Vad Google faktiskt sköt upp
I slutet av juni ändrade Google de data som används för att träna Gemini i ett försök att lyfta dess kodningspoäng. Resultaten kom tillbaka en besvikelse, och flaggskeppet Gemini 3.5 Pro, som många väntade på utvecklarkonferensen i maj, stannade i en begränsad företagsförhandsvisning. I veckan rapporterade The Information och Bloomberg att förseningen räknas i månader, inte veckor.
Google förnekade det inte. Företaget sade att man testar Gemini 3.5 Pro, en förbättrad Flash-modell och andra system med partner, och att man diskuterar modellens förmågor och teststandarder med den amerikanska regeringen. Vad man inte gav var ett datum, och frånvaron av ett är den del som betyder något.
Varför ett kodningsmiss gör mer ont än ett allmänt
En modell kan vara utmärkt på resonemang, skrivande och analys och ändå missa på kod, eftersom kodning belönar ett snävt, verifierbart slags korrekthet som inte medelvärdas bort. Googles brist sitter just där, på kodning och långa uppgifter i flera steg, och DeepMind-anställda ska internt ha påpekat att företaget saknar en trovärdig kommersiell kodningsprodukt för de företag som bygger AI-utvecklarverktyg.
Det är den förmåga marknaden köper just nu. De snabbast växande AI-utgifterna finns i kodningsassistenter, agenter och automation, och de köparna väljer den modell som skriver och rättar kod mest pålitligt. Att missa på kodning är inte att missa en funktion; det är att missa det användningsfall som betalar i dag.
Siffran marknaden satte på det
Alphabet-aktien föll omkring 4,4 procent på rapporterna och raderade i storleksordningen 225 miljarder dollar i marknadsvärde under en enda handelsdag. Det är ingen dom över Googles forskningsdjup, som förblir bland de bäst finansierade på jorden; det är marknaden som omprissätter en tidsplan den tagit för given.
Konkurrensramen är det som ger siffran skärpa. OpenAIs GPT-5.6 och xAIs Grok 4.5 finns redan på marknaden som kodningsinriktade modeller, så varje månad Gemini 3.5 Pro stannar i förhandsvisning är en månad där rivaler förvandlar utvecklarvanor till standardval. Förseningar hopar sig när det försenade är just det kunderna väljer efter.
Vad detta ändrar för en europeisk köpare
Om din plan antog en viss Gemini-kodningsförmåga till ett visst kvartal står det nu inget datum bakom det antagandet. För ett europeiskt team som väger Google, OpenAI, Mistral eller en modell med öppna vikter för en intern utvecklarplattform blev det säkra valet just det med det synliga gapet på din kärnuppgift.
Det talar också för att inte gifta sig med en enda leverantör innan förmågan levererats. Att bygga på en modell du kan testa i dag, med integrationen tunn nog att byta, kostar lite nu och sparar en ombyggnad senare. I euro är det dyra misstaget att binda ingenjörskvartal till en färdplan som ett labb kan flytta utan att säga det till dig.
Disciplinen som förseningen belönar
Behandla 'kommer snart' från vilket labb som helst som en förmåga du ännu inte har, och designa kring det du kan köra denna vecka. Det är inte cynism mot Google; det är samma regel som skyddar dig när nästa att halka blir OpenAI eller xAI.
Google kan fortfarande leverera en stark modell och täta gapet, och med sina resurser gör det förmodligen det. De som går före är de ägare som inte byggde om en produktlinje kring ett lanseringsdatum som aldrig var deras att lova.
Läs vidare: Den bästa röst-AI:n är inte den du kan driftsätta | Google skrotade en nästan färdig AI-modell
