Um plano de junho construído sobre um modelo de julho
Uma responsável de produto em Lisboa tinha inscrito o Gemini 3.5 Pro num plano de lançamento de junho, com uma demonstração para um cliente montada à volta. Depois a Google adiou o modelo para 17 de julho de 2026 e, o que é mais invulgar, disse ter deitado fora a arquitetura base subjacente e reconstruído tudo de raiz. A demonstração depende agora de um modelo que ainda não existe.
Esta é a segunda decisão escondida num único anúncio. A Google fez uma escolha dura sobre o seu próprio produto. A equipa de Lisboa fez uma mais branda meses antes, quando tratou uma data de lançamento prometida como um dado fixo. Só uma destas duas decisões foi disciplinada, e não foi a de quem compra.
Porque é que a Google deitou fora um modelo pronto
A Google DeepMind não afinou o modelo antigo; abandonou-o. Avaliações internas divulgadas mostraram que a anterior arquitetura base do Gemini 2.5 Pro aguentava texto simples, mas ruía com chamadas recursivas a ferramentas e disposições complexas de várias camadas, e tropeçava no raciocínio matemático. Em vez de lançar um produto de topo que falhava justamente onde os rivais são fortes, a Google reconstruiu a base e reiniciou a data.
O sucessor aponta a uma janela de contexto de dois milhões de tokens, uma camada de raciocínio mais profunda e fluxos de trabalho mais estáveis a longo prazo, dirigidos diretamente contra o GPT-5.6 da OpenAI e o Fable 5 da Anthropic. O pano de fundo não era calmo: investigadores seniores saíram para a OpenAI e a Anthropic em junho, e a Alphabet perdeu cerca de 225 mil milhões de dólares de valor de mercado numa única sessão a 22 de junho. Lançar um produto de topo fraco naquela situação teria sido o erro fácil e caro.
A disciplina que a maioria das equipas salta
O difícil de um custo irrecuperável é que parece progresso. Um projeto que está noventa por cento pronto, com dinheiro real e meses já gastos, é exatamente o projeto que as equipas se convencem a lançar. O teste racional ignora quanto custou um projeto e pergunta apenas quanto vale terminá-lo a partir daqui. A Google aplicou esse teste a um modelo quase completo e travou-o. A maioria das organizações, perante o mesmo projeto quase pronto, lança-o e depois gere os estragos.
A lição não é que os atrasos sejam bons; é que a decisão de parar deve depender do valor futuro, nunca de quanto já foi investido. Se um projeto não passa a fasquia para a qual foi construído, os meses perdidos ficam perdidos quer lancem quer não, e lançar só acrescenta o custo da limpeza. A Google acabou de adiantar esta lição em público, à escala de um produto de topo.
O que isto muda para o vosso próprio roteiro
Tratem cada modelo não publicado como uma suposição datada, não como um compromisso. Se um lançamento está no vosso caminho crítico, anotem a data com que contam, o modelo alternativo que usarão se ele escorregar e o último dia em que podem trocar sem quebrar uma promessa a um cliente. Uma dependência anotada consegue-se gerir; uma que só vive num diapositivo gere-vos a vós.
As empresas que saíram prejudicadas neste trimestre foram as que assinaram entregas contra um lançamento que não tinha acontecido. A disponibilidade é uma variável de compra, e este mês mexeu-se para todos ao mesmo tempo. Planeiem contra o que já foi lançado, mantenham uma alternativa testada a uma só troca de distância, e deixem os fornecedores carregar com as suas próprias datas escorregadas em vez de passar o risco aos vossos clientes.
Leia a seguir: Por que o laboratório de IA mais valioso já não é o mais famoso? | Quando o crente mais investido na IA dá um passo atrás, o que está a dizer-lhe?
