Gemini 4

Apresentação

Este é um modelo de raciocínio voltado para geração de texto, que aceita entradas de texto e imagem e produz sempre texto como saída. Entrada e saída compartilham uma janela de contexto de até 1.048.576 tokens, adequada para processar documentos longos e materiais com imagens. Destinado a desenvolvedores que precisam de raciocínio complexo e produção de texto em larga escala, pode ser usado em cenários de produção cotidiana como resumo e perguntas e respostas, extração de informações, redação de relatórios e de código; apresenta desempenho equilibrado em engenharia de software e tarefas de trabalho do conhecimento.

Destaques principais

• Entrada de texto e imagem com saída sempre em texto — aceita texto e imagens, com o mesmo modelo realizando a compreensão e gerando o resultado em texto, o que facilita tratar diversos tipos de material de forma unificada.
• Contexto de nível milionário compartilhado entre entrada e saída — a janela de contexto é de até 1.048.576 tokens, com entradas e saídas longas usando o mesmo orçamento, adequada para processar materiais muito extensos.
• Limite de 65.536 tokens por saída — a saída máxima por requisição é de 65.536 tokens, o que sustenta relatórios longos e a geração de grandes trechos de código.
• Suporte a três níveis de intensidade de raciocínio — pelo parâmetro reasoning_effort, é possível escolher entre os níveis low, medium e high, equilibrando profundidade de raciocínio e velocidade de resposta.

Descrição das capacidades

Compreensão e geração de texto e imagem: recebe texto ou imagem e, após a compreensão, gera sempre texto, o que facilita tratar materiais textuais e materiais visuais com a mesma interface.

Processamento de contexto muito longo: entrada e saída compartilham uma janela de até 1.048.576 tokens, adequada para compreensão e perguntas e respostas sobre documentos longos e códigos extensos.

Geração controlável de textos longos: a saída máxima por requisição é de 65.536 tokens, podendo ser usada para gerar relatórios extensos, documentos longos e grandes trechos de código.

Intensidade de raciocínio ajustável: pelo reasoning_effort, é possível escolher entre low, medium e high, equilibrando profundidade de raciocínio e velocidade de resposta conforme a complexidade da tarefa.

Tarefas cotidianas voltadas ao raciocínio: aplica-se a raciocínio complexo e perguntas e respostas do dia a dia; após receber a pergunta e o material de contexto, gera uma resposta em texto, cobrindo a maior parte da engenharia de software e do trabalho do conhecimento.

Cenários de aplicação

• Resumo e perguntas e respostas sobre documentos longos — o desenvolvedor insere relatórios ou documentos longos e obtém resumos, respostas e textos de extração de informações, para uso em bases de conhecimento e sistemas de recuperação.
• Extração de informações de conteúdo de imagens — insere capturas de tela ou imagens e obtém os textos explicativos e os pontos principais nelas contidos, para uso em fluxos de organização de materiais e arquivamento de conteúdo.
• Redação de relatórios e códigos longos — insere requisitos e materiais de referência e gera relatórios ou textos de código de até 65.536 tokens, para entrega de documentação e apoio ao desenvolvimento.
• Perguntas e respostas com raciocínio complexo de uso geral — voltado a perguntas e respostas cotidianas e tarefas de raciocínio complexo; recebe a pergunta e o material de contexto e gera uma resposta em texto, para uso em aplicações do tipo assistente.

Limitações e recomendações de escolha

A saída é apenas texto; não é possível gerar imagens, áudio ou vídeo. A janela de contexto é compartilhada entre entrada e saída, de modo que entradas longas consomem o orçamento de tokens disponível para a geração, e a saída máxima por requisição é de 65.536 tokens. Esta interface atualmente não oferece suporte a chamadas de ferramentas, busca na internet, computer use e saída estruturada; tarefas que exijam essas capacidades devem ser avaliadas separadamente; a intensidade de raciocínio pode ser escolhida entre low, medium e high por meio do reasoning_effort.