Por que os novos limites de uso do Gemini baseados em computação geraram críticas

Em maio de 2026, o Google alterou de forma significativa a maneira como o assistente de IA Gemini mede o uso. Em vez de limitar o número de prompts que um usuário pode enviar por dia, a plataforma passou a usar cotas baseadas em computação, que estimam quanta capacidade de processamento cada interação consome.

A mudança pretende refletir melhor o custo real de executar modelos de IA modernos. Porém, assim que entrou em vigor, muitos usuários perceberam que estavam atingindo os limites muito mais rápido do que antes — o que gerou críticas imediatas.

Do limite de prompts para orçamento de computação

Antes da atualização, o Gemini funcionava com uma lógica simples: havia um número máximo de prompts por dia. Era fácil de entender e prever.

A partir de 17 de maio de 2026, o Google passou a calcular o uso com base no consumo de computação, não mais na quantidade de mensagens enviadas.

No novo modelo, a quantidade de cota usada depende de fatores como:

• Complexidade do prompt
• Modelo ou recurso utilizado (como raciocínio avançado ou geração de mídia)
• Duração e tamanho da conversa

Além disso, os limites não são mais diários. Agora eles se renovam a cada cinco horas, até que o usuário atinja um limite semanal total.

Na prática, isso significa que uma pergunta simples em texto consome muito pouco da cota, enquanto tarefas pesadas — como programação, agentes automatizados ou geração de vídeo — podem gastar muito mais recursos de uma só vez.

O impacto nos planos gratuitos e pagos

O sistema de cotas por computação vale para todos os usuários do Gemini, mas cada plano recebe um orçamento diferente.

Segundo a documentação de suporte do Google:

• Usuários gratuitos: recebem limites padrão.
• AI Plus: cerca de 2× mais capacidade que o plano gratuito.
• AI Pro: aproximadamente 4× mais capacidade que o plano gratuito.
• AI Ultra: limites muito maiores, dependendo do produto e das ferramentas utilizadas.

Durante o Google I/O 2026, a empresa também apresentou o plano AI Ultra de US$ 100 por mês, com limites significativamente maiores — incluindo até cinco vezes mais uso no ambiente de programação Antigravity em comparação ao AI Pro.

Com isso, a principal diferença entre planos deixou de ser apenas acesso a recursos e passou a ser quanto poder computacional o usuário pode consumir.

Por que muitos usuários atingiram os limites tão rápido

O principal problema relatado foi a falta de previsibilidade.

No modelo antigo, era relativamente fácil estimar quantos prompts ainda restavam. Já no novo sistema, como o consumo depende da complexidade da tarefa, o gasto de cota pode variar muito.

Alguns exemplos de atividades que consomem rapidamente o orçamento incluem:

• Sessões longas de programação
• Fluxos de trabalho com agentes de IA
• Uso de recursos avançados de raciocínio ou geração de mídia

Desenvolvedores relataram que algumas sessões intensivas eram suficientes para consumir o limite de cinco horas ou até uma grande parte do limite semanal.

Isso levou parte dos assinantes pagos a acusar o Google de um "bait and switch" — expressão usada quando um serviço parece oferecer uma coisa, mas na prática entrega menos valor após mudanças.

A reação rápida do Google

Diante da repercussão negativa, o Google respondeu rapidamente — principalmente no Antigravity, sua ferramenta de programação com IA.

Poucos dias após o lançamento das novas cotas:

• O Google triplicou os limites de uso dos modelos Gemini no Antigravity.
• A empresa também resetou as cotas semanais dos usuários, permitindo que continuassem trabalhando imediatamente.

Logo depois, os limites foram triplicados novamente, ampliando ainda mais a capacidade disponível para desenvolvedores.

Esses ajustes rápidos sugerem que o Google subestimou o quanto fluxos de trabalho reais — especialmente programação e automação com agentes — consumiriam do novo orçamento de computação.

O que esse episódio revela sobre a economia da IA

A controvérsia evidencia um desafio crescente para empresas de IA.

Sistemas modernos não têm custos uniformes. Uma resposta simples em texto pode ser barata de gerar, enquanto tarefas com contexto longo, raciocínio complexo ou geração de vídeo exigem muito mais poder computacional.

Cotas baseadas em computação ajudam as empresas a alinhar o uso ao custo real da infraestrutura. Porém, isso cria um problema de experiência para o usuário: quando o limite depende de cálculos internos difíceis de entender, fica mais difícil prever quanto do serviço ainda está disponível.

O caso do Gemini mostra bem esse dilema. O sistema foi criado para refletir melhor o custo real da IA — mas acabou confundindo usuários e gerando reação negativa quase imediata.

À medida que assistentes de IA ficam mais avançados — e mais caros de rodar — as empresas do setor precisam equilibrar três fatores:

• Custos crescentes de computação para modelos avançados
• Limites claros e previsíveis para os usuários
• Planos de assinatura que continuem parecendo vantajosos

Encontrar esse equilíbrio provavelmente será um dos maiores desafios de produto para a indústria de IA nos próximos anos.