O Google I/O consolidou uma virada que já vinha se desenhando em ferramentas de desenvolvimento: modelos deixam de ser apenas motores de resposta e passam a ser motores de ação. O Google apresentou Gemini 3.5 Flash, Antigravity 2.0 e Managed Agents na Gemini API como peças de uma mesma estratégia para levar agentes do prompt até ambientes persistentes de execução.12
A mensagem central é que desenvolvimento com IA não pode depender só de uma conversa. O agente precisa planejar, editar arquivos, executar código, manter estado, chamar ferramentas, integrar com ambientes existentes e permitir que a equipe continue o trabalho depois. Essa é a diferença entre um gerador de código e uma infraestrutura de desenvolvimento agentivo.
Velocidade passa a ser requisito de agente
Gemini 3.5 Flash foi apresentado como um modelo voltado a tarefas agentivas e de código, combinando inteligência de fronteira com latência menor. O Google afirma que o modelo supera Gemini 3.1 Pro em benchmarks de codificação e agentes, com desempenho forte em Terminal-Bench, GDPval-AA e MCP Atlas.2
O detalhe técnico importa porque agentes são caros em passos, não apenas em tokens. Uma tarefa longa pode exigir dezenas ou centenas de iterações: ler contexto, editar, testar, falhar, investigar, corrigir, comparar alternativas e registrar resultado. Se cada passo é lento ou caro demais, a experiência fica presa a tarefas pequenas. Modelos rápidos e competentes ampliam o espaço de uso.
Isso não elimina a necessidade de validação. Pelo contrário. Quanto mais rápido o agente age, mais importante é ter testes, diffs, logs e checkpoints. A velocidade útil é a que encurta ciclos de feedback sem reduzir controle.
Managed Agents reduzem fricção operacional
A novidade mais prática para desenvolvedores é Managed Agents na Gemini API. Segundo o Google, uma chamada à API pode provisionar um ambiente Linux isolado onde o agente raciocina, usa ferramentas, executa código e mantém arquivos e estado para interações posteriores.1
Esse modelo resolve uma dor comum em projetos agentivos. Montar sandbox, ferramentas, persistência, permissões e ciclo de execução exige engenharia de plataforma. Se cada equipe precisa reinventar esse ambiente, a adoção fica lenta e inconsistente. Um serviço gerenciado baixa a barreira, embora também exija avaliação cuidadosa de segurança, custo, residência de dados e observabilidade.
A capacidade de definir agentes por instruções e skills em arquivos Markdown também aproxima o fluxo de práticas que equipes já conhecem. Em vez de esconder comportamento em prompts soltos, a configuração pode virar artefato versionado, revisado e compartilhado. Isso facilita padronizar papéis, limites e critérios de qualidade.
Antigravity vira casa do trabalho agentivo
O Google também posicionou Antigravity 2.0 como uma aplicação desktop agent-first, com múltiplos agentes em paralelo, subagentes dinâmicos, tarefas agendadas e integrações com AI Studio, Android e Firebase.1 O movimento conversa com uma tendência maior: agentes precisam de uma superfície própria para controlar tarefas longas.
No desenvolvimento tradicional, o IDE concentra edição, execução e depuração. Em desenvolvimento agentivo, a interface precisa mostrar plano, artefatos, histórico, comandos, estado de execução, revisão e resultado. Um agente que trabalha por minutos ou horas precisa ser acompanhado de forma diferente de um autocomplete.
Essa superfície também muda a relação com protótipos. O Google AI Studio passa a exportar projetos para Antigravity, preservando contexto, arquivos e histórico, e adiciona suporte para criar apps Android a partir de prompts.1 A promessa é reduzir a distância entre ideia, protótipo e produto. A exigência é não confundir protótipo funcional com software operável.
Produção ainda exige engenharia
O I/O deixou claro que o mercado está acelerando a camada de execução dos agentes. Isso é relevante para equipes pequenas porque remove parte da infraestrutura inicial. Também é arriscado se a organização passa a aceitar qualquer saída do agente sem revisão, testes e arquitetura.
Para empresas, o caminho saudável é tratar agentes como novos membros de uma pipeline, não como atalhos mágicos. Eles podem abrir caminho em tarefas repetitivas, prototipação, manutenção, geração de testes, documentação e investigação. Mas precisam operar com escopo, telemetria, permissões, critérios de aceite e revisão humana proporcional ao risco.
A mudança mais importante do Google I/O não é apenas um modelo novo. É a normalização de agentes com ambiente, ferramentas e ciclo de vida. Quando isso vira API e aplicação de desenvolvimento, a vantagem competitiva passa para quem sabe transformar execução rápida em entrega confiável.
- Google The Keyword, "Building the agentic future: Developer highlights from I/O 2026", 19 maio 2026. ↩
- Google The Keyword, "100 things we announced at I/O 2026", 20 maio 2026. ↩