---
title: "Auditoria do próprio Google não encontra o flywheel de IA que seu cofundador diz já ter começado"
description: "Primeira auditoria interna da DeepMind sobre pesquisa impulsionada por IA, publicada em 14 de outubro de 2026, mostra a capacidade subindo a estáveis 0,1 ponto de índice por mês, sem aceleração autoinduzida; um dia depois, Sergey Brin afirmou que o flywheel já começou. Os gastos de capital da Alphabet apostam que ele está certo."
publisher: "The Inference"
section: "Frontier"
published: 2026-10-16T17:27:50.181Z
modified: 2026-10-16T17:27:50.181Z
canonical: https://theinference.org/article/google-s-own-audit-cannot-find-the-ai-flywheel-its-founder-says-has-started/pt
language: pt
keywords: "Google, Alphabet, DeepMind, Sergey Brin, AI Safety, Capital Expenditure"
---

# Auditoria do próprio Google não encontra o flywheel de IA que seu cofundador diz já ter começado

> Primeira auditoria interna da DeepMind sobre pesquisa impulsionada por IA, publicada em 14 de outubro de 2026, mostra a capacidade subindo a estáveis 0,1 ponto de índice por mês, sem aceleração autoinduzida; um dia depois, Sergey Brin afirmou que o flywheel já começou. Os gastos de capital da Alphabet apostam que ele está certo.

O Google divulgou esta semana dois documentos que divergem entre si — e só um deles descreve o que os gastos da [Alphabet](https://theinference.org/markets/companies/alphabet) estão comprando. Em 14 de outubro de 2026, o [Google DeepMind](https://theinference.org/markets/companies/google-deepmind) publicou [a primeira auditoria interna sobre se a IA está acelerando a pesquisa em IA](https://cryptobriefing.com/google-deepmind-no-ai-research-acceleration/), inserida no relatório de segurança de seu novo modelo de fronteira, o Gemini 4 Argon, e não encontrou nenhuma aceleração que as máquinas pudessem reivindicar como mérito próprio [1][2].

Um dia depois, o cofundador do Google, Sergey Brin, afirmou em uma mesa-redonda que seus pesquisadores e seus modelos "trabalham lado a lado" e que o Google está "[começando a embarcar nessa esteira do RSI](https://www.businessinsider.com/sergey-brin-google-gemini-ai-argon-recursive-self-improvement-rsi-2026-10)" [3][4]. O autoaperfeiçoamento recursivo (recursive self-improvement), ou RSI, é o ciclo em que a IA ajuda a construir a IA que a substitui — com cada geração supostamente chegando mais rápido que a anterior [3].

## A auditoria encontrou uma reta, não um flywheel

A avaliação, liderada pelo pesquisador do [DeepMind](https://theinference.org/markets/companies/google-deepmind) Haydn Belfield, acompanha a capacidade dos modelos de fronteira em um Índice de Capacidade Geral: um número por modelo, composto a partir de pontuações em 123 modelos e 92 benchmarks — algo como um QI para IA [1][2]. Desde o fim de 2024, a pontuação sobe cerca de 0,1 ponto por mês, uma reta notavelmente estável [2]. No caso dos modelos públicos do laboratório, o ganho mensal antes de abril de 2026 era de 0,091 ponto; depois de abril, ficou em 0,118 — e o relatório não encontrou diferença estatisticamente significativa entre os dois períodos [1].

O próprio Argon fica ligeiramente acima da tendência, e a equipe atribui isso a mais computação e mais investimento organizacional, e não à autoaceleração [1][2]. Nas palavras de Belfield, "[Atualmente não há aceleração significativa de ponta a ponta na P&D de aprendizado de máquina, seja ela impulsionada por IA ou não](https://decrypt.co/381061/google-deepmind-ai-isnt-building-itself-writes-most-code)" [2]. Uma ressalva, porém, joga para os dois lados: os números descrevem apenas o laboratório da própria DeepMind, não os da [OpenAI](https://theinference.org/markets/companies/openai) nem os da [Anthropic](https://theinference.org/markets/companies/anthropic) [2].

## A IA escreve o código, mas humanos ainda conduzem quase toda alteração

O flywheel teria de engrenar no meio da cadeia — e é aí que ele empaca. As ferramentas de IA hoje escrevem mais de três quartos do código de produção da DeepMind, mas cerca de 88% das alterações de código ainda precisam de um humano para conduzir a IA ou escrever código antes de qualquer coisa entrar em produção [1][2]. A fatia concluída de ponta a ponta pela IA avançou apenas de 7,5% para 11,9% entre abril e setembro [2].

No RE-Bench, uma bateria interna de 74 tarefas de engenharia de aprendizado de máquina, o agente do Argon concluiu cerca da metade [1]. O Gemini 3.7 Flash, da geração anterior, ficou em 27%. Ambos estão muito abaixo dos 90% que a DeepMind considera sinal de alerta para automação total [1][2]. Em 1.389 execuções de agentes revisadas, quanto maior a tarefa, menor a probabilidade de o modelo concluí-la sozinho [2].

*Chart: **No RE-Bench, Argon conclui cerca da metade; alerta da DeepMind para automação total está em 90%** Gráfico de colunas com as taxas de conclusão do RE-Bench: Gemini 3.7 Flash 27%, agente do Gemini 4 Argon cerca de 50%, sinal de alerta de automação total da DeepMind 90%*

*Percentual de conclusão das tarefas de engenharia de aprendizado de máquina do RE-Bench. A coluna dos 90% é a nota que a DeepMind considera sinal de alerta para automação total, e não um resultado de modelo; o número do Argon é apresentado como cerca da metade. Fontes: auditoria de segurança do Gemini 4 Argon da DeepMind, via Crypto Briefing e Decrypt. [1][2]*

Um levantamento com 12 pesquisadores seniores da DeepMind constatou que a automação é maior na execução bem especificada e verificável, e menor na ideação aberta e no faro para pesquisa de longo prazo [1][2]. Continuam escassos a verificação, a revisão e o julgamento sobre qual ideia merece computação.

## Os gastos de capital partem da versão do fundador

Brin diz que o Google já está uns dois modelos à frente do Argon internamente e espera que o ritmo apenas acelere [3][4]. Vihan Jain, líder de RSI do Gemini na DeepMind, publicou que, no pós-treinamento — o estágio em que um modelo-base pronto é refinado com feedback e dados —, a demanda havia migrado de pedir chips puros e simples para pedir "cota de Argon" [3].

A tese move dinheiro de verdade. As ações de chips recuaram quase 6% há um mês, quando o presidente-executivo da Anthropic, [Dario Amodei](https://theinference.org/markets/people/dario-amodei), defendeu que o autoaperfeiçoamento recursivo já estava acelerando [2]. Um relatório publicado na quarta-feira pela [Gladstone AI](https://www.gladstone.ai/), consultoria que assessora o governo americano em política de IA, constatou que a maioria dos pesquisadores ouvidos espera RSI em três a doze meses [3][5][6]. A Alphabet gastou [cerca de US$ 45 bilhões com projetos de capital no segundo trimestre](https://www.sec.gov/cgi-bin/browse-edgar?action=getcompany&CIK=0001652044), contra um histórico medido em que cada ponto de capacidade ainda vem de chips e pessoas [7].

*Chart: **Capex trimestral mais que quintuplicou enquanto a inclinação medida da capacidade seguiu estável** Gráfico de linhas com os gastos de capital trimestrais da Alphabet, que sobem de cerca de US$ 8 bilhões no 3º trimestre de 2023 para cerca de US$ 45 bilhões no 2º trimestre de 2026*

*Gastos de capital da Alphabet por trimestre fiscal, em bilhões de dólares, com base em documentos entregues à SEC. A inclinação de capacidade da DeepMind é um índice separado, descrito no texto. [7]*

## Leia o livro de contas antes de precificar o flywheel

Nada disso é um argumento contra a IA. O índice sobe de forma constante, os agentes são reais e o [Argon, apresentado em 30 de setembro](https://theinference.org/article/google-prices-gemini-4-argon-at-2-per-million-tokens-a-fifth-of-openai-and-anthropic-s-10-flagships), está de fato concluindo trabalhos de engenharia de longo prazo por todo o Google [2][8]. É um argumento a favor de separar a medição da narrativa: pelos próprios números da DeepMind, cada ponto de capacidade até aqui remonta à computação e ao efetivo, e não a máquinas compondo o próprio progresso.

Duas linhas do livro de contas da DeepMind decidirão a questão: a inclinação mensal do índice de capacidade e a fatia de alterações de código delegadas por completo. Uma inclinação que empine sem mais computação, e alterações que deixem de aguardar revisão, seriam o flywheel chegando. Até lá, o valor vai para quem construir a camada de revisão e confiança entre o que a IA escreve e o que uma organização coloca em produção.

## Takeaway

A auditoria da DeepMind mostra a capacidade subindo a estáveis 0,1 ponto de índice por mês e 88% das alterações de código ainda esperando por um humano; enquanto a curva não se acentuar sem nova computação, os trimestres de US$ 45 bilhões da Alphabet compram pessoas e chips — não um flywheel.

## Sources

1. [Crypto Briefing, Google DeepMind finds no acceleration in AI research progress, 15 October 2026](https://cryptobriefing.com/google-deepmind-no-ai-research-acceleration/)
2. [Decrypt, Google Says AI Isn't Building Itself Yet—Even Though It Writes 75% of the Code, 15 October 2026](https://decrypt.co/381061/google-deepmind-ai-isnt-building-itself-writes-most-code)
3. [Business Insider, Sergey Brin says Google's AI is approaching a critical moment, 15 October 2026](https://www.businessinsider.com/sergey-brin-google-gemini-ai-argon-recursive-self-improvement-rsi-2026-10)
4. [The Times of India (via MSN), Google co-founder Sergey Brin says company's AI is helping build its own successors, 16 October 2026](https://www.msn.com/en-in/news/other/google-co-founder-sergey-brin-says-company-s-ai-is-helping-build-its-own-successors-hinting-no-slowing-down-of-ai-development/ar-AA2emUk0)
5. [TIME, A New Report Sheds Light on the Secretive Race to Build Self-Improving AI, 14 October 2026](https://time.com/article/2026/10/14/recursive-self-improvement-AI-report/)
6. [Gladstone AI, company website, retrieved 16 October 2026](https://www.gladstone.ai/)
7. [Alphabet, quarterly capital expenditure from SEC filings, retrieved 16 October 2026](https://www.sec.gov/cgi-bin/browse-edgar?action=getcompany&CIK=0001652044)
8. [Google DeepMind, Gemini 4 Argon model page, retrieved 16 October 2026](https://deepmind.google/models/gemini/)


---

Auditoria do próprio Google não encontra o flywheel de IA que seu cofundador diz já ter começado — The Inference. Canonical: https://theinference.org/article/google-s-own-audit-cannot-find-the-ai-flywheel-its-founder-says-has-started/pt