Sundar Pichai: Gemini 4 precisa de modelos base maiores para liderar a corrida da IA

O Google está mudando sua estratégia para o pré-treinamento em escala massiva para recuperar o domínio na corrida de modelos de fronteira. O CEO da Alphabet, Sundar Pichai, sinalizou que o próximo salto evolutivo para o Gemini depende da construção de modelos base significativamente maiores para igualar e superar os atuais líderes do setor.

O Mandato de Escala: Por que o Gemini 4 é Diferente

Durante a recente chamada de resultados do segundo trimestre de 2026, Sundar Pichai abordou o cenário competitivo da IA generativa, observando que, embora o Google tenha feito progressos significativos, o caminho para um verdadeiro desempenho de fronteira exige uma mudança de escala. A empresa está realizando atualmente sua "sessão de pré-treinamento mais ambiciosa até agora" para o Gemini 4.

De acordo com Pichai, a próxima geração de inteligência não pode ser alcançada apenas por meio de atualizações incrementais; ela necessita de modelos base muito maiores para reduzir a lacuna atual com os rivais. Esse investimento massivo em computação e dados reflete-se na previsão de investimento revisada da Alphabet para 2026, que foi elevada para impressionantes US$ 195 bilhões – US$ 205 bilhões para acompanhar a demanda crescente.

Eficiência vs. Poder de Fronteira: A Estratégia Flash

Enquanto a busca por um novo modelo de fronteira continua, o Google está simultaneamente otimizando os casos de uso "de trabalho pesado" que impulsionam seu ecossistema. Uma clara bifurcação está surgindo na hierarquia de modelos do Google:

  • O Nível de Fronteira: Focado no Gemini 4, visando capacidades massivas de raciocínio e fechando a lacuna com competidores de alto nível.
  • O Nível de Eficiência: Focado na série Gemini Flash. Pichai observou que os modelos Flash atingem o "ponto ideal de desempenho e custo", impulsionando a maior parte da demanda diária dos consumidores.

Essa abordagem de via dupla está trazendo resultados financeiros. O Google relatou que o custo por resposta de IA no "AI Mode" caiu para o seu nível mais baixo desde o lançamento, mesmo com a empresa implantando modelos subjacentes mais poderosos. Essa eficiência, reforçada por lançamentos como o Flash 3.6, é fundamental para manter as margens à medida que a integração da IA escala.

Crescimento Massivo de Usuários e Marcos de Monetização

A saúde financeira da transição de IA do Google é evidente em suas métricas trimestrais recentes. O Google relatou uma receita de US$ 119,8 bilhões no segundo trimestre de 2026, um aumento de 24% em relação ao ano anterior. Os principais impulsionadores de crescimento incluem:

  • Adoção do Gemini App: Os usuários ativos mensais subiram para 950 milhões, contra 750 milhões em fevereiro.
  • Expansão do Google Cloud: O segmento Cloud teve um crescimento explosivo de 82%, atingindo US$ 24,8 bilhões.
  • Integração de Busca: O AI Mode na Google Search ultrapassou um bilhão de usuários ativos mensais, desbloqueando bilhões de consultas de pesquisa anteriormente difíceis de monetizar.
  • Evolução de Ad Tech: A ferramenta de publicidade AI Max saiu da fase beta e agora é utilizada por 500.000 anunciantes.

Enfrentando Fraquezas Técnicas

Pichai foi transparente sobre as áreas em que o Google ainda precisa alcançar os concorrentes. Especificamente, a empresa está redobrando os esforços para melhorar as capacidades de "coding e codificação baseada em agentes". À medida que a IA passa de interfaces de chat simples para agentes autônomos que podem escrever, depurar e executar código, dominar esses fluxos de trabalho de agentes é um foco principal para o ciclo de desenvolvimento do Gemini 4.

Principais Conclusões

  • A escala é a prioridade: O Google está investindo até US$ 205 bilhões anualmente, apostando que "modelos base muito maiores" são a única maneira de vencer a corrida da IA de fronteira com o Gemini 4.
  • A Vantagem Flash: Enquanto persegue a inteligência de fronteira, o Google está usando com sucesso sua série Gemini Flash para impulsionar utilidade de alto volume e baixo custo para quase 1 bilhão de usuários.
  • Melhorias Direcionadas: Os esforços massivos de pré-treinamento para o Gemini 4 visam especificamente resolver as fraquezas atuais em codificação e capacidades autônomas de agentes.