Lar
O Gemini 3.1 Pro Deep Research Agent do Google é lançado com o protocolo MCP e recursos multimodais
O Google revelou recentemente dois novos agentes de pesquisa autônoma baseados na arquitetura Gemini 3.1 Pro: o Deep Research e o Deep Research Max. Essas ferramentas já estão disponíveis para pré-visualização pública por meio do plano pago da API Gemini. Elas foram projetadas para automatizar totalmente fluxos de trabalho de pesquisa complexos, sinalizando uma evolução dos agentes de IA, que passam de consultas básicas na web para modelos de “raciocínio de longo prazo” capazes de realizar análises aprofundadas.

O agente Deep Research padrão enfatiza a eficiência e a baixa latência, tornando-o ideal para aplicações conversacionais em tempo real que exigem respostas rápidas. Em contrapartida, o Deep Research Max concentra-se na profundidade da investigação, utilizando tempo de processamento prolongado para raciocínio e iteração em várias etapas, voltado principalmente para tarefas de back-end assíncronas, como relatórios de due diligence. Tecnicamente, esta nova iteração introduz suporte para o Model Context Protocol (MCP), permitindo que os agentes extraiam dados da web aberta, bem como de bancos de dados privados contendo informações financeiras ou de mercado. Além disso, os agentes agora contam com ferramentas de visualização nativas, permitindo-lhes gerar diretamente gráficos e infográficos no formato HTML.

Em testes de desempenho de benchmark, o Google relata que o Deep Research Max demonstra ganhos substanciais em tarefas de recuperação e raciocínio em comparação com modelos anteriores. No entanto, analistas do setor observam que as comparações com a série GPT-5.4 da OpenAI e o Opus4.6 da Anthropic podem ser influenciadas pelas metodologias de teste e devem ser vistas com cautela. Uma adição notável é um recurso de planejamento colaborativo, com suporte a entradas multimodais, incluindo PDFs, áudio e vídeo. Os desenvolvedores também têm a opção de desativar completamente o acesso à rede para garantir a segurança de dados privados confidenciais.
O Google indicou que esses dois agentes compartilham a mesma estrutura de pesquisa subjacente do NotebookLM e do Google Search, e serão ainda mais integrados ao mercado corporativo por meio do Google Cloud. À medida que os agentes de pesquisa autônoma avançam para a era do “raciocínio de longo prazo”, seu papel na análise profissional está evoluindo de um mero processador de informações para um especialista autônomo, capaz de planejar análises profundas.
Artigo relacionado
CEO da DeepMind, Hassabis: Durmo seis horas por dia, geralmente me sinto energético por volta da 1h
O Fortune recentemente publicou uma entrevista com Demis Hassabis, CEO da Google DeepMind, revelando sua abordagem incomum para descanso e produtividade. Hassabis revelou que dorme muito pouco, estruturando suas horas acordadas em dois blocos de trab
OpenAI e Anthropic disputam participação no mercado, apesar da queda na receita
Apesar de relatos recentes sugerirem que a OpenAI não atingiu suas metas de receita, o que gerou pressão sobre as ações do setor de tecnologia nesta terça-feira, os investidores privados em laboratóri
Conformidade com a regulamentação de veículos autônomos na Califórnia: uma nova era de multas, geocercas e 1 milhão de milhas
A Guident opera um veículo de transporte da AuveTech no sul da Flórida, administrando uma rota de quatro milhas em West Palm Beach e uma rota de uma milha em Boca Raton por meio de sua tecnologia de m
Recomendações de tópicos especiais relacionados
Comentários (0)
O Google revelou recentemente dois novos agentes de pesquisa autônoma baseados na arquitetura Gemini 3.1 Pro: o Deep Research e o Deep Research Max. Essas ferramentas já estão disponíveis para pré-visualização pública por meio do plano pago da API Gemini. Elas foram projetadas para automatizar totalmente fluxos de trabalho de pesquisa complexos, sinalizando uma evolução dos agentes de IA, que passam de consultas básicas na web para modelos de “raciocínio de longo prazo” capazes de realizar análises aprofundadas.

O agente Deep Research padrão enfatiza a eficiência e a baixa latência, tornando-o ideal para aplicações conversacionais em tempo real que exigem respostas rápidas. Em contrapartida, o Deep Research Max concentra-se na profundidade da investigação, utilizando tempo de processamento prolongado para raciocínio e iteração em várias etapas, voltado principalmente para tarefas de back-end assíncronas, como relatórios de due diligence. Tecnicamente, esta nova iteração introduz suporte para o Model Context Protocol (MCP), permitindo que os agentes extraiam dados da web aberta, bem como de bancos de dados privados contendo informações financeiras ou de mercado. Além disso, os agentes agora contam com ferramentas de visualização nativas, permitindo-lhes gerar diretamente gráficos e infográficos no formato HTML.

Em testes de desempenho de benchmark, o Google relata que o Deep Research Max demonstra ganhos substanciais em tarefas de recuperação e raciocínio em comparação com modelos anteriores. No entanto, analistas do setor observam que as comparações com a série GPT-5.4 da OpenAI e o Opus4.6 da Anthropic podem ser influenciadas pelas metodologias de teste e devem ser vistas com cautela. Uma adição notável é um recurso de planejamento colaborativo, com suporte a entradas multimodais, incluindo PDFs, áudio e vídeo. Os desenvolvedores também têm a opção de desativar completamente o acesso à rede para garantir a segurança de dados privados confidenciais.
O Google indicou que esses dois agentes compartilham a mesma estrutura de pesquisa subjacente do NotebookLM e do Google Search, e serão ainda mais integrados ao mercado corporativo por meio do Google Cloud. À medida que os agentes de pesquisa autônoma avançam para a era do “raciocínio de longo prazo”, seu papel na análise profissional está evoluindo de um mero processador de informações para um especialista autônomo, capaz de planejar análises profundas.
CEO da DeepMind, Hassabis: Durmo seis horas por dia, geralmente me sinto energético por volta da 1h
O Fortune recentemente publicou uma entrevista com Demis Hassabis, CEO da Google DeepMind, revelando sua abordagem incomum para descanso e produtividade. Hassabis revelou que dorme muito pouco, estruturando suas horas acordadas em dois blocos de trab
OpenAI e Anthropic disputam participação no mercado, apesar da queda na receita
Apesar de relatos recentes sugerirem que a OpenAI não atingiu suas metas de receita, o que gerou pressão sobre as ações do setor de tecnologia nesta terça-feira, os investidores privados em laboratóri











