Gemini 3: o LLM mais poderoso do Google

Poucas horas depois de a xAI apresentar o Grok 4.1, o Google foi além e anunciou o Gemini 3. Este novo modelo é o mais inteligente do Google até hoje e já está disponível no app Gemini, além do AI Studio e do Vertex AI.

O Gemini 3 também passa a impulsionar imediatamente o Modo IA na busca, e o Google anunciou ainda o modo Gemini 3 Deep Think e o Google Antigravity, uma nova plataforma de desenvolvimento agentic.

Neste artigo, vou cobrir tudo o que o Google anunciou, o que isso significa para o universo dos LLMs e fazer testes práticos com o novo Gemini 3 para ver do que ele é capaz. Você também pode conferir nosso guia da API do Gemini 3 com um projeto mão na massa, conhecer o Google Antigravity com nosso tutorial e nosso guia para criar um projeto Gemini 3 Flash.

O que é o Gemini 3 Pro?

O Gemini 3 Pro é o mais novo e avançado modelo de IA de linguagem do Google. Já está disponível no app Gemini, no AI Studio e no Vertex AI. A empresa apresenta este como seu modelo mais inteligente até agora, com desempenho aprimorado em raciocínio, programação e tarefas multimodais.

Este novo modelo se baseia no sucesso do lançamento do Gemini 2.5 Pro, de apenas sete meses atrás. O Gemini 3 ocupa o topo do LMArena Leaderboard, substituindo o Grok 4.1 após apenas algumas horas.

O Google afirma que o Gemini 3 Pro tem raciocínio em nível de PhD e apresenta novas pontuações altas em diversos benchmarks de IA, incluindo Humanity’s Last Exam, GPQA Diamond e MathArena Apex. Esse conjunto impressionante de resultados faz com que ele supere modelos como o novo GPT-5.1 da OpenAI e o Claude Sonnet 4.5 da Anthropic.

Novos recursos do Gemini 3

Então, o que o Gemini 3 traz de novo em relação ao seu antecessor e à leva de outros modelos? Além de um salto grande em performance, o Google promete que você pode “aprender, construir e planejar qualquer coisa” com o Gemini 3. Uma afirmação ousada. Vamos ver os novos recursos para entender o que isso significa:

Desempenho aprimorado

Um dos destaques do novo Gemini 3 é seu desempenho de ponta nos rankings. Mesmo sem o modo Deep Think, esta versão lidera o leaderboard do benchmark Humanity’s Last Exam, com 37,2% sem uso de ferramentas (41% com Deep Think), contra 26,5% do GPT-5.1.

E não é só em texto que o Gemini 3 se destaca. Com 23,4% no benchmark MathArena Apex, ele é o modelo de fronteira com a maior pontuação em matemática. Da mesma forma, no Video-MMMU, um benchmark multimodal e multidisciplinar que avalia a capacidade de LMMs de adquirir conhecimento a partir de vídeos educacionais, ele atinge 87,6%, ficando novamente no topo do ranking.

Eu sei que é fácil se empolgar com números de benchmark, e talvez o teste real devesse focar na usabilidade, mas o Gemini 3 Pro é claramente um passo importante à frente no desempenho de LLMs.

O que é o modo Gemini 3 Deep Think?

Como vimos no Gemini 2.5 Pro, o modo Gemini 3 Deep Think usa pensamento paralelo e aprendizado por reforço para melhorar significativamente as respostas (com o custo de respostas mais lentas). O Deep Think deixa o Gemini mais detalhado, criativo e “reflexivo”.

Com o Gemini 3 Deep Think, vemos melhorias em relação ao Gemini 3 Pro normal em áreas como raciocínio, conhecimento científico e quebra-cabeças de raciocínio visual. Isso deve significar que o Deep Think tem uma capacidade aprimorada de resolver desafios novos e desconhecidos.

O Deep Think está atualmente em modo de avaliação, ou seja, testadores estão avaliando o recurso antes que ele fique disponível para assinantes do Google AI Ultra “nas próximas semanas”.

Multimodalidade de verdade

O Gemini 3 traz uma nova arquitetura multimodal que processa texto, imagem, áudio, vídeo e código em uma única pilha de transformer, em vez de encoders separados.

Essa unificação viabiliza um raciocínio realmente cruzado entre modalidades. O Gemini 3 pode interpretar um esboço e gerar código funcional, ou analisar um vídeo e explicar seus conceitos científicos. Seus resultados nos benchmarks Video-MMMU e MMMU-Pro confirmam um grande salto em entendimento espacial e visual. Assim como o Gemini 2.5 Pro, ele também conta com uma janela de contexto de 1 milhão de tokens, conectando ideias em insumos extensos e variados.

Criatividade agentic

O Gemini 3 sai da geração passiva para a criação agentic, impulsionada por novos avanços em uso de ferramentas, planejamento e vibe coding. A arquitetura do modelo suporta ciclos de raciocínio de longo horizonte que permitem planejar, executar e validar fluxos de trabalho multi-etapas — como programar um jogo jogável ou construir uma UI interativa — tudo a partir de um único prompt.

Essas capacidades agora também estão sendo disponibilizadas via o recém-anunciado Google Antigravity, uma plataforma de desenvolvimento em que agentes têm acesso direto ao editor, terminal e navegador. É a primeira versão do Gemini pensada para atuar como co-desenvolvedor, usando autonomia estruturada e integração em tempo real com ferramentas para transformar ideias criativas em sistemas funcionais.

Aprender, construir e planejar qualquer coisa?

O Google dá vários exemplos de como o novo modelo pode ajudar você a aprender, construir e planejar.

Há um grande foco nas melhorias multimodais: a capacidade do Gemini de entender e criar informações em texto, imagens, vídeo, áudio e código.

Com o vibe coding em alta, o Gemini 3 deve facilitar ainda mais para desenvolvedores tirarem ideias do papel. O Google afirma que ele é ótimo em geração one-shot, ou seja, você consegue resultados de alta qualidade com um único prompt. Ele também lida bem com instruções complexas — essenciais para dar vida e responsividade aos seus projetos.

O Gemini 3 está disponível para desenvolvedores começarem a criar projetos agentic no Google AI Studio, Vertex AI, Gemini CLI e no recém-anunciado Google Antigravity (já falo mais sobre isso).

Um último ponto, bem impressionante: o Gemini 3 Pro consegue manter o uso de ferramentas e a tomada de decisão de forma consistente por um ano simulado de operação. Para usuários com assinatura do Google AI Ultra, o novo recurso experimental Gemini Agent já fica disponível, ajudando você a criar agentes multi-etapas capazes de usar essas funcionalidades.

Exemplos do Gemini 3 Pro

Graças à janela de contexto de 1 milhão de tokens, o Gemini 2.5 Pro já era um dos meus favoritos há tempos, então estou animado para ver o que o Gemini 3 consegue fazer com performance multimodal aprimorada na mesma janela. Para começar, aqui vão alguns testes:

Jogo simples inspirado em Half-Life 3

Como testamos no Gemini 2.5, com um prompt de cerca de 10 palavras, pedi ao Gemini 3 Pro para criar um jogo de rolagem lateral inspirado em Half-Life 3. Aqui está o prompt: Make me a simple side-scrolling Half-Life 3-inspired game

Com pouco tempo de “pensar” e um período de codificação parecido, o Gemini 3 Pro (via AI Studio) conseguiu criar algo bem consistente, considerando o brief curto. Ele roda, é um side-scroller e claramente se inspira no material original.

Aqui está o vídeo de como ficou:

Depois desse experimento, quis tentar algo mais clássico. Pensei especificamente no jogo do dinossauro do Chrome que aparece quando você abre o navegador sem internet.

Make me a simple side-scrolling game like the Chrome dinosaur that jumps over cactuses when the internet is down.

Eis o Gemini Runner:

Os pequenos detalhes me chamaram a atenção. O Gemini Runner tinha o mesmo céu noturno estrelado, algo que nem estava no prompt. E ainda mostrava “Extinct” quando eu perdia.

Recursos multimodais

Para testar as capacidades multimodais, fiz o upload de um desenho feito por uma criança de seis anos.

Depois, pedi para transformar a cena em um jogo simples. Este foi o prompt que usei:

Generate a simple browser game using the elements in this image. Base the game on what’s shown.

Nesse prompt, tomei cuidado para não especificar nada do desenho em si, porque eu queria ver se o modelo conseguiria interpretar o conteúdo visual e gerar um jogo com base no que enxergou.

O resultado foi um joguinho chamado Snowy’s Day, em que você podia mover o bonequinho para coletar neve enquanto caía.

Como dá para ver, os elementos do jogo foram tirados diretamente da imagem que enviei. Fiquei impressionado com a fidelidade ao espírito do desenho, mas definitivamente não era o jogo mais divertido do mundo. Embora talvez fosse bem divertido para uma criança de seis anos.

Um detalhe: o Gemini entendeu que a imagem era de neve. Fiquei com peso na consciência porque eu achava que eram estrelas!

Benchmarks do Gemini 3

O Google disponibilizou dados extensos de benchmark tanto do Gemini 3 Pro quanto do Gemini Deep Think, e os resultados impressionam em todas as frentes.

Benchmarks do Gemini 3 Pro

Em termos de raciocínio puro, o Gemini 3 Pro demonstra o que o Google chama de "raciocínio em nível de PhD". Aqui estão os destaques:

Raciocínio visual

O raciocínio visual dá um salto enorme.

No ARC-AGI-2, o Gemini 3 Pro marca 31,1%. É um salto enorme em relação aos 4,9% do Gemini 2.5 Pro e bem à frente de Claude Sonnet 4.5 e GPT-5.1.
Da mesma forma, no ScreenSpot-Pro, que testa entendimento de telas, o Gemini 3 Pro atinge 72,7%, dominando Claude Sonnet 4.5 (36,2%) e GPT-5.1 (3,5%).

Ambos são avanços enormes na capacidade do modelo de entender e raciocinar sobre informação visual.

Matemática

Com 23,4% no MathArena Apex, o Gemini 3 Pro atropela a concorrência. Para contextualizar: o Gemini 2.5 Pro fez 0,5%, o Claude Sonnet 4.5 ficou com 1,6% e o GPT-5.1 alcançou apenas 1,0%. Isso estabelece um novo padrão para modelos de fronteira em raciocínio matemático.

Planejamento de longo horizonte

Para medir planejamento de longo horizonte, existe o benchmark Vending-Bench 2, que simula a gestão de uma empresa de máquinas de venda automática por um ano inteiro. O modelo precisa tomar decisões contínuas sobre estoque, preços e tudo mais. A ideia é testar se uma IA consegue manter decisões consistentes e racionais ao longo de milhares de escolhas sequenciais sem perder os objetivos de vista nem agir de forma errática.

Nesse benchmark, o Gemini 3 Pro atinge patrimônio líquido médio de US$ 5.478,16. Compare com Claude Sonnet 4.5 (US$ 3.838,74) e GPT-5.1 (US$ 1.473,43). Pode soar como um teste de nicho, mas para agentes de IA reais que precisam gerenciar tarefas por dias ou semanas, esse tipo de confiabilidade faz toda a diferença.

Outros benchmarks

O Gemini 3 Pro apresenta desempenho forte em uma ampla gama de benchmarks adicionais. Ele lidera em entendimento multimodal (MMMU-Pro), compreensão de vídeo (Video-MMMU), raciocínio com gráficos (CharXiv) e programação competitiva (LiveCodeBench Pro).

Uma exceção notável: o Claude Sonnet 4.5 supera por pouco o Gemini 3 Pro no SWE-Bench Verified, um benchmark de engenharia de software.

Benchmarks do modo Gemini 3 Deep Think

Agora, vamos aos benchmarks do Gemini Deep Think, o modo de raciocínio reforçado que está em avaliação com equipes de segurança antes de ficar disponível para assinantes do Google AI Ultra nas próximas semanas.

Você pode estar se perguntando: se o Gemini 3 Pro já está no topo dos rankings, por que o modo Deep Think importa? A resposta é que alguns problemas se beneficiam de mais tempo de raciocínio. O Deep Think usa raciocínio paralelo e prolongado para dedicar mais esforço computacional a tarefas especialmente desafiadoras. Ele foi projetado para demorar mais, mas, nos problemas mais difíceis, esse tempo extra se traduz em resultados significativamente melhores, como mostram estes benchmarks:

Resolução de problemas inéditos

O resultado do ARC-AGI-2 é o que mais me chama atenção. O Gemini 3 com Deep Think alcança 45,1% no ARC-AGI-2. (Esta é a versão oficial e verificada do benchmark associado à competição ARC Prize.) Nesse teste, o modelo podia escrever e executar código como ferramenta de raciocínio — basicamente, usar programação para pensar sobre os problemas.

Por que isso importa? ARC-AGI-2 testa especificamente a capacidade do modelo de resolver desafios novos e desconhecidos. São problemas que ele nunca viu e para os quais não pode só fazer pattern matching com base nos dados de treino. Historicamente, isso tem sido uma das coisas mais difíceis para sistemas de IA, então uma pontuação forte indica que estamos vendo raciocínio genuíno, não memorização.

Perguntas extremamente difíceis

O modo Deep Think atinge 37,5% sem usar ferramentas no Humanity's Last Exam. E com o Deep Think ativado, isso sobe para 41,0%. Para referência, o GPT-5.1 marcou 26,5%.

Esse benchmark é fascinante porque foi criado para testar conhecimento e raciocínio no limite do entendimento humano. Pense em problemas extremamente difíceis que exigem profunda especialização. O fato de o Gemini 3, usando o Deep Think, responder corretamente a mais de um terço dessas questões sugere que ele não está apenas recitando informação, mas realmente raciocinando sobre problemas muito complexos e ambíguos.

Ciência em nível de pós-graduação

O modo Deep Think tira nota A — 91,9% — no GPQA Diamond, um benchmark de questões de ciência em nível de pós-graduação. O Deep Think eleva ainda mais a pontuação para 93,8%. Embora 91,9% já seja impressionante, o mais interessante é ver que isso representa uma base sobre a qual o Deep Think ainda consegue melhorar.

Como acessar o Gemini 3?

O Gemini 3 Pro já está disponível em várias plataformas. Você pode usar imediatamente no app Gemini. Ele também alimenta o Modo IA na Busca, então é possível que você já esteja interagindo com o Gemini 3 sem perceber.

Se você é desenvolvedor, pode acessar o Gemini 3 Pro pela Gemini API no Google AI Studio, no Vertex AI e no Gemini CLI. Ele também está disponível na recém-anunciada plataforma Google Antigravity e em várias ferramentas de terceiros como Cursor, GitHub, JetBrains, Manus e Replit.

Assinantes do Google AI Ultra têm acesso ao Gemini 3 Pro, junto com o recurso experimental Gemini Agent para criar agentes multi-etapas. O Deep Think está em avaliação com equipes de segurança e ficará disponível para assinantes Ultra nas próximas semanas, mas só após avaliações adicionais de segurança.

Para estudantes, o Google lançou um plano gratuito de um ano que dá acesso ao Gemini 3 Pro, além de upload ilimitado de imagens, 2 TB de armazenamento e ferramentas adicionais como o NotebookLM.

Como o Google está usando o Gemini 3

O Gemini 3 Pro já está em campo, e o Google já o colocou para trabalhar em dois recursos principais:

AI Overviews na Pesquisa do Google

O Google está tão confiante neste novo modelo que está dando o passo incomum de integrá-lo diretamente à Pesquisa. Embora os AI Overviews estejam chegando a cada vez mais páginas desde abril, o Gemini 3 Pro agora passa a impulsionar esses resumos desde o dia do lançamento.

Gemini 3 e Google Antigravity

Outra parte bem empolgante do anúncio é a inclusão de uma nova plataforma de desenvolvimento agentic, o Google Antigravity.

Essa ferramenta é impulsionada pelas capacidades de raciocínio, uso de ferramentas e agentic coding do Gemini 3. O Google promete uma experiência familiar, como um IDE com IA, mas com agentes capazes de acessar diretamente o editor, o terminal e o navegador para ajudar você a planejar, escrever e verificar projetos complexos de forma autônoma.

O Antigravity vai se conectar ao Gemini 3 Pro, ao modelo Gemini 2.5 Computer Use para controle do navegador e ao Nano Banana (Gemini 2.5 Image) para edição de imagens.

Considerações finais

O Google deixa claro com este lançamento: voltou à disputa pelo modelo de IA mais capaz — e está entregando rápido, em escala, em todo o seu ecossistema de produtos. Dadas as especificações, é difícil discordar: o Gemini 3 Pro parece hoje o melhor modelo do mundo para entendimento multimodal.

Como sempre, o Google está bem posicionado. Sua infraestrutura de nuvem, chips customizados e stack de IA verticalmente integrado se reforçam mutuamente para entregar uma performance que poucos concorrentes conseguem igualar. Como os ganhos abrangem raciocínio, programação, entendimento multimodal e planejamento de longo horizonte, tudo indica que o Google fez melhorias fundamentais na arquitetura central do Gemini com o Gemini 3 Pro. Além disso, o Google parece estar construindo com casos de uso de negócios específicos em mente, então as formas de usar IA estão ficando mais variadas e interessantes muito rápido.

Se você precisa se atualizar em tudo sobre IA, recomendo começar pela trilha de habilidades AI Fundamentals.

FAQs sobre o Gemini 3

Qual é a diferença entre o Gemini 3 Pro e o Gemini 3 Deep Think?

O Gemini 3 Pro é o modelo principal disponível nos apps e plataformas para desenvolvedores do Google, otimizado para o dia a dia. O Deep Think é um modo opcional que permite um raciocínio multi-etapas mais avançado — porém mais lento — e será disponibilizado para usuários premium assim que o Google concluir os testes de segurança.

Para que serve a janela de contexto de 1 milhão de tokens?

Ele permite que o Gemini 3 processe entradas massivas — como artigos científicos completos, bases de código inteiras ou longas transcrições de vídeo — sem precisar dividir em blocos, possibilitando um raciocínio mais profundo e coeso sobre grandes volumes de dados.

Como eu posso testar o Gemini 3 Pro grátis?

O Gemini 3 Pro está disponível para todos no app Gemini e para assinantes do Google AI Pro e Ultra. Ele também alimenta o Modo IA na busca. Para desenvolvedores, você pode acessar a API no AI Studio e também na nova plataforma de desenvolvimento agentic, o Google Antigravity. Estudantes podem obter um plano Gemini Pro gratuito por um ano, com acesso ao Gemini 3 Pro, 2 TB de armazenamento no Google Drive e uploads ilimitados de imagens.

O que é o Google Antigravity e como ele difere do AI Studio ou do Vertex AI?

O Antigravity é a nova plataforma de desenvolvimento orientada por agentes do Google, funcionando como um IDE com IA em que agentes podem programar, testar e usar ferramentas diretamente. O AI Studio e o Vertex AI são APIs e plataformas para deploy de modelos; o Antigravity traz essas capacidades para um ambiente prático e colaborativo.

Por que as pontuações de benchmark importam para o Gemini 3 Pro?

Benchmarks fornecem evidências mensuráveis do desempenho de um modelo em raciocínio, programação e tarefas multimodais. Eles ajudam a avaliar qual modelo atende melhor às suas necessidades, embora testes no mundo real continuem essenciais, já que benchmarks não cobrem todos os casos de uso.

Autor

Matt Crabtree

Escritor e editor de conteúdo na área de edtech. Comprometido com a exploração de tendências de dados e entusiasmado com o aprendizado da ciência de dados.