Google prometeu o Gemini 3.5 Pro pra junho. Depois mirou 17 de julho. No dia 21 de julho lançou três modelos nesta família, só que nenhum deles é o Pro: Gemini 3.6 Flash, 3.5 Flash-Lite e um 3.5 Flash Cyber voltado pra segurança corporativa. O modelo que devia liderar em coding simplesmente não apareceu. De novo.
Por que o Gemini 3.5 Pro atrasou tantas vezes?
A linha do tempo mostra um padrão de promessa quebrada em série. O Google anunciou o Gemini 3.5 Flash no I/O em meados de maio e disse que a versão Pro chegaria em junho. Junho passou em branco. Uma nova mira foi definida pra 17 de julho, segundo reportagem do TechTimes. Esse prazo também passou sem anúncio. No dia 21 de julho o Google finalmente publicou algo, mas eram três modelos Flash, não o Pro.
A resposta oficial do Google é direta: o modelo não estava batendo a meta interna, principalmente em coding, que virou o caso de uso mais lucrativo pra qualquer lab hoje. No fim de junho, o time atualizou os dados de treino tentando destravar esse ponto específico. O resultado, segundo reportagem do TechCrunch, foi "decepcionante". Em vez de segurar o lançamento inteiro até resolver, o Google optou por soltar os três modelos menores e deixar o Pro pra uma data ainda não confirmada.
O que o Gemini 3.6 Flash resolve, e o que continua sem resposta?
Tecnicamente, o 3.6 Flash é uma evolução real: usa cerca de 17% menos tokens de saída que o antecessor pra tarefa equivalente, o que baixa custo por chamada em produção. Bom pra quem já roda Gemini em escala e quer economia. Mas não resolve o problema original. O dev que esperava o modelo top-tier de coding do Google continua esperando, sem prazo novo.
O padrão se repete: modelo fechado promete benchmark, atrasa, e o lab tapa o buraco com uma versão menor que carrega o mesmo nome de família. Quem decidiu a arquitetura do produto em cima daquele modelo específico fica no limbo até o release sair, se sair.
Atraso é disciplina técnica ou vendor lock-in mal disfarçado?
Dá pra defender o atraso: lançar cedo um modelo ruim em coding e queimar reputação é pior que segurar. Anthropic e OpenAI também já pausaram releases por meses antes de soltar. Mas o risco não é do lab, é de quem construiu o produto em cima de um único fornecedor fechado. Se o roadmap do seu pipeline de código depende do "próximo Gemini Pro" pra destravar uma feature, sua estrada virou refém do calendário de outra empresa.
É por isso que a fragmentação de modelos abertos ajuda na prática. Todo mês um lab diferente sobe um checkpoint competitivo: DeepSeek, GLM, Qwen, Kimi, MiniMax. O estado dos coding agents em julho já mostra GPT-5.5 e Opus 4.8 empatados no topo do ranking fechado, enquanto GLM-5.2 bate GPT-5.5 em coding custando 7x menos. Até o GitHub reconheceu esse movimento: em julho o Copilot passou a oferecer o Kimi K2.7, primeiro modelo open-weight na sua lista, depois de anos só com opções fechadas. Se um lab atrasa, o mercado aberto já tem substituto rodando.
Como não ficar refém do roadmap de um modelo fechado?
Quatro ajustes práticos que evitam essa dependência silenciosa:
- Não fixe o nome de um modelo específico no código crítico do pipeline. Use um endpoint que permita trocar sem reescrever integração.
- Meça capacidade com benchmark público (SWE-bench, WebDev Arena) e não com o discurso de marketing do lançamento.
- Tenha pelo menos dois modelos de labs diferentes já testados e prontos pra assumir produção.
- Prefira ambiente onde trocar de modelo no meio da sessão não derruba o contexto acumulado.
| Critério | 1 modelo fechado (aguardando release) | Múltiplos modelos abertos |
|---|---|---|
| Risco de atraso | Alto, pipeline para até o lab lançar | Baixo, troca pro modelo já disponível |
| Transparência de arquitetura | Nenhuma, pesos fechados | Pesos públicos, auditável |
| Custo por token | Definido pelo lab, pode mudar sem aviso | Fixo, GPU dedicada |
| Trocar de modelo | Reescrever integração | Mesmo endpoint, troca no meio da sessão |
É basicamente o desenho por trás do Verboo Code: 7 modelos open source rodando ao mesmo tempo em GPU dedicada (deepseek-v4-flash, mimo-v2.5, glm-4.7-flash, glm-5.2, kimi-k2.7, minimax-m3, qwen3.6-27b), endpoint compatível com OpenAI e troca de modelo no meio da sessão sem perder contexto. Se um lab atrasa ou muda de estratégia, o dev troca de modelo e segue o dia sem esperar comunicado oficial. MRR de R$ 30.409,90 este mês (+43%) com 167 assinantes ativos (+33%) sugere que essa aposta não é só teoria de blog.
O Gemini 3.5 Pro pode sair semana que vem ou em outubro. Ninguém garante, nem o próprio Google. O que dá pra garantir é não deixar seu workflow de coding refém de uma promessa só.
Enquanto o mercado discute quem lança o quê, a Verboo Code já entrega tokens ilimitados em agente de programação. Conheça.
