Google Gemini 3 Deep Think bate novo recorde em teste de inteligência geral

O Google ultrapassa um novo limite no desenvolvimento da inteligência artificial. A empresa anunciou uma atualização do Gemini 3 Deep Think que atinge 84,6% no benchmark ARC-AGI-2, um teste que os cientistas veem como a última barreira séria antes da inteligência geral. Não é apenas mais uma melhoria do modelo, mas uma mudança fundamental na forma como as redes neurais resolvem problemas complexos. Em vez de apenas gerar texto, o sistema passa a usar um modo de raciocínio profundo com verificação interna, que permite à máquina checar a própria lógica em tempo real.

Para entender a relevância desse passo, vale lembrar o que aconteceu na indústria nos últimos anos. Grandes modelos de linguagem como GPT e Claude geram texto com brilhantismo, mas muitas vezes tropeçam em tarefas que exigem inferência lógica em várias etapas e verificação de resultados. O ARC-AGI-2 foi desenvolvido por pesquisadores justamente como um teste que não cede à simples escala dos modelos: é um conjunto de tarefas de lógica e pensamento abstrato que exigem raciocínio de fato, e não apenas a previsão da próxima palavra. O resultado de 84,6% significa que o Gemini 3 Deep Think resolve corretamente quatro de cada cinco dessas tarefas, algo antes impossível até para os sistemas mais potentes.

Tecnicamente, isso foi obtido por meio de um novo mecanismo de raciocínio interno. O modelo agora não tem pressa em responder: passa por várias etapas de reflexão e confere cada passo lógico antes de formular a resposta final. É parecido com um matemático que não se limita a dar o resultado, mas trabalha o problema passo a passo, conferindo cada cálculo. O Google incorporou ao modelo a capacidade de autoverificação, o que reduz radicalmente a probabilidade de erros lógicos. Essa abordagem vale não só para quebra-cabeças abstratos, mas também para tarefas científicas e de engenharia reais, que exigem análise profunda e teste de hipóteses.

É por isso que o Google posiciona a atualização como ferramenta para ciência e engenharia, e não para entretenimento. O modelo agora pode ajudar pesquisadores a projetar sistemas complexos, verificar hipóteses científicas e resolver problemas de engenharia que exigem análise em vários níveis. Isso pode acelerar o desenvolvimento de novos materiais, medicamentos, arquiteturas de chips e outros sistemas complexos, nos quais cada erro custa muito dinheiro e tempo.

O que isso significa para o futuro da AGI, a inteligência artificial geral? Os 84,6% no ARC-AGI-2 não são a linha de chegada, mas um sinal claro de que estamos avançando não rumo a geradores de texto cada vez mais potentes, e sim a sistemas capazes de raciocínio genuíno. É um paradigma diferente do que dominou os últimos anos. A transição da escala de trilhões de parâmetros para mecanismos de verificação e raciocínio passo a passo pode ser justamente o que o progresso futuro precisa.

Ainda assim, é preciso cautela com as formulações. Um resultado alto em um único benchmark não significa que a AGI já chegou. O ARC-AGI-2 avalia um tipo específico de inteligência: o pensamento lógico e abstrato. A inteligência geral de verdade exigirá sucesso em muitas outras frentes: compreensão de contexto, lida com incerteza, adaptação a situações novas. Mesmo assim, a conquista do Google mostra que o caminho até lá está ficando mais claro. Os modelos aprendem não só a gerar, mas também a pensar, verificar e justificar.