A Google alarga o Gemini a um "modelo do mundo" e avança o Astra e o Mariner para superfícies de produção

O parágrafo da visão e o parágrafo do lançamento têm funções diferentes

A afirmação central é que o Gemini 2.5 Pro está a ser alargado a um "modelo do mundo" capaz de, nas palavras de Demis Hassabis, fazer planos e imaginar novas experiências simulando aspetos do mundo. Essa é a tese de investigação, e a Google sustenta-a com uma linhagem: o Transformer, o AlphaGo e o AlphaZero, os ambientes 3D interativos do Genie 2, a compreensão de física intuitiva do Veo e o Gemini Robotics.

Estamos a alargar o Gemini para se tornar um modelo do mundo capaz de fazer planos e imaginar novas experiências simulando aspetos do mundo.Montana Labs

Mas, olhando além do enquadramento, o artigo dedica a maior parte das suas palavras ao posicionamento, não à física. O conteúdo interessante para quem constrói interfaces é a lista de superfícies para onde estas capacidades se estão a mover: Gemini Live, Search, a Live API para developers e novos formatos como óculos inteligentes. Trata-se de um roteiro de distribuição disfarçado de manifesto.

As capacidades do Astra descrevem uma UI que não é uma caixa de texto

A Google identifica as capacidades específicas do Project Astra que estão a ser incorporadas no Gemini Live: compreensão de vídeo, partilha de ecrã, memória, saída de voz em áudio nativo e controlo do computador. Cada uma destas capacidades altera o aspeto da "frente" do assistente. A partilha de ecrã significa que o assistente vê os mesmos pixels que o utilizador; a saída de áudio nativo significa que o canal principal pode ser falado em vez de escrito; o controlo do computador significa que o assistente age diretamente na interface, em vez de devolver texto para o utilizador agir.

No conjunto, são entradas e saídas que não se encaixam no padrão de janela de chat que a maioria dos produtos adotou como referência. O artigo lista explicitamente os óculos inteligentes como formato-alvo, o que é o sinal mais claro de que a Google espera que o assistente viva noutro lugar além de um ecrã de telemóvel com um campo de instrução. Para as equipas que desenham frontends, isto transforma a questão de "para onde vai a mensagem" em "o que está o assistente a ver e a que lhe é permitido tocar".

O Project Mariner passa de protótipo de navegador a dez tarefas simultâneas

O Project Mariner, lançado em dezembro como protótipo de investigação para a interação humano-agente no navegador, inclui agora um sistema de agentes capaz de concluir até dez tarefas diferentes ao mesmo tempo — procurar informação, fazer reservas, comprar produtos e realizar pesquisas em simultâneo. A Google diz que o Mariner atualizado está disponível para subscritores do Google AI Ultra nos EUA, e que as suas capacidades de utilização do computador estão a chegar à Gemini API.

O detalhe da simultaneidade importa mais para o design de interfaces do que o próprio número. Um agente de tarefa única pode ser apresentado como uma troca de chat que se resolve; dez tarefas paralelas exigem uma superfície que mostre o estado — o que está em curso, o que está em espera, o que precisa de decisão humana. Isso é um problema de painel de controlo, não de conversação, e é o tipo de coisa que tem de ser construída no frontend, e não inferida a partir de uma transcrição.

O que a Google restringiu, e o que abriu, revela o verdadeiro calendário

O artigo é cuidadoso quanto ao estado de cada funcionalidade. As capacidades atualizadas do Astra estão a ser recolhidas junto de testadores de confiança e encaminhadas para o Gemini Live; o Mariner está disponível apenas com subscrição AI Ultra num país; as capacidades de utilização do computador são a peça que está a ser integrada na Gemini API. A Google também assinala que realizou um projeto de investigação sobre a ética dos assistentes de AI avançados e que isso está a orientar o lançamento.

A implicação concreta para quem constrói sobre esta base: a superfície acessível a developers, neste momento, é o controlo do computador através da Gemini API, não a visão completa do assistente universal. A retórica do modelo do mundo é uma direção, mas o que se pode efetivamente integrar num produto é uma capacidade de agente que atua no navegador, com um encargo de interface associado — apresentar o estado de tarefas paralelas, definir permissões sobre o que o agente pode clicar e comprar, e gerir a transferência quando é necessária uma decisão humana. Essa canalização é o trabalho a curto prazo; o assistente do mundo simulado continua a ser, por agora, uma história de testadores e subscritores.