Google: Gemini 3.8 Flash (batch)

Gemini 3.8 Flash é o modelo da Google com saída textual para engenharia de software continuada, agentes de várias etapas e fluxos complexos de trabalho com conhecimento. Baseia-se no Gemini 3.7 Flash, com melhorias na engenharia de software e no trabalho de conhecimento com agentes. Aceita texto, imagens, áudio, vídeo e PDF, pelo que uma tarefa pode combinar um objetivo escrito com o material efetivamente necessário para o resolver. O resultado útil é uma alteração de código, uma análise explicada, uma resposta escrita ou um registo estruturado.

Para uma tarefa de programação, forneça o requisito, os ficheiros relevantes, o comportamento observado e as restrições a preservar. Uma captura de ecrã pode estabelecer a interface pretendida, enquanto os registos ou um exemplo que reproduza o problema mostram a falha. Para depuração, peça ao modelo que investigue uma discrepância entre o estado visível de um formulário e o seu valor guardado, identifique o percurso de código responsável e proponha uma correção focada. Mantenha claro o artefacto final pretendido, para que uma sequência mais longa de investigação e utilização de ferramentas continue a ter uma condição de conclusão específica.

Para trabalho mais prolongado, utilize passos de raciocínio menores, chamadas iterativas de ferramentas e verificações dos resultados intermédios. Os níveis de pensamento low, medium e high controlam a quantidade de raciocínio; medium é a predefinição documentada. Low adequa-se a um rascunho rápido ou a uma análise delimitada, enquanto high se destina a matemática difícil, programação ou tarefas de várias etapas. O Gemini 3.8 Flash não suporta o nível de pensamento minimal. Uma tarefa de depuração continuada e uma extração simples de campos exigem, por isso, escolhas de raciocínio diferentes, em vez da mesma definição para todos os pedidos.

As ferramentas documentadas incluem chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Google Maps e contexto de URL, sendo Computer Use apresentado como capacidade em pré-visualização. As saídas estruturadas definem um resultado legível por máquina. As funções devem ter uma finalidade clara e uma definição dos parâmetros: o modelo pode pedir uma função, enquanto a aplicação ligada executa a operação e devolve o resultado. Preserve as identidades das funções e o material efetivamente devolvido entre turnos. Uma resposta final útil explica que provas sustentam a correção proposta ou o valor extraído.

O guia de migração para 3.8 utiliza controlos de nível de pensamento em vez da configuração antiga de orçamento de raciocínio e aconselha remover parâmetros de amostragem obsoletos e turnos de modelo pré-preenchidos. Exige também preservar as assinaturas de pensamento no fluxo de trabalho sem estado relevante e fazer corresponder as respostas de funções às respetivas chamadas por identidade e nome. Estes pormenores importam ao continuar uma tarefa de várias etapas: o turno seguinte precisa do contexto anterior real, e não de um relato reescrito que perca o resultado da ferramenta ou a assinatura. Mantenha explícitos a pergunta e o resultado pedido no novo turno do utilizador.

Para trabalho de conhecimento multimodal, identifique as páginas de documento, o gráfico, o intervalo de áudio ou o acontecimento no vídeo relevantes e indique como devem contribuir para a resposta. Uma comparação documental pode pedir uma tabela de diferenças com passagens das fontes; uma pergunta sobre um gráfico pode pedir os valores visíveis e a conclusão que sustentam. Uma análise de vídeo pode pedir uma descrição dos acontecimentos que justificam uma conclusão. O modelo devolve texto a partir destas entradas. Imagens geradas, voz e interação áudio Live pertencem a perfis de modelos distintos.

Os seus limites da Gemini API são 1 048 576 tokens de entrada e 65 536 tokens de saída, correspondendo ao contexto de até 1M e à saída textual de 64K do modelo nativo. As instruções, o histórico de conversação e os suportes multimédia fornecidos consomem o contexto de entrada, e o raciocínio ou um artefacto final longo têm de caber no limite de saída documentado. A Google apresenta também cache, processamento em lote, Flex e processamento Priority para este perfil do produtor. Para itens independentes, mantenha um identificador de item estável e um formato de saída explícito, para que cada resultado continue ligado à sua fonte.

As limitações possíveis incluem alucinações, episódios ocasionais de lentidão ou de falha por exceder o tempo limite e maior utilização de tokens com esforço mais elevado. A sua data-limite de conhecimento é março de 2026, mantendo-se alguns domínios limitados a janeiro de 2025. Forneça provas atuais ou utilize as ferramentas de fundamentação documentadas quando a tarefa depender de informação posterior. Reveja as citações de fontes, os cálculos e o código proposto face às entradas e aos resultados de execução reais. O artefacto final útil deve distinguir uma conclusão sustentada de uma questão por resolver, sem pressupor que uma resposta fluente estabelece o resultado pedido.