preço da computação de inferência e a latência e custo de mover dados entre onde eles estão e onde são processados. O Google está oferecendo uma resposta verticalmente integrada para ambos.

Escala como prova de conceito

A afirmação de Pichai de que todos os 15 produtos do Google com meio bilhão de usuários agora usam Gemini — sete deles com 2 bilhões de usuários — tem um peso retórico real. O argumento é que a mesma 'inferência de classe mundial' que o Google roda internamente é o que as empresas recebem no Vertex AI.

IA implantada nessa escala exige inferência de classe mundial, da qual as empresas podem se beneficiar para construir suas próprias aplicações com IA.Montana Labs

Os exemplos específicos de produtos são mais restritos do que a manchete sugere: o NotebookLM é citado com 100 mil empresas usuárias, e o Veo 2 é descrito como usado por estúdios de cinema e agências de publicidade. São números de adoção, não resultados de automação — não há dados de throughput, economia de custo ou precisão acompanhando esses números.

O que o controle de raciocínio significa para quem está construindo sobre essa base

A conclusão prática é que o Google está tratando o raciocínio como um custo ajustável, e não como uma característica fixa do modelo. Isso reformula a decisão de construção: em vez de escolher entre um modelo inteligente-mas-caro e um rápido-mas-limitado, o time direciona cada tarefa para um nível de raciocínio específico.

Isso só compensa se você conseguir medir quais tarefas realmente precisam de raciocínio profundo e quais não precisam — um trabalho que cai nas mãos dos times que implantam o modelo, não do Google. O anúncio te dá um controle; ele não te diz onde ajustá-lo. O Google também afirma que vai 'compartilhar mais detalhes sobre o modelo e seu desempenho em breve', então os números que permitiriam calibrar essa troca ainda não estão neste anúncio.

Para quem está planejando automação com o Gemini, o movimento certo no curto prazo é tratar o ajuste de raciocínio como um parâmetro de primeira linha, a ser testado e orçado com cuidado — e esperar pelos dados de desempenho do Flash antes de comprometer volume.