Gemini 3 Deep Think abre uma API para um modo de raciocínio pensado para problemas de investigação complexos

O que a Google lançou, e onde se pode aceder

A Google lançou uma atualização ao Gemini 3 Deep Think, o modo de raciocínio que posiciona como especializado em ciência, investigação e engenharia. Duas formas de acesso foram lançadas em simultâneo: os subscritores do Google AI Ultra têm o modo atualizado na app Gemini a partir de hoje, e — por primeira vez — investigadores, engenheiros e empresas selecionados podem pedir acesso antecipado ao Deep Think através da API Gemini.

Essa abertura da API é a parte que vale a pena acompanhar para quem constrói interfaces. Até agora, o Deep Think vivia apenas dentro da própria app da Google. Disponibilizá-lo programaticamente significa que as equipas podem construir os seus próprios frontends em torno dele, o que muda aquilo que é preciso desenhar.

Mais importante ainda, estamos a trabalhar para levar o Deep Think a investigadores e profissionais onde mais precisam dele — começando por superfícies como a API Gemini.Montana Labs

A demonstração de esboço para impressão 3D é um padrão de frontend, não só um truque de apresentação

A demonstração mais concreta da Google é um pipeline de vários passos: o Deep Think analisa um desenho, modela a forma complexa e gera um ficheiro para criar o objeto físico através de impressão 3D. Convém ler isto como um fluxo de interface — uma entrada (um esboço), um modelo intermédio e um ficheiro de saída descarregável, pronto a ser processado por outra máquina.

Para as equipas de frontend, essa estrutura importa mais do que a impressão em si. Implica uma aplicação que aceita uma entrada visual imprecisa, mostra um modelo interpretado que o utilizador pode inspecionar ou corrigir, e produz um ficheiro destinado a outra ferramenta. Nenhuma dessas etapas é uma bolha de chat. Cada uma precisa da sua própria interface: carregamento, revisão, exportação.

Um modo de raciocínio tão deliberado precisa de uma interface pensada para a espera

O Deep Think é descrito como um modo que enfrenta problemas que 'não têm limites claros nem uma única solução correta', em que 'os dados são muitas vezes imprecisos ou incompletos'. Os exemplos citados pela Google refletem isso: um matemático da Rutgers usou-o para detetar uma falha lógica subtil que a revisão por pares humana não tinha apanhado, e o Wang Lab da Duke usou-o para conceber uma receita para o crescimento de filmes finos com mais de 100 μm.

Não são respostas instantâneas. São cálculos longos e exigentes sobre entradas ambíguas. Um frontend construído sobre esta API não pode assumir uma troca de turnos rápida. Tem de lidar com latência prolongada, expor o progresso e apresentar resultados que um especialista de domínio possa verificar — porque o valor aqui é uma solução candidata a confirmar, não uma resposta final a aceitar de imediato.

As pontuações dos benchmarks criam expectativas que a interface tem de gerir

A Google reporta 48,4% no Humanity's Last Exam sem ferramentas, 84,6% no ARC-AGI-2 verificado pela ARC Prize Foundation, um Elo de 3455 no Codeforces, um desempenho ao nível de medalha de oro na IMO 2025, resultados de nível de medalha de oro nas Olimpíadas escritas de Física e Química de 2025, e 50,5% no CMT-Benchmark.

Estes números posicionam o Deep Think como um raciocinador de ponta em matemática, programação, física e química — mas são limites máximos, não garantias para qualquer consulta individual. Um frontend que promete rigor de nível olímpico ao apresentar uma receita proposta de crescimento de cristais ou um erro assinalado numa demonstração precisa de tornar a etapa de verificação central, e não um detalhe secundário.

A implicação: esta API transforma o Deep Think de uma funcionalidade de chat num componente sobre o qual se constrói

A mudança específica deste anúncio é que o Deep Think deixa de ser algo que se usa dentro da app da Google e passa a ser algo que se pode integrar. Isso transfere o trabalho de design para quem constrói a interface: captar esboços e conjuntos de dados imprecisos, gerir tempos de raciocínio longos e apresentar resultados — ficheiros, modelos, falhas assinaladas — sobre os quais os especialistas possam agir.

Para as equipas aplicadas, o programa de acesso antecipado é o ponto de entrada. Mas o trabalho mais difícil não é obter a chave da API; é construir um frontend honesto sobre aquilo que um modo de raciocínio deliberado produz — propostas que vale a pena verificar — em vez de o apresentar como um oráculo infalível.