Gemini 3 Pro tem 54,2% no teste de código Terminal-Bench
O Google lançou o Gemini 3 Pro em 18 de novembro de 2025 e disse que o modelo marca 54,2% no Terminal-Bench 2.0, um teste de como um modelo opera um computador por meio de um terminal. Ele chegou no mesmo dia à API Gemini, ao Vertex AI, ao app Gemini e a uma nova plataforma de programação agêntica, o Google Antigravity. Para times de software, o lançamento é uma decisão de preço e de ferramentas: o acesso em prévia custa 2 dólares por milhão de tokens de entrada e 12 dólares por milhão de tokens de saída.
O que o Google lançou em 18 de novembro de 2025
O Google apresentou o Gemini 3, sua nova família principal de modelos multimodais, e liberou o Gemini 3 Pro no mesmo dia na Busca, no app Gemini, no Google AI Studio, no Vertex AI, no Gemini CLI e em uma nova plataforma de desenvolvimento chamada Antigravity. O InfoQ observa que lançamentos anteriores do Gemini chegavam primeiro a um conjunto pequeno de produtos; este chegou como uma única plataforma para uso de consumidores e empresas.
Um modo mais intenso em pesquisa, o Gemini 3 Deep Think, virá depois para assinantes do Google AI Ultra, quando passar por mais testes de segurança. O momento foi apertado: o TechCrunch informou que o lançamento veio sete meses depois do Gemini 2.5, menos de uma semana depois do GPT 5.1 da OpenAI e dois meses depois do Sonnet 4.5 da Anthropic.
Como o modelo se sai em testes de programação e raciocínio
O principal número de programação do Google é a marca de 54,2% no Terminal-Bench 2.0, que testa a capacidade de um modelo de usar ferramentas para operar um computador por meio de um terminal. O Google também diz que o modelo lidera o ranking WebDev Arena com 1487 Elo e estabelece novos recordes no MMMU-Pro e no Video MMMU, de raciocínio com imagem e vídeo.
Rankings independentes apontam na mesma direção. O TechCrunch informou nota de 37,4 no Humanity's Last Exam, a mais alta já registrada, contra o recorde anterior de 31,64 do GPT-5 Pro, e o primeiro lugar no LMArena, que mede a satisfação dos usuários. Fóruns de desenvolvedores citados pelo InfoQ debatem o risco de contaminação dos benchmarks e recomendam rodar avaliações internas antes de se comprometer.
O que o Google Antigravity faz pelos desenvolvedores
O Antigravity é a plataforma de desenvolvimento agêntico do Google construída em torno do modelo. Os desenvolvedores gerenciam agentes em vários espaços de trabalho, com um editor de código com IA conhecido no centro; os agentes planejam e executam tarefas de software no editor, no terminal e no navegador e relatam o trabalho por meio de artefatos detalhados.
"O agente pode trabalhar com o seu editor, o seu terminal e o seu navegador para garantir que ele ajude você a construir esse aplicativo da melhor forma possível." — Koray Kavukcuoglu, CTO da DeepMind
A prévia pública é gratuita para MacOS, Windows e Linux. O modelo também roda no Gemini CLI, no Android Studio e em ferramentas de terceiros, como Cursor, GitHub, JetBrains, Manus e Cline.
Como os desenvolvedores têm acesso e quanto custa
O modelo está em prévia na API Gemini, no Google AI Studio e no Vertex AI, por 2 dólares por milhão de tokens de entrada e 12 dólares por milhão de tokens de saída, para prompts de até 200 mil tokens. No Google AI Studio é gratuito, com limites de uso.
Segundo o InfoQ, ele aceita texto, imagens, vídeo, áudio e PDFs numa janela de contexto de até 1.048.576 tokens, com saída limitada a 65.536 tokens, e também é oferecido pelo Firebase AI Logic e pelo Gemini Enterprise. O Google acrescentou uma ferramenta bash no lado do cliente, que deixa o modelo propor comandos de shell, uma ferramenta bash hospedada no servidor para parceiros de acesso antecipado e a opção de combinar o Grounding com a Pesquisa Google e o contexto de URL com saídas estruturadas.
Quem já usa o Gemini
O lançamento chega a uma base grande de usuários. Segundo o Google, como informou o TechCrunch, o app Gemini tem mais de 650 milhões de usuários ativos por mês, e 13 milhões de desenvolvedores de software já usaram o modelo em seu fluxo de trabalho. Os usuários do Gemini Code Assist nos editores de código comuns recebem o Gemini 3 primeiro no modo agente, executando tarefas de programação de vários passos, e não só completações em linha.
O que muda para times de software e de operações
Para as empresas, a tarefa que o Google oferece é o trabalho longo, de vários passos, entregue a um agente. O Google destaca análise financeira, planejamento de cadeia de suprimentos e revisão de contratos, e o InfoQ observa que o modelo pode receber PDFs longos, capturas de tela e vídeo numa só requisição, então análise de documentos, triagem de logs e análises com muita mídia podem rodar num só modelo, em vez de sistemas separados de visão, fala e linguagem.
O preço publicado dá ao time uma forma de estimar o custo por tarefa antes de um piloto. O Google não apresentou resultados de clientes no lançamento, então o valor medido para cada empresa virá de suas próprias avaliações, que é o que os desenvolvedores nos fóruns aconselham.
Perguntas e respostas
O que é o Terminal-Bench 2.0?
É um benchmark que testa a capacidade de um modelo de usar ferramentas para operar um computador por meio de um terminal. O Google diz que o Gemini 3 Pro marca 54,2% nele.
Quanto custa o novo modelo do Google?
Na prévia, o Google cobra 2 dólares por milhão de tokens de entrada e 12 dólares por milhão de tokens de saída, para prompts de até 200 mil tokens. No Google AI Studio é gratuito, com limites de uso.
O que é o Google Antigravity?
O Antigravity é a plataforma de desenvolvimento agêntico do Google, em que desenvolvedores gerenciam agentes que trabalham no editor, no terminal e no navegador. A prévia pública é gratuita para MacOS, Windows e Linux.
A visão da MOZGII
Como nós construiríamos
Uma nota de benchmark diz a um time quais modelos testar, não qual comprar. O Terminal-Bench mede se um modelo consegue rodar comandos e corrigir os próprios erros num terminal, o que é próximo do trabalho real de um agente, mas o código, os documentos e as regras de cada empresa são diferentes. Trataríamos os números do Google como um motivo para testar o modelo, e nada mais.
Se fôssemos incluir um agente de programação ou de documentos baseado num modelo assim, começaríamos com um conjunto fixo de tarefas do nosso próprio trabalho: tickets reais, contratos reais, logs reais, cada um com um resultado correto conhecido. Todo modelo candidato rodaria o mesmo conjunto, e compararíamos o custo por tarefa concluída, não o custo por token. O agente trabalharia numa sandbox com permissões limitadas, e um engenheiro aprovaria qualquer mudança antes de ela chegar ao código compartilhado ou a sistemas de produção.
O plano quebraria nas tarefas longas. Um agente que planeja e age em muitos passos pode se desviar, repetir trabalho ou gastar tokens sem terminar. Limitaríamos os passos e o gasto de cada tarefa e pararíamos o agente quando ele atingisse um dos dois. A métrica que acompanharíamos é a parcela de tarefas concluídas corretamente sem retrabalho humano.
Depois, rodaríamos de novo o mesmo conjunto de tarefas sempre que um novo modelo sair, para que a troca de provedor seja uma decisão medida e não uma reação a um lançamento.
Fontes
De onde vêm os fatos desta matéria.