Google Limita Uso do Gemini pela Meta: A Crise de Capacidade de IA Chegou

Veredito: A capacidade de computação para IA de ponta está agora com restrição de oferta no topo do mercado. O Google informou à Meta que não poderia fornecer toda a capacidade do Gemini que a Meta buscava — e os números confirmam: as requisições da API Gemini dobraram entre março e agosto de 2025, o backlog do Google Cloud quase dobrou de trimestre para trimestre, e a unidade de nuvem de $20 bilhões no trimestre não pôde crescer mais rápido especificamente por causa das restrições de computação. Isso não é mais um problema de startups.

O que aconteceu

O Google informou à Meta, por volta de março de 2026, que não poderia atender a toda a capacidade do Gemini que a empresa buscava adquirir, relatou o Financial Times em 28 de junho. A escassez atrasou alguns projetos internos de IA da Meta. Vários outros clientes do Google Cloud também foram afetados, embora a Meta — com sua demanda excepcionalmente alta — tenha sentido o pior impacto.

A Meta respondeu incentivando os funcionários a serem mais eficientes com tokens de IA. É o equivalente empresarial de "economizar água durante uma seca."

A partir de 17 de maio de 2026, o Google impôs limites de uso baseados em computação nos Gemini Apps com janelas móveis de 5 horas e tetos semanais — aplicados a todos os clientes, não apenas à Meta. O Google caracterizou isso como governança de uso justo durante crescimento rápido, não como falha técnica.

Os números por trás da crise:

Por que a crise de capacidade do Gemini importa

Este é o primeiro grande sinal de que a computação para IA de ponta está genuinamente com restrição de oferta — não apenas para startups reunindo clusters de GPU com dificuldade, mas para as empresas de tecnologia mais ricas do planeta. A Meta tem orçamento funcionalmente ilimitado e mesmo assim recebeu um "não."

Três implicações:

1. A disponibilidade do Gemini não é garantida. Se o Google não consegue atender a Meta com capacidade total, empresas de médio porte não devem presumir que sua cota de API está segura. O planejamento de capacidade precisa considerar possíveis limitações ou degradação durante picos de demanda. O backlog quase dobrado do Google Cloud significa contratos assinados esperando para serem cumpridos — a restrição é de computação, não de vendas.
2. A integração vertical vence. Empresas que possuem sua própria infraestrutura de inferência têm vantagem estrutural sobre aquelas que alugam de hiperescaladores. O silício personalizado da OpenAI, os acordos da Anthropic com AWS Trainium e os clusters dedicados da xAI protegem a disponibilidade de seus modelos. Os próprios modelos do Google rodando na própria nuvem do Google estão batendo em paredes — a estratégia de "apenas alugar de um hiperescalador" está rachando sob a carga.
3. Eficiência de tokens se torna um KPI real. A Meta pedindo aos funcionários para usar menos tokens é o canário na mina. Quando a empresa que construiu o Llama está racionando chamadas de API de um modelo concorrente, as conversas de aquisição mudam de "qual modelo é melhor?" para "qual modelo resolve o problema com menos tokens?" Espere que o rastreamento de orçamento de tokens entre na governança de IA empresarial este ano.

A dinâmica competitiva é notável: a Meta — proprietária da família de código aberto Llama — buscava capacidade do Gemini para segmentação de anúncios, valorizando os modelos do Google acima dos seus próprios para casos de uso específicos. Isso diz algo tanto sobre a diferença de qualidade em certas tarefas quanto sobre o desespero para garantir computação de IA onde quer que seja possível encontrá-la.

Combinado com o atraso do Gemini 3.5 Pro para julho (que sinalizamos no início desta semana), isso pinta um quadro da infraestrutura de IA do Google sob pressão séria — mesmo com os modelos sendo competitivos.

O que muda para você

• Se você depende do Gemini para cargas de trabalho em produção, avalie arquiteturas de fallback multi-modelo agora. Os limites de taxa de 17 de maio não vão desaparecer, e a pressão de capacidade está aumentando, não diminuindo.
• Acompanhe a eficiência de tokens. O que a Meta está pedindo aos seus funcionários está prestes a se tornar prática padrão. Execute a mesma tarefa em diferentes modelos e meça tokens por resultado.
• Observe o número de backlog do Google Cloud no próximo relatório de resultados. Se o backlog continuar crescendo, significa que a capacidade não está alcançando a demanda — planeje de acordo.
• Considere diversidade de modelos como gestão de risco de infraestrutura. Apostar seu produto em um único endpoint de API é um ponto único de falha quando o provedor desse endpoint está lutando para manter as luzes acesas em escala.

FAQ

Isso é apenas um problema da Meta? Não. Os limites de taxa se aplicam a todos os usuários do Gemini — incluindo o Gemini 2.5 Pro — desde 17 de maio de 2026. A Meta foi o caso mais visível porque sua demanda era muito alta, mas vários outros clientes do Google Cloud também foram afetados. O problema subjacente — oferta de computação ficando atrás da demanda de IA — afeta toda a indústria.

Isso significa que a infraestrutura do Google está quebrada? Não — o Google caracterizou os limites como governança de uso justo, não como falha técnica. A demanda da API Gemini está crescendo mais rápido do que o Google consegue implantar nova capacidade. A empresa está construindo o mais rápido que pode — o backlog de contratos assinados mas não atendidos mostra que a demanda é real, não uma falha. Mas até que novos data centers entrem em operação, todos operam sob limites.

Devo migrar para longe do Gemini? Não necessariamente. Todo provedor de modelos de ponta enfrenta restrições de computação — o Google é apenas o primeiro a enfrentá-las de forma tão visível e a comunicar limites de forma transparente. A ação certa é arquitetar para resiliência multi-modelo: use o Gemini onde ele é mais forte, mantenha um fallback pronto e acompanhe qual modelo oferece o melhor custo por resultado para sua carga de trabalho específica.