O Gemini 2.5 Flash da Google permite reduzir o raciocínio para caber num orçamento de automação

Um regulador de raciocínio, não apenas um modelo mais barato

A frase mais interessante do ponto de vista operacional nas declarações de Sundar Pichai é discreta: com o Gemini 2.5 Flash, 'é possível controlar quanto o modelo raciocina, equilibrando o desempenho com o orçamento.' A Google descreve o 2.5 Flash como o seu 'modelo de pensamento com menor latência e maior eficiência de custo.'

Para equipas que automatizam trabalho repetitivo, isto importa mais do que uma pontuação no topo de uma tabela de classificação. Um modelo de pensamento que raciocina antes de responder tem um custo elevado por chamada. Poder reduzir esse raciocínio em tarefas de grande volume e baixo risco — e aumentá-lo nas mais difíceis — é a diferença entre um piloto e um fluxo de trabalho que se pode executar milhões de vezes por dia de forma viável.

A Google reservou os grandes números de desempenho para o Gemini 2.5 Pro, que, segundo a empresa, obteve a pontuação mais alta de sempre no Humanity's Last Exam e lidera a tabela de classificação do Chatbot Arena. O Flash é o modelo concebido para ser implementado a baixo custo, e é ele que revela algo sobre a economia da automação.

A infraestrutura que a Google vende por trás dos modelos

Há dois anúncios de hardware que sustentam as novidades sobre os modelos. O Ironwood, o TPU de sétima geração da Google, chega ainda este ano e é apresentado como 3.600 vezes mais rápido do que o primeiro TPU disponível publicamente, com uma eficiência energética 29 vezes superior no mesmo período. A Google chama-lhe o chip mais poderoso que já construiu.

A Cloud WAN abre a rede privada própria da Google — descrita como abrangendo mais de 200 países e mais de dois milhões de milhas de fibra — às empresas, com um desempenho reivindicado como mais de 40% superior e um custo total de propriedade até 40% inferior. A Nestlé e a Citadel Securities são referidas como utilizadoras pioneiras, e a Google afirma que a solução ficará disponível para todos os clientes Cloud ainda este mês.

Vistos em conjunto, estes são os dois custos que dominam qualquer implementação de automação em grande escala: o preço da computação de inferência e a latência e o custo de mover dados entre o local onde residem e o local onde são processados. A Google propõe uma resposta verticalmente integrada para ambos.

A escala como prova de conceito

A afirmação de Pichai de que todos os 15 produtos da Google com mais de meio milhão de utilizadores usam agora o Gemini — sete deles com 2 mil milhões de utilizadores — cumpre uma função retórica clara. O argumento é que a mesma 'inferência de classe mundial' que a Google utiliza internamente é o que as empresas obtêm no Vertex AI.

A AI (keep the English acronym) implementada a esta escala exige inferência de classe mundial, da qual as empresas podem beneficiar para construir as suas próprias aplicações baseadas em AI (keep the English acronym).Montana Labs

Os exemplos concretos de produtos são mais restritos do que o título sugere: o NotebookLM é referido como utilizado por 100 000 empresas, 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 vêm acompanhados de dados sobre desempenho, poupança de custos ou precisão.

O que o regulador de raciocínio implica para as equipas que constroem sobre esta base

A conclusão prática é que a Google trata o raciocínio como um custo ajustável, e não como uma propriedade fixa do modelo. Isto reformula a decisão de construção: em vez de escolher entre um modelo inteligente mas caro e um modelo rápido mas limitado, a equipa passa a direcionar cada tarefa para um nível de raciocínio adequado.

Isso só compensa se for possível medir quais as tarefas que realmente exigem raciocínio profundo e quais não exigem — um trabalho que recai sobre as equipas que implementam o modelo, não sobre a Google. O anúncio oferece um controlo; não indica onde o definir. A Google afirma também que irá 'partilhar em breve mais detalhes sobre o modelo e o seu desempenho', pelo que os dados que permitiriam calibrar esse equilíbrio ainda não constam deste anúncio.

Para quem planeia automação com base no Gemini, o passo mais sensato a curto prazo é tratar a definição de raciocínio como um parâmetro de primeira linha, a testar e a orçamentar — e aguardar pelos dados de desempenho do Flash antes de comprometer volume.