--- title: "Google lança três novos modelos de IA, incluindo um focado em cibersegurança" author: "Lígia Lemos Maia" date: "2026-07-22 10:45:00-03" category: "Inteligência Artificial & Dados" url: "http://desbugados.scale.press/portal/desbugados/post/2026/07/22/google-lanca-tres-novos-modelos-de-ia-incluindo-um-focado-em-ciberseguranca/md" --- ## Resumo - Google anunciou em 21 de julho de 2026 três novos modelos Gemini focados em eficiência e especialização. - Gemini 3.6 Flash reduz tokens em 17% e melhora benchmarks como DeepSWE de 37% para 49%. - Gemini 3.5 Flash-Lite entrega 350 tokens/s e preços a partir de US$ 0,30 por milhão de tokens de entrada. - Gemini 3.5 Flash Cyber encontrou 55 problemas no V8, incluindo 10 exclusivos, e descobriu falhas em 2 horas. - Modelo de cibersegurança limitado a governos e parceiros por causa de uso dual. - Disponibilidade dos modelos Flash a partir de 21 de julho de 2026, com Gemini 3.5 Pro ainda em testes. - Estratégia visa competir com Anthropic e OpenAI em agentes autônomos e segurança. --- No dia 21 de julho de 2026, o **Google** anunciou o lançamento de três novos modelos de inteligência artificial da família **Gemini**, um movimento que promete facilitar a vida de desenvolvedores e profissionais de segurança ao oferecer ferramentas mais eficientes e especializadas. Esses modelos — o **Gemini 3.6 Flash**, o **Gemini 3.5 Flash Cyber** e o **Gemini 3.5 Flash-Lite** — foram projetados para atingir o ponto ideal entre qualidade e velocidade, reduzindo custos e tokens processados em até **17%** em comparação com versões anteriores. A pergunta que naturalmente surge é: como essas inovações concretas podem ajudar equipes a proteger sistemas contra ameaças digitais sem exigir recursos exorbitantes? Ao mergulharmos nos detalhes fornecidos pelos comunicados oficiais, percebemos que cada modelo traz números específicos e aplicações práticas que vão além de meros anúncios de marketing. Este texto desbuga o que mudou, como usar essas ferramentas no dia a dia e o que elas representam para quem lida com código e segurança diariamente. ## A Eficiência como Prioridade no Gemini 3.6 Flash O **Gemini 3.6 Flash** surge como o modelo mais robusto do trio, com melhorias em tarefas de programação, trabalho com conhecimento e desempenho multimodal, ao mesmo tempo em que consome menos recursos. Segundo os dados do anúncio, ele reduz o uso de tokens de saída em **17%** em média, chegando a até **65%** em benchmarks específicos como o DeepSWE da Datacurve, o que significa menos custo para os usuários que processam grandes volumes de texto ou código. Os preços são de **US$ 1,50 por milhão de tokens de entrada** e **US$ 7,50 por milhão de tokens de saída**, valores mais acessíveis que os de modelos anteriores. Em testes, ele alcançou **49%** no DeepSWE contra **37%** da versão anterior, **63,9%** no MLE Bench contra **49,7%**, **83,0%** no OSWorld-Verified contra **78,4%** e **1421** no GDPval-AA v2 contra **1349**. Essas melhorias práticas permitem que equipes de desenvolvimento executem mais tarefas com o mesmo orçamento, traduzindo-se em maior produtividade sem sacrificar a precisão. Além disso, o modelo inclui salvaguardas aprimoradas contra usos indevidos em áreas sensíveis como armas biológicas ou ataques cibernéticos, tornando-o mais resistente a tentativas de contornar regras éticas. ## Velocidade e Agentes Autônomos com o Gemini 3.5 Flash-Lite Em seguida, o **Gemini 3.5 Flash-Lite** foi criado para ser o mais rápido e econômico da linha 3.5, entregando **350 tokens de saída por segundo** segundo o índice Artificial Analysis. Seus preços são ainda mais baixos: **US$ 0,30 por milhão de tokens de entrada** e **US$ 2,50 por milhão de tokens de saída**, o que o torna ideal para fluxos de trabalho onde a IA precisa atuar de forma autônoma por longos períodos. Os benchmarks mostram ganhos claros, como **54%** no Terminal-Bench 2.1 contra **31%**, **72,2%** no GDM-MRCR v2 contra **60,1%**, **1140** no GDPval-AA v2 contra **642**, **54,2%** no SWE-Bench Pro contra **49,6%** e **74,0%** no OSWorld-Verified contra **65,1%**. O modelo inclui uso de computador como ferramenta integrada, facilitando tarefas como navegação em interfaces ou execução de comandos complexos sem intervenção constante humana. Para quem constrói agentes de IA — sistemas que perseguem objetivos ao longo de horas ou dias —, essa versão oferece a confiabilidade necessária para escalar aplicações no mundo real, como automação de processos empresariais ou pesquisa automatizada. Como já exploramos em análises anteriores sobre a aposta do Google em agentes autônomos, [este avanço conecta diretamente com o Gemini 3.5 Flash](https://desbugados.com.br/post/2026/05/20/google-aposta-em-gemini-35-flash-para-tarefas-longas-de-ia) ao trazer ferramentas práticas para o dia a dia de equipes técnicas. ## O Modelo Especializado em Cibersegurança: Gemini 3.5 Flash Cyber O **Gemini 3.5 Flash Cyber** representa o destaque mais inovador do lançamento, pois foi ajustado especificamente para descobrir, validar e corrigir vulnerabilidades de segurança em grandes bases de código. Construído sobre o Gemini 3.5 Flash e refinado com dados de mais de **700 mil vulnerabilidades** do OSV.dev e do OSS-Fuzz, ele atua de forma mais eficaz e barata que modelos maiores em tarefas de cibersegurança. Em testes no benchmark CyberGym, o agente associado alcançou desempenho competitivo contra modelos significativamente maiores, e na avaliação Big Sleep focada em navegadores como Chrome e Safari, superou as versões principais do 3.5 Flash e 3.6 Flash. No pipeline de varredura de commits do Google Chrome, houve aumento significativo de detecções. Um exemplo concreto veio do motor JavaScript V8: em um número fixo de invocações, ele encontrou **55 problemas únicos confirmados**, contra **47** do 3.5 Flash principal e **36** do Opus 4.6, incluindo **10 questões** que os outros dois modelos não detectaram. Na prática, equipes internas do Google usaram o modelo em bases de código do Chrome, Android, Cloud, Ads e YouTube, e a equipe de pesquisa de vulnerabilidades da Cloud descobriu falhas de execução remota em APIs públicas e uma vulnerabilidade de corrupção de memória em um serviço de produção em apenas **duas horas**, gerando um exploit 100% confiável que contornava proteções como ASLR e W^X. Devido à natureza de uso dual — ou seja, a mesma tecnologia pode servir tanto para defesa quanto para ataque —, o modelo está disponível exclusivamente para governos e parceiros confiáveis por meio do agente CodeMender, em um programa piloto limitado que deve expandir com o tempo. O CodeMender combina múltiplos agentes do 3.5 Flash Cyber para gerar relatórios consolidados, e suas capacidades fundamentais estão sendo trazidas para clientes via Gemini Enterprise Agent Platform. Feedback inicial de testadores da Wiz e da Cloud CISO Security Engineering confirma melhorias significativas em relação ao modelo principal. ## Contexto Competitivo e Estratégia do Google O lançamento acontece em um momento em que o **Google** busca recuperar posição frente a rivais que já investiram pesado em sistemas especializados. A **Anthropic** lançou em abril o Mythos focado em cibersegurança, disponível apenas para um pequeno grupo de organizações, seguido pelo Fable 5 com capacidades similares e proteções contra uso malicioso. A **OpenAI** também introduziu seu próprio modelo de cibersegurança, inicialmente restrito e depois ampliado. Esses movimentos mostram que a corrida pela IA aplicada à segurança não é nova, mas o **Google** aposta na eficiência de custo e tokens para democratizar o acesso em escala. O Gemini 3.5 Pro, esperado para junho, ainda está em testes com parceiros e será lançado amplamente quando pronto, enquanto a equipe já iniciou o pré-treinamento do Gemini 4. A ênfase em construir agentes de IA em escala reflete a visão de que o futuro não está apenas em modelos mais poderosos, mas em sistemas confiáveis, rápidos e acessíveis que possam operar de forma autônoma sem consumir recursos excessivos. Para o leitor que lida com código ou segurança, isso significa oportunidades concretas de experimentar ferramentas mais baratas que entregam resultados mensuráveis em benchmarks reais. ## A Caixa de Ferramentas: Próximos Passos Práticos Com esses dados em mãos, o profissional pode começar testando o **Gemini 3.6 Flash** ou o **3.5 Flash-Lite** para tarefas de codificação e automação, aproveitando os preços reduzidos e a menor demanda por tokens para otimizar orçamentos. Para equipes de segurança, acompanhar a expansão do programa piloto do **Gemini 3.5 Flash Cyber** via CodeMender oferece um caminho para integrar detecção avançada de vulnerabilidades sem depender exclusivamente de modelos caros. Recomenda-se monitorar o blog oficial do Google para atualizações sobre disponibilidade e novos benchmarks, além de explorar integrações com plataformas existentes como o Gemini Enterprise Agent Platform. O próximo passo concreto é avaliar como essas ferramentas se encaixam em fluxos de trabalho atuais, testando em ambientes controlados para medir ganhos reais de eficiência e precisão. Assim, cada usuário ganha o controle necessário para navegar essas inovações com base em fatos e não em especulações.