Gemini 4

Apresentação e posicionamento

Este é um modelo de raciocínio de nível flagship com saída em texto, voltado para as tarefas de múltiplas etapas e longa duração mais complexas, ocupando a posição mais alta da série. Ele recebe entradas de texto e imagem e produz saída exclusivamente em texto, suporta uma janela de contexto de até 1.048.576 tokens e uma saída máxima de 65.536 tokens por requisição, e permite ajustar a intensidade de raciocínio por meio das três opções low, medium e high de reasoning_effort. O público-alvo são desenvolvedores e equipes de pesquisa que precisam processar grandes volumes de material e produzir resultados escritos, sendo adequado para construir assistentes de análise, ferramentas de processamento de documentos e fluxos de trabalho complexos.

Destaques principais

• Posicionamento de raciocínio de nível flagship para tarefas complexas — ocupa a posição mais forte da série Gemini 4, voltado para tarefas complexas que exigem decomposição em múltiplas etapas e avanço ao longo de períodos prolongados.
• Janela de contexto de nível de milhões — janela de contexto de até 1.048.576 tokens, capaz de acomodar grandes volumes de texto e imagens processados em conjunto.
• Intensidade de raciocínio ajustável em três níveis — por meio das opções low, medium e high de reasoning_effort, permite equilibrar a profundidade do raciocínio e o ritmo de resposta.
• Entrada unificada de texto e imagem — texto e imagem passam pelo mesmo canal de entrada e a saída é unificada em texto, reduzindo o custo de integrar materiais de diferentes tipos separadamente.

Descrição das capacidades

Processamento de texto com contexto longo: o texto de entrada pode ocupar toda a janela de contexto de até 1.048.576 tokens, sendo adequado para compreender, resumir e responder perguntas sobre documentos longos completos, e para produzir os resultados da análise em formato de texto.

Compreensão de conteúdo de imagens: além das instruções de texto, é possível anexar entradas de imagem para perguntas e respostas sobre imagens, extração de informações contidas nelas e análise comparativa entre imagem e texto, com saída unificada em descrições ou conclusões textuais.

Geração de textos longos: saída máxima de 65.536 tokens por requisição, utilizável para redigir relatórios longos, documentos extensos e códigos mais longos, atendendo a produções escritas que exigem entrega em formato completo.

Ajuste da intensidade de raciocínio: por meio de reasoning_effort, define-se low, medium ou high para escolher a profundidade de raciocínio conforme a complexidade da tarefa, adaptando-se desde respostas rápidas até raciocínios de múltiplas etapas.

Processamento de tarefas complexas de múltiplas etapas: voltado para tarefas de longa duração que exigem análise contínua e julgamento abrangente, permitindo, em uma única requisição, combinar textos longos e materiais de imagem para apresentar uma conclusão textual completa.

Cenários de aplicação

• Análise e perguntas e respostas sobre documentos longos — pesquisadores e profissionais de operações enviam relatórios ou artigos extensos e obtêm resumos, respostas e pontos extraídos, para uso em bases de conhecimento internas e processos de revisão.
• Interpretação abrangente de materiais de texto e imagem — analistas fornecem simultaneamente descrições textuais e materiais de imagem e produzem textos interpretativos com comparação entre imagem e texto, para organização de informações e verificação de conteúdo.
• Redação de relatórios e documentos longos — equipes de consultoria e conteúdo fornecem materiais de contexto, e o modelo gera relatórios de análise ou documentos explicativos extensos, utilizados como minutas de entrega e material de revisão interna.
• Assistente de raciocínio complexo de múltiplas etapas — desenvolvedores integram o modelo a produtos de perguntas e respostas ou de análise para atender solicitações de conhecimento que exigem decomposição em múltiplas etapas, emitindo respostas em linguagem natural para leitura dos usuários finais.
• Produção de código longo e documentação técnica — equipes de engenharia fornecem descrições de requisitos e materiais relacionados, e o modelo gera explicações de código ou documentação técnica mais extensas, para uso em repositórios de documentação de projetos e materiais de transição.

Limitações e recomendações de seleção

A modalidade de saída é apenas texto, não sendo possível gerar imagens, áudio ou vídeo. A janela de contexto é compartilhada entre entrada e saída, e entradas longas consomem parte do orçamento de tokens disponível para a geração da saída, exigindo um equilíbrio entre o tamanho do material e a extensão da saída. O limite de saída por requisição é de 65.536 tokens, e o excedente precisa ser processado em lotes. A intensidade de raciocínio é definida por meio das opções low, medium e high de reasoning_effort, e a escolha do nível afeta a profundidade do raciocínio em tarefas complexas.