O Google prepara uma nova ofensiva na corrida pela inteligência artificial voltada ao desenvolvimento de software. A empresa está próxima de lançar um novo modelo da família Gemini com melhorias significativas em programação, numa tentativa de diminuir a vantagem conquistada por Anthropic e OpenAI entre desenvolvedores.
O modelo é conhecido internamente pelo codinome “Skimaki” e, segundo informações divulgadas nesta semana, pode chegar ao mercado já nos próximos dias. A expectativa é que ele faça parte da linha Flash, voltada principalmente para oferecer respostas rápidas e custos menores de processamento.
A movimentação acontece justamente quando programação se transformou em uma das aplicações comerciais mais disputadas da IA generativa. Ferramentas capazes de compreender grandes projetos, escrever código e trabalhar de maneira relativamente autônoma começam a mudar profundamente a rotina dos desenvolvedores.
Google tenta recuperar espaço na programação
Embora o Google continue sendo uma das principais empresas responsáveis pelo desenvolvimento de modelos avançados de inteligência artificial, a disputa específica pela preferência dos programadores ganhou uma dinâmica diferente.
Anthropic e OpenAI conseguiram construir forte presença nesse mercado com ferramentas capazes de atuar diretamente sobre projetos de software.
Desenvolvedores passaram a utilizar agentes de IA não apenas para pedir pequenos trechos de código, mas para executar tarefas completas: localizar bugs, compreender repositórios, modificar vários arquivos simultaneamente, escrever testes e implementar funcionalidades.
Esse movimento tornou programação uma das áreas nas quais a capacidade dos modelos pode ser transformada rapidamente em receita.
No Vale do Silício, ferramentas como Claude Code e Codex ganharam espaço entre engenheiros, enquanto o Google precisou reorganizar sua própria estratégia para programação.
Novo modelo pode ser lançado já nesta semana
Segundo informações publicadas nesta terça-feira (2), o lançamento do novo Gemini pode acontecer ainda nesta semana.
O modelo conhecido como Skimaki teria apresentado resultados promissores em avaliações internas relacionadas à programação. Engenheiros do próprio Google teriam demonstrado preferência pelo novo sistema em comparações internas com modelos concorrentes da Anthropic.
Ainda é necessário aguardar o lançamento público para verificar como o modelo se comportará em benchmarks independentes e, principalmente, em projetos reais.
Esse ponto é importante porque testes internos realizados pelas próprias empresas não representam necessariamente a experiência que desenvolvedores terão no cotidiano.
Linha Flash aposta em velocidade e eficiência
O Skimaki estaria relacionado à estratégia dos modelos Flash.
Essa família não busca necessariamente oferecer apenas o maior nível possível de inteligência.
A proposta envolve equilibrar capacidade, velocidade e custo.
Para aplicações utilizadas milhões de vezes diariamente, essa equação pode ser tão importante quanto alcançar o primeiro lugar em um benchmark.
Imagine um agente de programação trabalhando durante vários minutos em um projeto.
Ele pode precisar realizar dezenas ou centenas de chamadas ao modelo.
Cada interação possui um custo computacional.
Um modelo ligeiramente menos poderoso, mas muito mais rápido e barato, pode acabar sendo economicamente mais interessante para determinadas tarefas.
É justamente nesse cenário que modelos Flash ganham importância.
Programação virou campo de batalha da IA
O interesse do Google não acontece por acaso.
Programação se transformou em uma das primeiras atividades profissionais nas quais agentes de IA demonstraram capacidade de executar tarefas relativamente complexas do início ao fim.
Inicialmente, assistentes funcionavam principalmente como um autocomplete sofisticado.
O desenvolvedor começava uma linha.
A IA sugeria a continuação.
Depois, modelos começaram a gerar funções inteiras.
Agora, agentes conseguem trabalhar sobre projetos completos.
A mudança é enorme.
IA já consegue navegar por projetos inteiros
Um agente moderno pode receber uma instrução como:
“Encontre por que o sistema de login está apresentando erro depois da última atualização e corrija o problema.”
A partir daí, ele pode analisar arquivos, procurar dependências, localizar a parte relevante do código, propor alterações e executar testes.
Em alguns ambientes, agentes também conseguem utilizar terminal e outras ferramentas disponíveis ao desenvolvedor.
Isso transforma IA de assistente de programação em algo mais próximo de um agente de engenharia de software.
Anthropic ganhou força com Claude Code
A Anthropic conseguiu construir uma posição especialmente forte nesse mercado.
O Claude Code tornou-se uma das principais ferramentas utilizadas por desenvolvedores interessados em programação assistida por agentes.
A vantagem não está simplesmente em gerar código sintaticamente correto.
Modelos precisam compreender relações entre arquivos, manter contexto durante tarefas longas e modificar projetos sem quebrar funcionalidades existentes.
Isso exige capacidades de raciocínio e utilização de ferramentas que vão muito além do autocomplete tradicional.
A força da Anthropic nesse segmento ajudou a transformar programação em uma das principais frentes competitivas do mercado de IA.
Anthropic acaba de reforçar seus modelos
A disputa ficou ainda mais intensa nesta semana.
A Anthropic lançou novos modelos da família Claude, incluindo o Claude Fable 5.1, destacando justamente melhorias relacionadas à programação e trabalhos realizados por agentes.
A companhia afirma que otimizações também podem reduzir significativamente os custos em determinadas tarefas complexas.
Isso significa que o novo modelo do Google não chegará a um mercado parado.
Enquanto a empresa prepara sua resposta, seus concorrentes continuam avançando.
OpenAI também disputa desenvolvedores
A OpenAI representa outra grande concorrente.
A empresa vem expandindo a utilização de agentes capazes de trabalhar sobre projetos de software, transformando programação em uma das áreas mais importantes de sua estratégia.
A competição deixa de ser apenas:
“Qual chatbot responde melhor?”
A pergunta agora é:
“Qual IA consegue realmente executar trabalho?”
Essa mudança altera profundamente o mercado.
Um chatbot tradicional espera perguntas.
Um agente recebe objetivos.
O agente pode trabalhar durante minutos ou horas
Esse é um dos conceitos fundamentais da nova geração de IA.
Imagine pedir:
“Crie um painel administrativo para este sistema.”
Um chatbot poderia responder com exemplos de código.
Um agente pode tentar efetivamente executar o trabalho.
Ele analisa o projeto.
Cria arquivos.
Modifica componentes.
Executa testes.
Encontra erros.
Tenta corrigir.
E continua trabalhando até concluir a tarefa ou encontrar algum bloqueio.
Quanto maior essa autonomia, maior o valor econômico potencial da tecnologia.
Código é um excelente ambiente para agentes
Existe uma razão técnica para programação estar avançando tão rapidamente.
Código pode ser testado.
Se uma IA escreve uma função, é possível executá-la.
Funcionou?
Existe um sinal objetivo.
Falhou?
O modelo recebe o erro e tenta novamente.
Esse ciclo cria condições excelentes para técnicas de aprendizado por reforço e treinamento pós-modelo.
A IA pode produzir código, observar o resultado, corrigir e repetir.
Poucas atividades intelectuais oferecem feedback tão rápido e verificável.
Google aumenta investimento em pós-treinamento
O Google vem intensificando justamente seus esforços em reinforcement learning e post-training, técnicas utilizadas para transformar modelos básicos em sistemas mais capazes de resolver tarefas específicas.
A empresa também realizou mudanças organizacionais e trouxe especialistas para reforçar essa área.
O objetivo é melhorar não apenas aquilo que o modelo sabe, mas sua capacidade de utilizar esse conhecimento para resolver problemas.
Isso é particularmente importante para programação.
Um modelo pode conhecer milhares de linguagens, bibliotecas e frameworks.
Mas precisa conseguir aplicar esse conhecimento corretamente durante uma tarefa com várias etapas.
Google possui uma vantagem gigantesca: sua própria engenharia
Poucas organizações possuem tanto código quanto o Google.
A empresa mantém alguns dos maiores sistemas de software do mundo.
Busca, YouTube, Android, Chrome, Gmail, Maps, Google Cloud e dezenas de outras plataformas dependem de enormes equipes de engenharia.
Isso transforma a própria companhia em um gigantesco ambiente de testes para ferramentas de programação baseadas em IA.
O Google já afirmou anteriormente que uma parcela significativa do novo código produzido internamente envolve assistência de inteligência artificial.
Quanto mais seus próprios engenheiros utilizam essas ferramentas, maior a quantidade de feedback disponível para aprimorá-las.
Antigravity faz parte dessa estratégia
Outro elemento importante é a plataforma Antigravity.
O Google vem tentando consolidar ferramentas internas de programação e criar uma experiência mais integrada para desenvolvimento utilizando inteligência artificial.
A reorganização busca reduzir uma fragmentação que teria dificultado anteriormente a competição contra produtos mais focados de Anthropic e OpenAI.
Isso mostra que possuir um excelente modelo não é suficiente.
O desenvolvedor precisa de uma boa ferramenta.
Modelo e produto são coisas diferentes
Imagine que duas empresas possuam modelos praticamente equivalentes.
A primeira oferece apenas uma API.
A segunda possui integração com Git, terminal, IDE, testes, histórico do projeto e ferramentas de implantação.
Para um desenvolvedor, a segunda pode ser muito mais útil.
Por isso, a corrida pela programação envolve diferentes camadas:
o modelo;
o agente;
a interface;
as integrações;
o ambiente de desenvolvimento;
e a infraestrutura onde o código será executado.
Google, Anthropic e OpenAI estão competindo em várias dessas frentes simultaneamente.
Replit mostra como modelos podem virar agentes
Um exemplo dessa transformação aparece em plataformas como a Replit.
O Replit Agent utiliza modelos de diferentes fornecedores, incluindo Claude e Gemini, para executar tarefas complexas de desenvolvimento.
O usuário pode simplesmente descrever um aplicativo e deixar que o agente realize parte significativa do trabalho necessário para construí-lo.
Esse modelo de utilização demonstra algo importante.
No futuro, o usuário talvez nem saiba exatamente qual IA está trabalhando nos bastidores.
Plataformas podem escolher automaticamente o modelo mais eficiente para cada tarefa.
Isso aumenta a pressão sobre preço
Se modelos começam a ser intercambiáveis dentro das ferramentas, preço e velocidade ganham ainda mais importância.
Uma plataforma pode decidir:
“Para esta tarefa simples, utilizarei um modelo rápido e barato.”
“Para este problema complexo, utilizarei um modelo mais poderoso.”
Isso transforma modelos de IA em infraestrutura.
E infraestrutura costuma competir fortemente por custo.
A linha Flash do Google está posicionada justamente para esse tipo de cenário.
Modelo barato pode vencer modelo ligeiramente melhor
Suponha que uma IA resolva 80% dos problemas de programação.
Outra resolve 82%.
Mas a segunda custa três vezes mais.
Para uma empresa executando milhões de tarefas, talvez o primeiro modelo seja economicamente superior.
Essa é uma das razões pelas quais benchmarks isolados não determinam necessariamente quem vencerá comercialmente.
Velocidade, preço, estabilidade e facilidade de integração também importam.
Google Cloud pode ser peça fundamental
O Google possui outra vantagem importante: infraestrutura.
Empresas que utilizam modelos Gemini podem integrar IA diretamente ao ecossistema do Google Cloud.
Isso cria uma combinação poderosa.
O mesmo fornecedor oferece:
modelos;
computação;
bancos de dados;
armazenamento;
ferramentas de desenvolvimento;
segurança;
e infraestrutura de implantação.
Para grandes empresas, essa integração pode ser tão relevante quanto alguns pontos adicionais em benchmarks.
Programadores estão se tornando supervisores de agentes
A evolução dessas ferramentas também começa a modificar a profissão.
O desenvolvedor tradicional escreve grande parte do código manualmente.
Com agentes, uma parcela crescente do trabalho pode se transformar em:
descrever o problema;
definir arquitetura;
fornecer contexto;
avaliar a solução;
revisar código;
testar resultados;
corrigir decisões da IA.
Em outras palavras, o programador passa gradualmente de autor de cada linha para supervisor de sistemas capazes de produzir código.
Isso não significa necessariamente que programadores desaparecerão.
Mas significa que a produtividade individual pode mudar radicalmente.
Uma pessoa poderá construir projetos maiores
Imagine um desenvolvedor trabalhando sozinho.
Hoje, existem limites claros para quanto software uma pessoa consegue produzir.
Com agentes capazes de trabalhar paralelamente, esse limite pode aumentar.
Um agente trabalha no frontend.
Outro implementa testes.
Outro procura vulnerabilidades.
Outro cria documentação.
O desenvolvedor coordena.
Esse modelo começa a aproximar uma única pessoa da capacidade que anteriormente exigiria uma pequena equipe.
Isso pode transformar startups
O impacto pode ser especialmente grande para startups.
Uma empresa nascente normalmente possui recursos limitados.
Contratar dez engenheiros custa muito dinheiro.
Se três desenvolvedores utilizando agentes conseguirem produzir aquilo que anteriormente exigia dez pessoas, a economia muda.
Startups podem criar produtos mais rapidamente.
Protótipos podem ser lançados em dias.
Experimentos ficam mais baratos.
Isso aumenta também a quantidade de software produzido.
Mas código gerado por IA traz novos riscos
A expansão não acontece sem problemas.
Modelos podem gerar código inseguro.
Podem utilizar bibliotecas antigas.
Podem introduzir vulnerabilidades.
Podem apagar informações importantes.
Podem interpretar incorretamente requisitos.
E podem produzir soluções que parecem funcionar inicialmente, mas criam problemas difíceis de detectar posteriormente.
Quanto maior a autonomia do agente, maior precisa ser a capacidade de supervisão.
Segurança começa a entrar diretamente na programação por IA
Essa preocupação ganha ainda mais importância conforme modelos passam a identificar e explorar vulnerabilidades.
A OpenAI, por exemplo, anunciou nesta semana medidas adicionais de segurança para seu próximo modelo avançado após avaliações demonstrarem capacidades significativamente maiores relacionadas à cibersegurança.
Isso mostra como programação e segurança estão convergindo.
Uma IA extremamente boa em compreender código também pode se tornar extremamente boa em encontrar falhas nesse código.
A mesma capacidade possui aplicações defensivas e ofensivas.
A corrida não é apenas para escrever código
Esse ponto muda a interpretação da disputa.
Google, Anthropic e OpenAI não estão tentando simplesmente criar um autocomplete melhor.
Elas estão tentando construir sistemas capazes de compreender e operar software.
Isso envolve escrever código.
Mas também:
executar;
testar;
depurar;
refatorar;
analisar;
procurar vulnerabilidades;
administrar infraestrutura;
e utilizar ferramentas externas.
Quanto mais essas capacidades avançam, mais próximos os modelos ficam de realizar tarefas completas de engenharia.
Próxima disputa será pela autonomia
O próximo grande benchmark talvez não seja simplesmente:
“Qual IA escreve melhor esta função?”
Pode ser:
“Qual IA consegue trabalhar durante três horas em um projeto sem precisar de intervenção humana?”
Essa mudança é fundamental.
Uma IA extremamente inteligente que precisa ser supervisionada a cada minuto pode gerar menos produtividade do que um modelo ligeiramente inferior capaz de trabalhar sozinho por longos períodos.
Autonomia passa a ser uma métrica tão importante quanto inteligência.
Skimaki pode representar resposta do Google
É nesse contexto que o novo modelo do Google ganha importância.
Informações iniciais indicam melhorias relevantes em programação e resultados internos competitivos diante dos principais rivais.
Mas o verdadeiro teste acontecerá depois do lançamento.
Desenvolvedores precisarão avaliar:
qualidade do código;
capacidade de trabalhar com projetos grandes;
uso de ferramentas;
velocidade;
estabilidade;
custo;
e desempenho em tarefas longas.
Esses fatores determinarão se o Google realmente conseguiu reduzir a distância para seus concorrentes.
Anthropic e OpenAI não estão esperando
Existe ainda outro problema para o Google: o mercado avança extremamente rápido.
A Anthropic acaba de atualizar sua linha Claude, enquanto a OpenAI prepara uma nova geração de modelos com capacidades ampliadas.
Isso significa que recuperar terreno não depende apenas de alcançar aquilo que os concorrentes possuem hoje.
É necessário acompanhar aquilo que eles lançarão amanhã.
A corrida pela IA tornou-se uma disputa em movimento permanente.
Programação pode definir quem vence a próxima fase da IA
Durante os primeiros anos da IA generativa, grande parte da disputa foi medida pela qualidade dos chatbots.
Agora, o mercado começa a procurar algo diferente.
Empresas querem sistemas capazes de realizar trabalho.
Programação tornou-se um dos primeiros ambientes onde isso é realmente possível em escala.
Código possui estrutura.
Pode ser testado.
Pode ser executado.
Pode ser corrigido automaticamente.
Isso transforma desenvolvimento de software em um laboratório ideal para agentes autônomos.
O Google sabe que perder essa disputa significaria abrir espaço para Anthropic e OpenAI justamente em uma das aplicações mais valiosas da inteligência artificial.
Por isso, o Skimaki representa mais do que simplesmente outro modelo Gemini.
Ele faz parte de uma tentativa de recuperar relevância entre desenvolvedores e posicionar o Google para a próxima etapa da corrida: aquela em que inteligência artificial deixa de apenas responder perguntas e começa efetivamente a executar trabalho digital.
Se os resultados internos se confirmarem quando o modelo chegar às mãos dos desenvolvedores, o Google poderá voltar a disputar diretamente a liderança em programação.
Caso contrário, Anthropic e OpenAI terão mais tempo para consolidar uma vantagem em um mercado que pode se tornar um dos mais importantes da economia da inteligência artificial.
