Nos últimos anos, o modelo Gemini da Google apresentou desempenho insatisfatório, passando de um AI anteriormente elogiado como avançado para ser alvo de piadas na internet como "pacote de soja da América do Norte". O modelo frequentemente comete erros básicos, como falhas em raciocínio matemático e problemas na geração de imagens; sua capacidade de programação caiu para posições baixas em todos os rankings; e sua base de conhecimento está atrasada em comparação com GPT e Claude. A causa profunda reside na estrutura organizacional confusa da Google, onde diversos departamentos tentam transformar a IA em seu próprio ponto de entrada, resultando em recursos dispersos e alocação desigual de poder computacional. Pesquisadores-chave deixaram a empresa, incluindo o autor do Transformer e o ganhador do Prêmio Nobel do AlphaFold, que foram recrutados por concorrentes. Embora a Google já tenha lançado o Gemini 3.6 Flash e esteja em processo de treinar o Gemini 4, retornar ao auge da IA ainda enfrenta desafios enormes.Autor e fonte do artigo: Chaping X.PIN
Admito que a Gemini foi forte no ano passado, mas agora sua reputação virou um pacote de soja da América do Norte...
Admito que a Gemini foi forte no ano passado, mas agora sua reputação virou uma bolsa de soja da América do Norte.
Converse com ele sobre problemas de matemática, e de repente aparece cocô.
Peça para ele tirar uma foto da praia, e a pessoa acabou sendo confundida com um pedófilo.
Por causa desses comentários abstratos, a Gemini foi diretamente rotulada na internet como um pacote de soja da América do Norte.
Além do próprio modelo ter sofrido uma mudança brusca, as recentes mudanças na equipe de pesquisadores do Google também foram extremamente frequentes.
Dois anos atrás, o autor (um dos) do Transformer, que custou 2,7 bilhões de dólares para ser recrutado, agora também deixou o cargo e se juntou à OpenAI.
Mesmo o ganhador do Prêmio Nobel que trabalhou diligentemente por 9 anos no AlphaFold também está trocando olhares com a Anthropic.
Originalmente, todos estavam ansiosos pela lançamento do Gemini 3.5 Pro para recuperar a honra, mas esperaram de maio até julho e ainda não foi lançado.
Há alguns dias, finalmente houve algum movimento, mas o que foi apresentado não foi o modelo Pro de topo, e sim um modelo Flash focado em "custo-benefício".
Qual é o nível de capacidade desse modelo?
Diga-se, enquanto outros modelos estão comparando-se com Fable e GPT-5.6 Sol, o Gemini 3.5 Flash escolheu como referência o GPT-5.6 Luna e o Claude Sonnet 5.
Apenas com essa comparação, já conseguimos ver as expectativas do Google para este novo modelo...
Nesta área que hoje é mais valorizada, programação e agentes de IA, o Gemini está completamente atrás.
Na primeira página dos principais rankings, você nem sequer consegue encontrar o nome dele.
Na vida real, realmente ninguém usa o Gemini para escrever código, certo? Antes, pedi a ele para fazer uma migração de projeto, mas descobri que ele só se concentrava em fornecer valor emocional — disse muitas coisas boas, mas não concluiu nem um único trabalho.
Mesmo a capacidade de conhecimento mundial, mais orgulhosa do Google, está pulando freneticamente entre "夯" e "拉".
Agora se trata da sua amplitude; anteriormente, o DeepSeek já reconheceu de forma direta em seu artigo que é inferior ao Gemini em amplitude de conhecimento.
DeepSeek-V4-Pro-Max lidera significativamente todos os modelos abertos no SimpleQA-Verified, mas ainda está atrás dos principais modelos fechados, Gemini-3.1-Pro.
Normalmente, quando você pergunta a ela alguns conhecimentos antigos e pouco comuns, talvez apenas o Gemini consiga se lembrar.
Mas, assim que você conversa sobre coisas novas surgidas nos últimos dois anos, a resposta do Gemini se torna muito estranha.
Por exemplo, enquanto escrevíamos este artigo, pedimos ao Gemini para nos ajudar a organizar o esboço.
Então descobri que, sem qualquer conexão no contexto, o Gemini de repente me apresentou o Claude 3.5.
Sim, na mente padrão do Gemini, seu conhecimento sobre o Claude só vai até o 3.5.
Isso ocorre porque, nos modelos Gemini atuais, seja o 3.5 Flash lançado em maio deste ano, seja o Gemini 2.5 Pro lançado em junho do ano passado.
As bases de conhecimento integradas desses modelos só registraram informações até janeiro de 2025.
Então, em fevereiro de 2025, o Claude 3.7 nem reconhecia, só reconhecia o 3.5 lançado em 2024, e começou a falar besteiras com confiança.
Isso faz com que, quando você conversa normalmente com o Gemini, caso mencione o que aconteceu nos últimos um ano e meio, o Gemini comece a ficar confuso e agitado.
Se você quiser que ele aprenda alguns conhecimentos mais recentes, será necessário ativar a busca online, mas muitas vezes, após ativar a busca online, o modelo acaba ingerindo muitas informações e sua capacidade diminui, ficando preso entre duas opções.
Enquanto os outros dois da trindade, GPT e Claude, atualizaram suas bases de conhecimento até o final do ano passado, o Google ainda mantinha essa base de conhecimento antiga, até a recente lançamento do Gemini 3.6 Flash, que atualizou sua base de conhecimento para março de 2026.
É difícil imaginar que o Google, que começou com buscas, tenha sido atacado justamente na sua área de maior expertise: informações.
Então, o que realmente aconteceu com o Gemini?
Após revisar diversas denúncias de mídias autorizadas, percebemos que não há nada novo sob o sol; o desempenho recente da Gemini abaixo do esperado é, na verdade, um reflexo da desorganização da estrutura de IA por trás do Google.
Ao contrário de empresas puras de modelos grandes como OpenAI e Anthropic, para o Google, o Gemini nunca foi apenas um chatbot.
É ao mesmo tempo o modelo avançado da DeepMind, a arma do Google Search para manter a entrada de busca, o API vendido pela Google Cloud aos clientes corporativos, e também entrará no Android, Chrome, Workspace, Pixel, Google Home...
Cada linha de negócio quer transformar a IA em sua próxima porta de entrada e acha que seus próprios cenários são os mais importantes.
Então, quem é o maior de todos?
O Information já havia relatado que colegas do Google AI Labs anteriormente desenvolveram um aplicativo de notas de IA chamado NotebookLM, e assim que o produto foi lançado, causou insatisfação entre os colegas responsáveis pelo Gmail e pelo Google Docs.
Quem te autorizou a fazer isso? Você não entende as regras profissionais? Isso não é tomar o seu próprio trabalho?
Há até rumores de que os funcionários do Workspace já tinham planejado desativar o NotebookLM
Além disso, a equipe do Google Cloud e a equipe do DeepMind também entraram em conflito.
A equipe de telefones Pixel quer adicionar algumas funções de IA aos telefones Pixel, mas também recebeu instruções internas para não competir com o assistente Gemini.
É quando a empresa fica muito grande, e cada grupo protege sua própria entrada, e cada equipe teme que o produto de outro ocupe seu lugar.
A IA ainda não começou a mudar realmente o mundo, mas dentro do Google já começaram a disputar o volante.
O filósofo inglês Hobbes descreveu, em "Leviatã", um estado de guerra de todos contra todos.
In short: want everything, but the cake isn't big enough to go around, so it's endless bickering.
Hoje em dia, o Google é assim: as fronteiras entre departamentos tornam-se como o Rio Chu e o Rio Han, e todos seguram firmemente apenas a sua própria porção de cenário.
Essa tendência até afetou a alocação de poder computacional dentro do Google.
Logicamente, o Google menos deveria faltar de poder de processamento.
Ele próprio possui TPU, nuvem e data centers, e ainda vende TPU para empresas externas como Anthropic, Meta e Midjourney...
Mas como equilibrar negócios e pesquisa tornou-se um grande problema dentro do Google.
Dentro do Google, alguns pesquisadores de IA sentem que a empresa realmente prefere alocar poder de computação para usuários pagantes, pois são eles que realmente importam.
Esses emaranhados internos também causaram a saída de um grupo de funcionários.
Muitos pesquisadores de IA até descobriram que, em vez de passar por camadas de solicitação e aprovação de poder de computação no Google, é mais fácil simplesmente deixar o emprego e trabalhar para si mesmos.
Começar seu próprio negócio e gerenciar sua própria capacidade de mineração é muito mais rápido do que esperar passivamente no Google.
Se, para pesquisadores comuns, a limitação do Google é o poder de computação, para muitos pesquisadores renomados, talvez o Google também não consiga entregar o que se espera em termos de recursos financeiros.
Como uma gigante com capitalização de mercado já superior a US$ 4 trilhões, o Google oferece a esses talentos de alto nível, além de salários em dinheiro, principalmente ações restritas fortemente vinculadas à empresa.
Este ação pode gerar lucro? Pode gerar lucro, pode gerar muito lucro? É um pouco difícil.
Mesmo que você se esforce ao máximo, o valor de mercado do Google ainda pode dobrar várias vezes em pouco tempo?
Mas a OpenAI e a Anthropic do outro lado são diferentes.
Esses dois têm estado secretamente se preparando para listar recentemente; se você for agora, é muito provável que consiga algumas ações originais, e depois que a listagem for concluída, você poderá alcançar a liberdade financeira em dobro — isso é muito mais atraente do que trabalhar para alguém.
Claro, o Google também não deixou de perceber esses problemas.
Nos últimos tempos, a estrutura organizacional foi ajustada, criando-se uma equipe específica de "treinamento intermediário" entre o treinamento prévio e o treinamento intermediário tradicional, com o objetivo de reforçar a capacidade de programação do modelo.
Embora haja muito debate atualmente sobre o Gemini 3.6 Flash, o Google já se mostrou confiante ao afirmar que já começou a preparar o treinamento do Gemini 4.
Whether Google can regain its former glory may depend on this round.
Embora tenhamos falado muito hoje sobre os problemas da Gemini, você sabe que sempre fui fã do Google.
Eu adorava o 2.5 Pro do ano passado, e até hoje, ainda acho que os textos escritos pela Gemini têm mais sensação de ser humano.
Essa sensação de vida torna-se ainda mais valiosa nesta era em que todos competem por habilidades em Coding.