[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"portal-settings:stajic:it":3,"public-menus:all":38,"post:google-io-2026-gemini-omni-and-gemini-3-5:it":221,"related:post:google-io-2026-gemini-omni-and-gemini-3-5:it:1":680},{"statusCode":4,"data":5,"message":37},200,{"tenantId":6,"lang":7,"defaultLang":8,"siteUrl":9,"contactEmail":10,"brandName":11,"logoUrl":12,"siteName":11,"siteDescription":13,"ogImage":10,"robotsIndex":14,"socialLinks":10,"reservedSlugs":10,"seoPolicy":15},"stajic","it","de","https:\u002F\u002Fstajic.de",null,"Stajic Platform","\u002FLogo_Planet.svg","Stajic Portal",true,{"branding":16,"relatedContent":17,"crossDomainLinks":18},{"logoUrl":12},{"enabled":14},[19,22,25,28,31,34],{"url":20,"label":21,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Ffigure.rocks","figure.rocks",{"url":23,"label":24,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Floving.rocks","loving.rocks",{"url":26,"label":27,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.com","bazify.com",{"url":29,"label":30,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.de","bazify.de",{"url":32,"label":33,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.at","bazify.at",{"url":35,"label":36,"isActive":14,"showInFooter":14,"includeInSameAs":14},"https:\u002F\u002Fbazify.ba","bazify.ba","Portal settings resolved",[39,45],{"id":40,"name":41,"location":42,"isActive":14,"isDefault":43,"items":44},1,"main-navigation","header",false,[],{"id":46,"name":47,"location":48,"isActive":14,"isDefault":14,"items":49},4,"main-menu","sidebar",[50,66,79,93,103,118,133],{"id":51,"title":52,"url":60,"target":61,"icon":62,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":64,"portfolioId":10,"children":65},"item-18",{"de":53,"en":54,"es":55,"fr":56,"it":54,"ru":57,"sr":58,"zh":59},"Startseite","Home","Inicio","Accueil","Главная","Почетна","首页","\u002Ffull-stack-web-developer-munich-performance-seo-and-maintainable-builds","_self","i-lucide-home","page",111,[],{"id":67,"title":68,"url":75,"target":61,"icon":76,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":77,"portfolioId":10,"children":78},"item-22",{"de":69,"en":69,"es":70,"fr":69,"it":71,"ru":72,"sr":73,"zh":74},"Vision","Visión","Visione","Видение","Визија","想象","\u002Fueber-uns-webdesign-muenchen-webaplikation","i-lucide-eye",113,[],{"id":80,"title":81,"url":89,"target":61,"icon":90,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":91,"portfolioId":10,"children":92},"item-19",{"de":82,"en":83,"es":84,"fr":83,"it":85,"ru":86,"sr":87,"zh":88},"Leistungen","Services","Servicios","Servizi","Услуги","Услуге","服务","\u002Fservices-dienstleistungen-muenchen","i-lucide-wrench",116,[],{"id":94,"title":95,"url":99,"target":61,"icon":100,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":101,"portfolioId":10,"children":102},"item-23",{"de":96,"en":96,"es":96,"fr":96,"it":96,"ru":97,"sr":97,"zh":98},"Blog","Блог","博客","\u002Fblog","i-lucide-book-open",112,[],{"id":104,"title":105,"url":114,"target":61,"icon":115,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":116,"portfolioId":10,"children":117},"item-32",{"de":106,"en":107,"es":108,"fr":109,"it":110,"ru":111,"sr":112,"zh":113},"Neue Technologien","New Technologies","Nuevas tecnologías","Nouvelles technologies","Nuove tecnologie","Новые технологии","Нове технологије","新技术！","\u002Fneue-webtechnologien","i-lucide-sparkles",122,[],{"id":119,"title":120,"url":129,"target":61,"icon":130,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":131,"portfolioId":10,"children":132},"item-20",{"de":121,"en":122,"es":123,"fr":124,"it":125,"ru":126,"sr":127,"zh":128},"Kontakt","Contact us!","Contacto","Contact","Contatto","Контакт","Контактирајте нас","联系我们！","\u002Fcontact","i-lucide-mail",115,[],{"id":134,"title":135,"url":144,"target":61,"icon":145,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":147},"item-21",{"de":136,"en":137,"es":138,"fr":139,"it":140,"ru":141,"sr":142,"zh":143},"Unsere Arbeit","Our Work","Nuestro trabajo","Nos réalisations","I nostri lavori","Наши работы","Наши радови","文件夹","\u002Fportfolio","i-lucide-briefcase",114,[148,161,175,191,206],{"id":149,"title":150,"url":144,"target":61,"icon":159,"isActive":14,"type":63,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":146,"portfolioId":10,"children":160},"item-24",{"de":151,"en":152,"es":153,"fr":154,"it":155,"ru":156,"sr":157,"zh":158},"Alle Projekte","All Projects","Todos los proyectos","Tous les projets","Tutti i progetti","Все проекты","Сви пројекти","所有项目","i-lucide-grid-3x3",[],{"id":162,"title":163,"url":171,"target":61,"icon":172,"isActive":14,"type":173,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":10,"children":174},"item-29",{"de":164,"en":165,"es":166,"fr":167,"it":168,"ru":169,"sr":170,"zh":143},"Local Roots, Global Reach","Local Roots - Global Reach","Empresa local ","Entreprise locale","Azienda locale","Местная компания","Локално предузеће глобално тржиште","\u002Fportfolio\u002Flocal-roots-global-reach-communication-media-systems-for-modern-business","i-lucide-globe-2","custom",[],{"id":176,"title":177,"url":186,"target":61,"icon":187,"isActive":14,"type":188,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":189,"children":190},"menu-2916d060-8681-482a-af9a-c107a8bc30d8",{"de":178,"en":179,"es":180,"fr":181,"it":182,"ru":183,"sr":184,"zh":185},"Von Rohdaten zu verifizierbarem KI-Kontext: Eine praktische Architektur für agentenbereite Informationen","From Raw Data to Verifiable AI Context:","De datos sin procesar a contexto de IA verificable: una arquitectura práctica para información lista para agentes","Des données brutes au contexte d'IA vérifiable : une architecture pratique pour des informations prêtes pour les agents","Dai dati grezzi a un contesto IA verificabile: Un'architettura pratica per informazioni pronte per gli agenti","От необработанных данных к верифицируемому контексту ИИ: практическая архитектура информации, готовой для агентов","Od sirovih podataka do proverljivog AI konteksta: Praktična arhitektura za informacije spremne za agente","从原始数据到可验证的 AI 上下文：面向智能体就绪信息的实用架构","\u002Fportfolio\u002Ffrom-raw-data-to-verifiable-ai-context-a-practical-architecture-for-agent-ready-information","i-lucide-database","portfolio",22,[],{"id":192,"title":193,"url":202,"target":61,"icon":203,"isActive":14,"type":188,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":204,"children":205},"menu-e2061cd7-ff53-49d5-a0e8-3d49090577c0",{"de":194,"en":195,"es":196,"fr":197,"it":198,"ru":199,"sr":200,"zh":201},"Präsenzplattformen — Unternehmenskommunikation","Presence Platforms — Enterprise Communication","Plataformas de presencia — Comunicación empresarial","Plateformes de présence — Communication d'entreprise","Presence Platforms — Comunicazione aziendale","Платформы присутствия — Корпоративные коммуникации","Presence platforme — Poslovna komunikacija","Presence 平台 — 企业通信","\u002Fportfolio\u002Fpresence-platforms-enterprise-communication-that-wins-without-competing","i-lucide-badge-percent",21,[],{"id":207,"title":208,"url":217,"target":61,"icon":218,"isActive":14,"type":188,"productId":10,"categoryId":10,"shopCategoryId":10,"articleId":10,"pageId":10,"portfolioId":219,"children":220},"menu-a781582e-e90d-418e-b8c9-b070bc37c37e",{"de":209,"en":210,"es":211,"fr":212,"it":213,"ru":214,"sr":215,"zh":216},"Maximierung des POS-ROI durch Konsistenz","Maximizing POS ROI Through Consistent","Maximizar el ROI del POS a través de constante","Maximiser le ROI du PDV grâce à la cohérence","Massimizzare il ROI del POS attraverso costante","Максимизация ROI POS за счет последовательного","Maksimizacija POS ROI-ja kroz dosledno","通过持续最大化 POS 投资回报率","\u002Fportfolio\u002Ffrom-vision-to-value-maximizing-pos-roi-through-consistent-ci-creation-and-strategic-branding","i-lucide-briefcase-business",11,[],{"statusCode":4,"data":222,"message":679},{"id":223,"title":224,"slug":225,"content":226,"contentJson":227,"excerpt":395,"featuredImage":396,"featuredImageAlt":397,"featuredImageCaption":10,"featuredImageTitle":10,"featuredImageCopyright":10,"featuredImageAuthor":10,"featuredImageSourceUrl":10,"featuredImageLicense":10,"featuredImageIsAiGenerated":43,"status":398,"publishedAt":399,"createdAt":400,"updatedAt":401,"seoLocalePaths":402,"categories":411,"author":412,"translations":417},"450","Google I\u002FO 2026: Gemini Omni, Gemini 3.5 e il livello di calcolo dietro l'IA agentica","google-io-2026-gemini-omni-and-gemini-3-5","\u003Cp>\u003Cb>Google I\u002FO 2026\u003C\u002Fb> ha riportato al centro il livello di calcolo (compute layer) della strategia AI di Google. Il keynote era ricco di agenti, strumenti per sviluppatori, interfacce indossabili e integrazioni di prodotto, ma tutti questi livelli dipendono da due direzioni dei modelli: \u003Cb>Gemini Omni\u003C\u002Fb> e \u003Cb>Gemini 3.5\u003C\u002Fb>. Uno spinge sulla creazione e l'editing multimodale. L'altro spinge sull'intelligenza di frontiera orientata all'azione, in particolare attraverso Gemini 3.5 Flash.\u003C\u002Fp>\n\u003Cp>Questo articolo è il \u003Cb>raggio del livello di calcolo (compute-layer spoke)\u003C\u002Fb> all'interno del più ampio \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">hub architetturale di Google I\u002FO 2026\u003C\u002Fa>. La parte relativa agli strumenti per sviluppatori è trattata in \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Antigravity, AI Studio e Google DevTools\u003C\u002Fa>. La storia dell'interfaccia dei dispositivi è trattata in \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Android XR e Intelligent Eyewear\u003C\u002Fa>. La storia dell'interfaccia dei prodotti è trattata in \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Prodotti Agenti su Ricerca, Workspace e Shopping\u003C\u002Fa>.\u003C\u002Fp>\n\u003Cp>L'importante è evitare di interpretare Gemini Omni e Gemini 3.5 come un unico generico annuncio di un \"nuovo modello di IA\". Risolvono problemi di prodotto e infrastruttura diversi. Omni riguarda la generazione creativa a partire da qualsiasi input, a cominciare dai video. Gemini 3.5 riguarda un'intelligenza rapida e orientata all'azione per agenti, programmazione e flussi di lavoro a lungo termine. Questa separazione è fondamentale per sviluppatori, team di prodotto e architetti di piattaforma.\u003C\u002Fp>\n\u003Ch2>Il livello di calcolo dietro il keynote\u003C\u002Fh2>\n\u003Cp>La collezione stessa di Google per l'I\u002FO 2026 inquadra l'evento attorno a due nuovi modelli: Gemini Omni e Gemini 3.5. Gemini Omni viene descritto come un passo avanti nella comprensione del mondo, nella multimodalità e nell'editing, in grado di generare output a partire da input di testo, immagini, audio e video, a cominciare dai video. Gemini 3.5 Flash viene presentato come il primo modello della famiglia Gemini 3.5, che unisce un'intelligenza di frontiera all'azione.\u003C\u002Fp>\n\u003Cul>\u003Cli>Gemini Omni si concentra sulla creazione e sull'editing multimodale, a partire dai video.\u003C\u002Fli>\u003Cli>Gemini 3.5 Flash si concentra sulla velocità di livello operativo per agenti, programmazione e flussi di lavoro complessi.\u003C\u002Fli>\u003Cli>La divisione dei modelli rispecchia la più ampia divisione della piattaforma di Google: creare media più ricchi, per poi agire più velocemente su prodotti e strumenti.\u003C\u002Fli>\u003Cli>Il vero valore strategico emerge quando questi modelli vengono connessi ad Antigravity, AI Studio, Search, Workspace, Android XR e ai dispositivi basati su Gemini.\u003C\u002Fli>\u003C\u002Ful>\n\u003Cblockquote class=\"border-l-4 border-gray-300 pl-4 italic\">La storia dei modelli non riguarda solo un contesto più ampio o demo migliori. Si tratta di specializzazione dei ruoli: creazione da un lato, azione dall'altro.\u003Ccite class=\"block mt-2 text-sm\">— Lettura del livello di calcolo\u003C\u002Fcite>\u003C\u002Fblockquote>\n\u003Ch2>Gemini Omni: Creazione da qualsiasi input\u003C\u002Fh2>\n\u003Cp>Gemini Omni è il tentativo più diretto di Google di fondere il ragionamento con la creazione. Il posizionamento ufficiale è chiaro: può creare qualsiasi cosa a partire da qualsiasi input, iniziando dai video. Il modello accetta combinazioni di testo, immagini, audio e video, per poi generare video di alta qualità basati sulla conoscenza del mondo reale di Gemini. Supporta inoltre l'editing video conversazionale, che probabilmente avrà maggiore importanza rispetto alla generazione one-shot nei flussi di lavoro creativi reali.\u003C\u002Fp>\n\u003Cp>Quest'ultimo punto è importante. Il valore pratico dell'IA creativa raramente consiste solo nel \"generare un video\". I flussi di lavoro di produzione richiedono revisione, sostituzione, tempismo, continuità di stile e conversazione sui cambiamenti. Se Omni riesce a rendere l'editing più conversazionale preservando il contesto, diventa molto più di un generatore di novità. Diventa un'interfaccia creativa.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>\u002F\u002F Gemini Omni dovrebbe essere inteso come un modello di flusso di lavoro creativo\ninput = { text: "Mostra il lancio di un prodotto in una città cyberpunk piovosa", image: "brand-reference.png", audio: "voiceover.wav", video: "rough-cut.mp4"\n} output = GeminiOmni.generateVideo(input)\nrevision = GeminiOmni.edit(output, "Rendi l'illuminazione più calda e mantieni lo stesso design del prodotto")\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Per i team che creano strumenti multimediali, elementi visivi per prodotti di e-commerce, contenuti educativi, prototipazione di giochi, flussi di lavoro pubblicitari o pipeline di video social, questa è la parte di I\u002FO 2026 che conta di più. L'interfaccia passa dall'editing manuale della timeline a un editing multimodale basato sull'intento. Questo non elimina il giudizio creativo, ma cambia il modo in cui viene impiegato il lavoro creativo.\u003C\u002Fp>\n\u003Ch2>Gemini 3.5 Flash: Intelligenza di Frontiera con Azione\u003C\u002Fh2>\n\u003Cp>Gemini 3.5 Flash è l'altra metà della storia del calcolo. Google descrive la famiglia Gemini 3.5 come una combinazione di intelligenza di frontiera e azione, e posiziona 3.5 Flash come la prima release di questa famiglia. L'enfasi è su agenti, programmazione, compiti complessi a lungo termine e utilità nel mondo reale. Questo linguaggio non è casuale. Punta direttamente a sistemi che fanno cose, non solo a sistemi che rispondono.\u003C\u002Fp>\n\u003Cp>Per gli sviluppatori, \"Flash\" è importante perché i flussi di lavoro agentici sono sensibili alla latenza. Un modello intelligente ma lento può funzionare per la ricerca o per una scrittura accurata. È molto più difficile da inserire nell'automazione nativa del terminale, nei cicli IDE, nell'uso di strumenti multi-step, negli agenti in background e nelle esperienze di prodotto che richiedono un feedback immediato. Google sta chiaramente cercando di rendere il comportamento di frontiera veloce il motore predefinito per i flussi di lavoro agentici.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>\u002F\u002F Utilizzo classico del modello\nanswer = model.generate("Explain this function") \u002F\u002F Utilizzo del modello agentico\nplan = model.plan(task)\ntoolResult = tools.run(plan.nextStep)\nverification = model.verify(toolResult) if verification.failed: rollback()\nelse: continueExecution()\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Questo cambiamento è il motivo per cui Gemini 3.5 appartiene allo stesso cluster di Antigravity. Antigravity ha bisogno di un modello in grado di pianificare, eseguire, verificare e continuare a muoversi senza trasformare l'ambiente di sviluppo in una sala d'attesa. È qui che le prestazioni di calcolo diventano esperienza di sviluppo.\u003C\u002Fp>\n\u003Ch2>Perché velocità e azione vanno di pari passo\u003C\u002Fh2>\n\u003Cp>L'impostazione del keynote di Google incentrata sulla velocità non è solo marketing. I sistemi agentici moltiplicano la latenza. Una singola risposta richiede un solo ciclo di andata e ritorno del modello. Un flusso di lavoro multi-agente può richiederne molti: pianificazione, selezione degli strumenti, modifica del codice, esecuzione del terminale, verifica, riparazione, riepilogo e revisione umana. Se ogni passaggio è lento, l'intero sistema diventa inutilizzabile.\u003C\u002Fp>\n\u003Cul>\u003Cli>L'output rapido migliora i cicli di codifica interattivi.\u003C\u002Fli>\u003Cli>La bassa latenza rende gli agenti multi-passaggio meno fragili.\u003C\u002Fli>\u003Cli>Un throughput elevato è importante quando gli agenti eseguono attività di manutenzione in background.\u003C\u002Fli>\u003Cli>Un ragionamento stabile è importante perché azioni errate più veloci rimangono comunque azioni errate.\u003C\u002Fli>\u003Cli>La verifica rimane essenziale perché la sola velocità non equivale alla fiducia.\u003C\u002Fli>\u003C\u002Ful>\n\u003Cblockquote class=\"border-l-4 border-gray-300 pl-4 italic\">L'agente utile non è il modello che risponde una sola volta. È il modello che può continuare ad agire senza far sembrare il flusso di lavoro una coda.\u003Ccite class=\"block mt-2 text-sm\">— Prospettiva di runtime agentico\u003C\u002Fcite>\u003C\u002Fblockquote>\n\u003Ch2>Gemini Omni vs Gemini 3.5: Lavori Diversi, Stesso Stack\u003C\u002Fh2>\n\u003Cp>Il modo più chiaro per comprendere gli annunci sul calcolo di I\u002FO 2026 è separare i compiti. Gemini Omni è un modello di creazione e modifica multimodale. Gemini 3.5 Flash è un modello orientato all'azione per agenti e codifica. Sono complementari, non intercambiabili. Un team di prodotto potrebbe utilizzare Omni per generare contenuti multimediali e utilizzare Gemini 3.5 Flash per orchestrare il flusso di lavoro attorno a tali contenuti.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>\u002F\u002F Esempio di workflow di prodotto\ncreativeAsset = GeminiOmni.generateVideo(brief) agentPlan = Gemini35Flash.plan({ task: "Pubblica campagna di lancio", asset: creativeAsset, channels: ["YouTube Shorts", "landing page", "email"]\n}) Gemini35Flash.execute(agentPlan, tools)\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Questa è l'architettura più ampia verso cui Google si sta orientando. I modelli creativi generano artefatti più ricchi. I modelli di azione coordinano le attività attorno a tali artefatti. Le superfici di prodotto espongono queste funzionalità agli utenti. Gli strumenti di sviluppo forniscono orchestrazione e verifica. Le superfici dei dispositivi rendono l'assistente disponibile in più contesti.\u003C\u002Fp>\n\u003Ch2>Cosa significa questo per gli sviluppatori\u003C\u002Fh2>\n\u003Cp>Gli sviluppatori non dovrebbero considerare Gemini 3.5 Flash semplicemente come un'altra opzione di modello. Cambia la forma delle applicazioni che possono essere create sopra lo stack di Google. Se un modello è in grado di gestire sequenze di attività più lunghe, utilizzare gli strumenti in modo affidabile e operare abbastanza velocemente per flussi di lavoro reali, allora le applicazioni possono passare da funzionalità IA isolate a processi mediati dal modello.\u003C\u002Fp>\n\u003Cul>\u003Cli>Gli agenti di codice possono rifattorizzare, testare e verificare unità di lavoro più grandi.\u003C\u002Fli>\u003Cli>Gli agenti di prodotto possono aiutare gli utenti a passare dall'intento all'azione all'interno di un unico flusso.\u003C\u002Fli>\u003Cli>Le applicazioni multimediali possono combinare la generazione Omni con l'orchestrazione di Gemini 3.5.\u003C\u002Fli>\u003Cli>Le funzionalità di Ricerca e Workspace possono passare dal fornire risposte all'eseguire azioni.\u003C\u002Fli>\u003Cli>Le superfici mobili e XR possono utilizzare Gemini come livello di contesto live invece di un assistente cloud distante.\u003C\u002Fli>\u003C\u002Ful>\n\u003Cp>Il pericolo è quello di sovraccaricare lo sviluppo prima che il modello operativo sia maturo. Gli sviluppatori hanno ancora bisogno di versionamento, valutazione, logging, controllo dei costi, comportamenti di fallback e conferma umana per le azioni ad alto impatto. Un modello più forte non elimina la necessità di disciplina ingegneristica, ma ne aumenta il valore.\u003C\u002Fp>\n\u003Ch2>Cosa significa questo per i team di prodotto\u003C\u002Fh2>\n\u003Cp>I team di prodotto dovrebbero interpretare Gemini Omni e Gemini 3.5 come un segnale del fatto che Google vuole che l'IA diventi un livello di esecuzione in tutto l'ecosistema. Ciò comporta opportunità e rischi. L'opportunità è un percorso più rapido dall'intento dell'utente all'output finale. Il rischio è che il comportamento del prodotto diventi meno trasparente se le decisioni dell'agente sono nascoste dietro un'interfaccia rifinita.\u003C\u002Fp>\n\u003Cpre class=\"code-block\">\u003Ccode>agenticProductChecklist = { userIntent: "clear", modelRole: "defined", tools: "permissioned", outputs: "reviewable", failures: "recoverable", costs: "measured", userControl: "explicit"\n}\u003C\u002Fcode>\u003C\u002Fpre>\n\u003Cp>Se un team di prodotto non sa rispondere a cosa sia consentito fare al modello, a come venga valutato e a come l'utente possa rimediare a un'azione errata, l'integrazione non è pronta per la produzione. Questo è particolarmente vero quando Gemini è connesso a Ricerca, Workspace, Shopping, Android o interfacce indossabili.\u003C\u002Fp>\n\u003Ch2>La prova dei fatti: i benchmark non sono il prodotto\u003C\u002Fh2>\n\u003Cp>Il rischio di ogni lancio di un modello è l'intossicazione da benchmark. Prestazioni migliori sono importanti, ma il valore in produzione dipende dalla qualità dell'integrazione. Un modello può essere più veloce e più forte, ma fallire comunque in un flusso di lavoro specifico a causa di prompt deboli, policy degli strumenti troppo permissive, valutazioni superficiali o mancanza di percorsi di ripristino.\u003C\u002Fp>\n\u003Cul>\u003Cli>Un modello creativo ha bisogno di coerenza, modificabilità e controllo dell'output.\u003C\u002Fli>\u003Cli>Un modello d'azione ha bisogno di disciplina nell'uso degli strumenti, verifica e modalità di gestione sicura dei guasti.\u003C\u002Fli>\u003Cli>Un modello per sviluppatori ha bisogno di comportamenti ripetibili all'interno di repository reali.\u003C\u002Fli>\u003Cli>Un modello di prodotto ha bisogno della fiducia dell'utente e di chiari confini di controllo.\u003C\u002Fli>\u003Cli>Un modello di piattaforma ha bisogno di versionamento, monitoraggio e osservabilità dei costi.\u003C\u002Fli>\u003C\u002Ful>\n\u003Cblockquote class=\"border-l-4 border-gray-300 pl-4 italic\">Il modello di lancio attira l'attenzione. Il modello operativo decide se sopravvive alla produzione.\u003Ccite class=\"block mt-2 text-sm\">— Esame di realtà ingegneristico\u003C\u002Fcite>\u003C\u002Fblockquote>\n\u003Ch2>Come questo si inserisce nel cluster di Google I\u002FO 2026\u003C\u002Fh2>\n\u003Cp>Questo articolo tratta lo strato dei modelli del cluster. L'\u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">hub principale di Google I\u002FO 2026\u003C\u002Fa> spiega l'intero cambiamento architetturale. \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Antigravity, AI Studio e Google DevTools\u003C\u002Fa> spiega come i modelli entrano nei flussi di lavoro degli sviluppatori. \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Android XR e Intelligent Eyewear\u003C\u002Fa> spiega come la stessa intelligenza si sposti sulle superfici indossabili. \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Prodotti agentici in Ricerca, Workspace e Shopping\u003C\u002Fa> spiega cosa succede quando queste funzionalità raggiungono i prodotti consumer e di produttività.\u003C\u002Fp>\n\u003Ch2>Articoli correlati in questo cluster\u003C\u002Fh2>\n\u003Cul>\u003Cli>\u003Cb>Hub principale:\u003C\u002Fb> \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">Google I\u002FO 2026: svolte architetturali, IA agentica e la prova di realtà dell'ecosistema unificato\u003C\u002Fa>\u003C\u002Fli>\u003Cli>\u003Cb>Strumenti per sviluppatori:\u003C\u002Fb> \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Google I\u002FO 2026: Antigravity, AI Studio e Google DevTools\u003C\u002Fa>\u003C\u002Fli>\u003Cli>\u003Cb>Android, XR e superfici dei dispositivi:\u003C\u002Fb> \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Google I\u002FO 2026: Android XR e occhiali intelligenti\u003C\u002Fa>\u003C\u002Fli>\u003Cli>\u003Cb>Prodotti consumer agentici:\u003C\u002Fb> \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Google I\u002FO 2026: prodotti agentici in Search, Workspace e Shopping\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Ful>\n\u003Ch2>Prospettiva finale\u003C\u002Fh2>\n\u003Cp>Gemini Omni e Gemini 3.5 definiscono la suddivisione della potenza di calcolo alla base di Google I\u002FO 2026. Omni è il livello di creazione: input multimodale, output video, editing conversazionale e generazione ancorata al mondo reale. Gemini 3.5 Flash è il livello d'azione: intelligenza di frontiera rapida per agenti, programmazione e attività a lungo termine. Insieme, spiegano perché il resto del keynote si presenti in questo modo. Antigravity ha bisogno di modelli di livello operativo. Search e Workspace necessitano di agenti in grado di ragionare ed eseguire. Android XR ha bisogno di una comprensione del contesto in tempo reale. Il keynote non è solo una storia di modelli, ma senza questo livello di calcolo il resto della storia non funziona.\u003C\u002Fp>\n\u003Cdiv class=\"ce-delimiter cdx-block my-8\">\u003C\u002Fdiv>",{"time":228,"blocks":229,"version":394},1779228922649,[230,234,237,240,244,247,256,261,264,267,270,274,277,280,283,286,289,292,295,298,306,310,313,316,319,322,325,328,336,339,342,345,348,351,354,357,365,369,372,375,378,385,388,391],{"data":231,"type":233},{"text":232},"\u003Cb>Google I\u002FO 2026\u003C\u002Fb> ha riportato al centro il livello di calcolo (compute layer) della strategia AI di Google. Il keynote era ricco di agenti, strumenti per sviluppatori, interfacce indossabili e integrazioni di prodotto, ma tutti questi livelli dipendono da due direzioni dei modelli: \u003Cb>Gemini Omni\u003C\u002Fb> e \u003Cb>Gemini 3.5\u003C\u002Fb>. Uno spinge sulla creazione e l'editing multimodale. L'altro spinge sull'intelligenza di frontiera orientata all'azione, in particolare attraverso Gemini 3.5 Flash.","paragraph",{"data":235,"type":233},{"text":236},"Questo articolo è il \u003Cb>raggio del livello di calcolo (compute-layer spoke)\u003C\u002Fb> all'interno del più ampio \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">hub architetturale di Google I\u002FO 2026\u003C\u002Fa>. La parte relativa agli strumenti per sviluppatori è trattata in \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Antigravity, AI Studio e Google DevTools\u003C\u002Fa>. La storia dell'interfaccia dei dispositivi è trattata in \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Android XR e Intelligent Eyewear\u003C\u002Fa>. La storia dell'interfaccia dei prodotti è trattata in \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Prodotti Agenti su Ricerca, Workspace e Shopping\u003C\u002Fa>.",{"data":238,"type":233},{"text":239},"L'importante è evitare di interpretare Gemini Omni e Gemini 3.5 come un unico generico annuncio di un \"nuovo modello di IA\". Risolvono problemi di prodotto e infrastruttura diversi. Omni riguarda la generazione creativa a partire da qualsiasi input, a cominciare dai video. Gemini 3.5 riguarda un'intelligenza rapida e orientata all'azione per agenti, programmazione e flussi di lavoro a lungo termine. Questa separazione è fondamentale per sviluppatori, team di prodotto e architetti di piattaforma.",{"data":241,"type":42},{"text":242,"level":243},"Il livello di calcolo dietro il keynote",2,{"data":245,"type":233},{"text":246},"La collezione stessa di Google per l'I\u002FO 2026 inquadra l'evento attorno a due nuovi modelli: Gemini Omni e Gemini 3.5. Gemini Omni viene descritto come un passo avanti nella comprensione del mondo, nella multimodalità e nell'editing, in grado di generare output a partire da input di testo, immagini, audio e video, a cominciare dai video. Gemini 3.5 Flash viene presentato come il primo modello della famiglia Gemini 3.5, che unisce un'intelligenza di frontiera all'azione.",{"data":248,"type":255},{"items":249,"style":254},[250,251,252,253],"Gemini Omni si concentra sulla creazione e sull'editing multimodale, a partire dai video.","Gemini 3.5 Flash si concentra sulla velocità di livello operativo per agenti, programmazione e flussi di lavoro complessi.","La divisione dei modelli rispecchia la più ampia divisione della piattaforma di Google: creare media più ricchi, per poi agire più velocemente su prodotti e strumenti.","Il vero valore strategico emerge quando questi modelli vengono connessi ad Antigravity, AI Studio, Search, Workspace, Android XR e ai dispositivi basati su Gemini.","unordered","list",{"data":257,"type":260},{"text":258,"caption":259},"La storia dei modelli non riguarda solo un contesto più ampio o demo migliori. Si tratta di specializzazione dei ruoli: creazione da un lato, azione dall'altro.","Lettura del livello di calcolo","quote",{"data":262,"type":42},{"text":263,"level":243},"Gemini Omni: Creazione da qualsiasi input",{"data":265,"type":233},{"text":266},"Gemini Omni è il tentativo più diretto di Google di fondere il ragionamento con la creazione. Il posizionamento ufficiale è chiaro: può creare qualsiasi cosa a partire da qualsiasi input, iniziando dai video. Il modello accetta combinazioni di testo, immagini, audio e video, per poi generare video di alta qualità basati sulla conoscenza del mondo reale di Gemini. Supporta inoltre l'editing video conversazionale, che probabilmente avrà maggiore importanza rispetto alla generazione one-shot nei flussi di lavoro creativi reali.",{"data":268,"type":233},{"text":269},"Quest'ultimo punto è importante. Il valore pratico dell'IA creativa raramente consiste solo nel \"generare un video\". I flussi di lavoro di produzione richiedono revisione, sostituzione, tempismo, continuità di stile e conversazione sui cambiamenti. Se Omni riesce a rendere l'editing più conversazionale preservando il contesto, diventa molto più di un generatore di novità. Diventa un'interfaccia creativa.",{"data":271,"type":273},{"code":272},"\u002F\u002F Gemini Omni dovrebbe essere inteso come un modello di flusso di lavoro creativo\ninput = { text: \"Mostra il lancio di un prodotto in una città cyberpunk piovosa\", image: \"brand-reference.png\", audio: \"voiceover.wav\", video: \"rough-cut.mp4\"\n} output = GeminiOmni.generateVideo(input)\nrevision = GeminiOmni.edit(output, \"Rendi l'illuminazione più calda e mantieni lo stesso design del prodotto\")","code",{"data":275,"type":233},{"text":276},"Per i team che creano strumenti multimediali, elementi visivi per prodotti di e-commerce, contenuti educativi, prototipazione di giochi, flussi di lavoro pubblicitari o pipeline di video social, questa è la parte di I\u002FO 2026 che conta di più. L'interfaccia passa dall'editing manuale della timeline a un editing multimodale basato sull'intento. Questo non elimina il giudizio creativo, ma cambia il modo in cui viene impiegato il lavoro creativo.",{"data":278,"type":42},{"text":279,"level":243},"Gemini 3.5 Flash: Intelligenza di Frontiera con Azione",{"data":281,"type":233},{"text":282},"Gemini 3.5 Flash è l'altra metà della storia del calcolo. Google descrive la famiglia Gemini 3.5 come una combinazione di intelligenza di frontiera e azione, e posiziona 3.5 Flash come la prima release di questa famiglia. L'enfasi è su agenti, programmazione, compiti complessi a lungo termine e utilità nel mondo reale. Questo linguaggio non è casuale. Punta direttamente a sistemi che fanno cose, non solo a sistemi che rispondono.",{"data":284,"type":233},{"text":285},"Per gli sviluppatori, \"Flash\" è importante perché i flussi di lavoro agentici sono sensibili alla latenza. Un modello intelligente ma lento può funzionare per la ricerca o per una scrittura accurata. È molto più difficile da inserire nell'automazione nativa del terminale, nei cicli IDE, nell'uso di strumenti multi-step, negli agenti in background e nelle esperienze di prodotto che richiedono un feedback immediato. Google sta chiaramente cercando di rendere il comportamento di frontiera veloce il motore predefinito per i flussi di lavoro agentici.",{"data":287,"type":273},{"code":288},"\u002F\u002F Utilizzo classico del modello\nanswer = model.generate(\"Explain this function\") \u002F\u002F Utilizzo del modello agentico\nplan = model.plan(task)\ntoolResult = tools.run(plan.nextStep)\nverification = model.verify(toolResult) if verification.failed: rollback()\nelse: continueExecution()",{"data":290,"type":233},{"text":291},"Questo cambiamento è il motivo per cui Gemini 3.5 appartiene allo stesso cluster di Antigravity. Antigravity ha bisogno di un modello in grado di pianificare, eseguire, verificare e continuare a muoversi senza trasformare l'ambiente di sviluppo in una sala d'attesa. È qui che le prestazioni di calcolo diventano esperienza di sviluppo.",{"data":293,"type":42},{"text":294,"level":243},"Perché velocità e azione vanno di pari passo",{"data":296,"type":233},{"text":297},"L'impostazione del keynote di Google incentrata sulla velocità non è solo marketing. I sistemi agentici moltiplicano la latenza. Una singola risposta richiede un solo ciclo di andata e ritorno del modello. Un flusso di lavoro multi-agente può richiederne molti: pianificazione, selezione degli strumenti, modifica del codice, esecuzione del terminale, verifica, riparazione, riepilogo e revisione umana. Se ogni passaggio è lento, l'intero sistema diventa inutilizzabile.",{"data":299,"type":255},{"items":300,"style":254},[301,302,303,304,305],"L'output rapido migliora i cicli di codifica interattivi.","La bassa latenza rende gli agenti multi-passaggio meno fragili.","Un throughput elevato è importante quando gli agenti eseguono attività di manutenzione in background.","Un ragionamento stabile è importante perché azioni errate più veloci rimangono comunque azioni errate.","La verifica rimane essenziale perché la sola velocità non equivale alla fiducia.",{"data":307,"type":260},{"text":308,"caption":309},"L'agente utile non è il modello che risponde una sola volta. È il modello che può continuare ad agire senza far sembrare il flusso di lavoro una coda.","Prospettiva di runtime agentico",{"data":311,"type":42},{"text":312,"level":243},"Gemini Omni vs Gemini 3.5: Lavori Diversi, Stesso Stack",{"data":314,"type":233},{"text":315},"Il modo più chiaro per comprendere gli annunci sul calcolo di I\u002FO 2026 è separare i compiti. Gemini Omni è un modello di creazione e modifica multimodale. Gemini 3.5 Flash è un modello orientato all'azione per agenti e codifica. Sono complementari, non intercambiabili. Un team di prodotto potrebbe utilizzare Omni per generare contenuti multimediali e utilizzare Gemini 3.5 Flash per orchestrare il flusso di lavoro attorno a tali contenuti.",{"data":317,"type":273},{"code":318},"\u002F\u002F Esempio di workflow di prodotto\ncreativeAsset = GeminiOmni.generateVideo(brief) agentPlan = Gemini35Flash.plan({ task: \"Pubblica campagna di lancio\", asset: creativeAsset, channels: [\"YouTube Shorts\", \"landing page\", \"email\"]\n}) Gemini35Flash.execute(agentPlan, tools)",{"data":320,"type":233},{"text":321},"Questa è l'architettura più ampia verso cui Google si sta orientando. I modelli creativi generano artefatti più ricchi. I modelli di azione coordinano le attività attorno a tali artefatti. Le superfici di prodotto espongono queste funzionalità agli utenti. Gli strumenti di sviluppo forniscono orchestrazione e verifica. Le superfici dei dispositivi rendono l'assistente disponibile in più contesti.",{"data":323,"type":42},{"text":324,"level":243},"Cosa significa questo per gli sviluppatori",{"data":326,"type":233},{"text":327},"Gli sviluppatori non dovrebbero considerare Gemini 3.5 Flash semplicemente come un'altra opzione di modello. Cambia la forma delle applicazioni che possono essere create sopra lo stack di Google. Se un modello è in grado di gestire sequenze di attività più lunghe, utilizzare gli strumenti in modo affidabile e operare abbastanza velocemente per flussi di lavoro reali, allora le applicazioni possono passare da funzionalità IA isolate a processi mediati dal modello.",{"data":329,"type":255},{"items":330,"style":254},[331,332,333,334,335],"Gli agenti di codice possono rifattorizzare, testare e verificare unità di lavoro più grandi.","Gli agenti di prodotto possono aiutare gli utenti a passare dall'intento all'azione all'interno di un unico flusso.","Le applicazioni multimediali possono combinare la generazione Omni con l'orchestrazione di Gemini 3.5.","Le funzionalità di Ricerca e Workspace possono passare dal fornire risposte all'eseguire azioni.","Le superfici mobili e XR possono utilizzare Gemini come livello di contesto live invece di un assistente cloud distante.",{"data":337,"type":233},{"text":338},"Il pericolo è quello di sovraccaricare lo sviluppo prima che il modello operativo sia maturo. Gli sviluppatori hanno ancora bisogno di versionamento, valutazione, logging, controllo dei costi, comportamenti di fallback e conferma umana per le azioni ad alto impatto. Un modello più forte non elimina la necessità di disciplina ingegneristica, ma ne aumenta il valore.",{"data":340,"type":42},{"text":341,"level":243},"Cosa significa questo per i team di prodotto",{"data":343,"type":233},{"text":344},"I team di prodotto dovrebbero interpretare Gemini Omni e Gemini 3.5 come un segnale del fatto che Google vuole che l'IA diventi un livello di esecuzione in tutto l'ecosistema. Ciò comporta opportunità e rischi. L'opportunità è un percorso più rapido dall'intento dell'utente all'output finale. Il rischio è che il comportamento del prodotto diventi meno trasparente se le decisioni dell'agente sono nascoste dietro un'interfaccia rifinita.",{"data":346,"type":273},{"code":347},"agenticProductChecklist = { userIntent: \"clear\", modelRole: \"defined\", tools: \"permissioned\", outputs: \"reviewable\", failures: \"recoverable\", costs: \"measured\", userControl: \"explicit\"\n}",{"data":349,"type":233},{"text":350},"Se un team di prodotto non sa rispondere a cosa sia consentito fare al modello, a come venga valutato e a come l'utente possa rimediare a un'azione errata, l'integrazione non è pronta per la produzione. Questo è particolarmente vero quando Gemini è connesso a Ricerca, Workspace, Shopping, Android o interfacce indossabili.",{"data":352,"type":42},{"text":353,"level":243},"La prova dei fatti: i benchmark non sono il prodotto",{"data":355,"type":233},{"text":356},"Il rischio di ogni lancio di un modello è l'intossicazione da benchmark. Prestazioni migliori sono importanti, ma il valore in produzione dipende dalla qualità dell'integrazione. Un modello può essere più veloce e più forte, ma fallire comunque in un flusso di lavoro specifico a causa di prompt deboli, policy degli strumenti troppo permissive, valutazioni superficiali o mancanza di percorsi di ripristino.",{"data":358,"type":255},{"items":359,"style":254},[360,361,362,363,364],"Un modello creativo ha bisogno di coerenza, modificabilità e controllo dell'output.","Un modello d'azione ha bisogno di disciplina nell'uso degli strumenti, verifica e modalità di gestione sicura dei guasti.","Un modello per sviluppatori ha bisogno di comportamenti ripetibili all'interno di repository reali.","Un modello di prodotto ha bisogno della fiducia dell'utente e di chiari confini di controllo.","Un modello di piattaforma ha bisogno di versionamento, monitoraggio e osservabilità dei costi.",{"data":366,"type":260},{"text":367,"caption":368},"Il modello di lancio attira l'attenzione. Il modello operativo decide se sopravvive alla produzione.","Esame di realtà ingegneristico",{"data":370,"type":42},{"text":371,"level":243},"Come questo si inserisce nel cluster di Google I\u002FO 2026",{"data":373,"type":233},{"text":374},"Questo articolo tratta lo strato dei modelli del cluster. L'\u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">hub principale di Google I\u002FO 2026\u003C\u002Fa> spiega l'intero cambiamento architetturale. \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Antigravity, AI Studio e Google DevTools\u003C\u002Fa> spiega come i modelli entrano nei flussi di lavoro degli sviluppatori. \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Android XR e Intelligent Eyewear\u003C\u002Fa> spiega come la stessa intelligenza si sposti sulle superfici indossabili. \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Prodotti agentici in Ricerca, Workspace e Shopping\u003C\u002Fa> spiega cosa succede quando queste funzionalità raggiungono i prodotti consumer e di produttività.",{"data":376,"type":42},{"text":377,"level":243},"Articoli correlati in questo cluster",{"data":379,"type":255},{"items":380,"style":254},[381,382,383,384],"\u003Cb>Hub principale:\u003C\u002Fb> \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">Google I\u002FO 2026: svolte architetturali, IA agentica e la prova di realtà dell'ecosistema unificato\u003C\u002Fa>","\u003Cb>Strumenti per sviluppatori:\u003C\u002Fb> \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Google I\u002FO 2026: Antigravity, AI Studio e Google DevTools\u003C\u002Fa>","\u003Cb>Android, XR e superfici dei dispositivi:\u003C\u002Fb> \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Google I\u002FO 2026: Android XR e occhiali intelligenti\u003C\u002Fa>","\u003Cb>Prodotti consumer agentici:\u003C\u002Fb> \u003Ca href=\"\u002Fit\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Google I\u002FO 2026: prodotti agentici in Search, Workspace e Shopping\u003C\u002Fa>",{"data":386,"type":42},{"text":387,"level":243},"Prospettiva finale",{"data":389,"type":233},{"text":390},"Gemini Omni e Gemini 3.5 definiscono la suddivisione della potenza di calcolo alla base di Google I\u002FO 2026. Omni è il livello di creazione: input multimodale, output video, editing conversazionale e generazione ancorata al mondo reale. Gemini 3.5 Flash è il livello d'azione: intelligenza di frontiera rapida per agenti, programmazione e attività a lungo termine. Insieme, spiegano perché il resto del keynote si presenti in questo modo. Antigravity ha bisogno di modelli di livello operativo. Search e Workspace necessitano di agenti in grado di ragionare ed eseguire. Android XR ha bisogno di una comprensione del contesto in tempo reale. Il keynote non è solo una storia di modelli, ma senza questo livello di calcolo il resto della storia non funziona.",{"data":392,"type":393},{},"delimiter","2.31","Google I\u002FO 2026 ha messo Gemini Omni e Gemini 3.5 al centro della strategia di IA agentica di Google. Questo articolo analizza la differenza tra creazione multimodale e intelligenza di livello d'azione, perché Gemini 3.5 Flash è importante per gli agenti e il coding, e come questi modelli alimentano il più ampio cambiamento di piattaforma di Google I\u002FO 2026.","\u002Fuploads\u002F2026\u002F05\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5-1779227791401-6hzln1.webp","google-io-2026-gemini-omni-and-gemini-3-5-1779227791401-6hzln1","PUBLISHED","2026-05-21T11:01:00.000Z","2026-05-19T21:24:25.091Z","2026-05-21T11:07:38.647Z",{"en":403,"de":404,"sr":405,"es":406,"fr":407,"it":408,"ru":409,"zh":410},"\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5","\u002Fde\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5","\u002Fsr\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5","\u002Fes\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5","\u002Ffr\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5","\u002Fit\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5","\u002Fru\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5","\u002Fzh\u002Fblog\u002Fgoogle-io-2026-gemini-omni-and-gemini-3-5",[],{"id":413,"login":414,"email":415,"displayName":416},"20","rooth8233","","Aleksandar Stajić",[418,583],{"lang":419,"title":420,"content":421,"contentJson":422,"excerpt":582},"en","Google I\u002FO 2026: Gemini Omni, Gemini 3.5, and the Compute Layer Behind Agentic AI","{\"time\":1774828800000,\"blocks\":[{\"data\":{\"text\":\"\u003Cb>Google I\u002FO 2026\u003C\u002Fb> put the compute layer of Google’s AI strategy back in the center. The keynote was full of agents, developer tools, wearable interfaces, and product integrations, but all of those layers depend on two model directions: \u003Cb>Gemini Omni\u003C\u002Fb> and \u003Cb>Gemini 3.5\u003C\u002Fb>. One pushes multimodal creation and editing. The other pushes frontier intelligence with action, especially through Gemini 3.5 Flash.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"This article is the \u003Cb>compute-layer spoke\u003C\u002Fb> inside the larger \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\\\">Google I\u002FO 2026 architectural hub\u003C\u002Fa>. The developer-tooling side is covered in \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\\\">Antigravity, AI Studio, and Google DevTools\u003C\u002Fa>. The device-surface story is covered in \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\\\">Android XR and Intelligent Eyewear\u003C\u002Fa>. The product-surface story is covered in \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\\\">Agentic Products Across Search, Workspace, and Shopping\u003C\u002Fa>.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"The important thing is to avoid reading Gemini Omni and Gemini 3.5 as one generic “new AI model” announcement. They solve different product and infrastructure problems. Omni is about any-input creative generation, starting with video. Gemini 3.5 is about fast, action-oriented intelligence for agents, coding, and long-horizon workflows. That separation matters for developers, product teams, and platform architects.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"The Compute Layer Behind the Keynote\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"Google’s own I\u002FO 2026 collection frames the event around two new models: Gemini Omni and Gemini 3.5. Gemini Omni is described as a leap forward in world understanding, multimodality, and editing, able to create output from input across text, images, audio, and video, starting with video. Gemini 3.5 Flash is introduced as the first model in the Gemini 3.5 family, combining frontier intelligence with action.\"},\"type\":\"paragraph\"},{\"data\":{\"items\":[\"Gemini Omni focuses on multimodal creation and editing, starting with video.\",\"Gemini 3.5 Flash focuses on action-grade speed for agents, coding, and complex workflows.\",\"The model split mirrors Google’s broader platform split: create richer media, then act faster across products and tools.\",\"The real strategic value comes when these models are connected to Antigravity, AI Studio, Search, Workspace, Android XR, and Gemini-powered devices.\"],\"style\":\"unordered\"},\"type\":\"list\"},{\"data\":{\"text\":\"The model story is not just bigger context or better demos. It is role specialization: creation on one side, action on the other.\",\"caption\":\"Compute-layer reading\"},\"type\":\"quote\"},{\"data\":{\"text\":\"Gemini Omni: Creation From Any Input\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"Gemini Omni is Google’s most direct attempt to fuse reasoning with creation. The official positioning is clear: it can create anything from any input, starting with video. The model accepts combinations of text, image, audio, and video, then generates high-quality video grounded in Gemini’s real-world knowledge. It also supports conversational video editing, which is likely to matter more than one-shot generation in actual creative workflows.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"That last point is important. The practical value of creative AI is rarely only “generate a video.” Production workflows require revision, replacement, timing, style continuity, and conversation around changes. If Omni can make editing more conversational while preserving context, it becomes more than a novelty generator. It becomes a creative interface.\"},\"type\":\"paragraph\"},{\"data\":{\"code\":\"\u002F\u002F Gemini Omni should be read as a creative workflow model\\ninput = { text: \\\"Show a product launch in a rainy cyberpunk city\\\", image: \\\"brand-reference.png\\\", audio: \\\"voiceover.wav\\\", video: \\\"rough-cut.mp4\\\"\\n} output = GeminiOmni.generateVideo(input)\\nrevision = GeminiOmni.edit(output, \\\"Make the lighting warmer and keep the same product design\\\")\"},\"type\":\"code\"},{\"data\":{\"text\":\"For teams building media tools, ecommerce product visuals, education content, game prototyping, advertising workflows, or social video pipelines, this is the part of I\u002FO 2026 that matters most. The interface moves from manual timeline editing toward intent-based multimodal editing. That does not remove creative judgment, but it changes where creative labor is spent.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"Gemini 3.5 Flash: Frontier Intelligence With Action\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"Gemini 3.5 Flash is the other half of the compute story. Google describes the Gemini 3.5 family as combining frontier intelligence with action, and positions 3.5 Flash as the first release in that family. The emphasis is on agents, coding, complex long-horizon tasks, and real-world utility. That language is not accidental. It points directly toward systems that do things, not just systems that answer.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"For developers, “Flash” matters because agentic workflows are latency-sensitive. A model that is smart but slow can work for research or careful writing. It is much harder to fit into terminal-native automation, IDE loops, multi-step tool usage, background agents, and product experiences that need immediate feedback. Google is clearly trying to make fast frontier behavior the default engine for agentic workflows.\"},\"type\":\"paragraph\"},{\"data\":{\"code\":\"\u002F\u002F Classic model usage\\nanswer = model.generate(\\\"Explain this function\\\") \u002F\u002F Agentic model usage\\nplan = model.plan(task)\\ntoolResult = tools.run(plan.nextStep)\\nverification = model.verify(toolResult) if verification.failed: rollback()\\nelse: continueExecution()\"},\"type\":\"code\"},{\"data\":{\"text\":\"That shift is why Gemini 3.5 belongs in the same cluster as Antigravity. Antigravity needs a model that can plan, execute, verify, and keep moving without turning the development environment into a waiting room. This is where compute performance becomes developer experience.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"Why Speed and Action Belong Together\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"Google’s keynote framing around speed is not just marketing. Agentic systems multiply latency. A single answer has one model round trip. A multi-agent workflow can have many: planning, tool selection, code editing, terminal execution, verification, repair, summarization, and human review. If each step is slow, the whole system becomes unusable.\"},\"type\":\"paragraph\"},{\"data\":{\"items\":[\"Fast output improves interactive coding loops.\",\"Low latency makes multi-step agents feel less brittle.\",\"High throughput matters when agents run in background maintenance tasks.\",\"Stable reasoning matters because faster wrong actions are still wrong actions.\",\"Verification remains essential because speed alone does not equal trust.\"],\"style\":\"unordered\"},\"type\":\"list\"},{\"data\":{\"text\":\"The useful agent is not the model that answers once. It is the model that can keep acting without making the workflow feel like a queue.\",\"caption\":\"Agentic runtime perspective\"},\"type\":\"quote\"},{\"data\":{\"text\":\"Gemini Omni vs Gemini 3.5: Different Jobs, Same Stack\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"The cleanest way to understand the I\u002FO 2026 compute announcements is to separate the jobs. Gemini Omni is a multimodal creation and editing model. Gemini 3.5 Flash is an action-oriented model for agents and coding. They are complementary, not interchangeable. A product team might use Omni to generate media and use Gemini 3.5 Flash to orchestrate the workflow around that media.\"},\"type\":\"paragraph\"},{\"data\":{\"code\":\"\u002F\u002F Product workflow example\\ncreativeAsset = GeminiOmni.generateVideo(brief) agentPlan = Gemini35Flash.plan({ task: \\\"Publish launch campaign\\\", asset: creativeAsset, channels: [\\\"YouTube Shorts\\\", \\\"landing page\\\", \\\"email\\\"]\\n}) Gemini35Flash.execute(agentPlan, tools)\"},\"type\":\"code\"},{\"data\":{\"text\":\"That is the broader architecture Google is pointing toward. Creative models generate richer artifacts. Action models coordinate tasks around those artifacts. Product surfaces expose those capabilities to users. Developer tools provide orchestration and verification. Device surfaces make the assistant available in more contexts.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"What This Means for Developers\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"Developers should not treat Gemini 3.5 Flash as only another model option. It changes the shape of applications that can be built on top of Google’s stack. If a model can handle longer task sequences, use tools reliably, and operate fast enough for real workflows, then applications can shift from isolated AI features to model-mediated processes.\"},\"type\":\"paragraph\"},{\"data\":{\"items\":[\"Code agents can refactor, test, and verify larger task units.\",\"Product agents can help users move from intent to action inside one flow.\",\"Media applications can combine Omni generation with Gemini 3.5 orchestration.\",\"Search and Workspace features can move from answering toward executing.\",\"Mobile and XR surfaces can use Gemini as a live context layer instead of a distant cloud assistant.\"],\"style\":\"unordered\"},\"type\":\"list\"},{\"data\":{\"text\":\"The danger is overbuilding before the operational model is mature. Developers still need versioning, evaluation, logging, cost controls, fallback behavior, and human confirmation for high-impact actions. A stronger model does not remove the need for engineering discipline. It increases the value of that discipline.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"What This Means for Product Teams\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"Product teams should read Gemini Omni and Gemini 3.5 as a signal that Google wants AI to become an execution layer across the ecosystem. That creates opportunity and risk. The opportunity is a faster path from user intent to finished output. The risk is that product behavior becomes less transparent if agent decisions are hidden behind a polished interface.\"},\"type\":\"paragraph\"},{\"data\":{\"code\":\"agenticProductChecklist = { userIntent: \\\"clear\\\", modelRole: \\\"defined\\\", tools: \\\"permissioned\\\", outputs: \\\"reviewable\\\", failures: \\\"recoverable\\\", costs: \\\"measured\\\", userControl: \\\"explicit\\\"\\n}\"},\"type\":\"code\"},{\"data\":{\"text\":\"If a product team cannot answer what the model is allowed to do, how it is evaluated, and how the user can recover from a bad action, the integration is not ready for production. This is especially true when Gemini is connected to Search, Workspace, Shopping, Android, or wearable interfaces.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"The Reality Check: Benchmarks Are Not the Product\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"The risk with every model launch is benchmark intoxication. Better performance matters, but production value depends on integration quality. A model can be faster and stronger while still failing a specific workflow because the prompts are weak, tool policies are loose, evaluation is shallow, or rollback paths are missing.\"},\"type\":\"paragraph\"},{\"data\":{\"items\":[\"A creative model needs consistency, editability, and output control.\",\"An action model needs tool discipline, verification, and safe failure modes.\",\"A developer model needs repeatable behavior inside real repositories.\",\"A product model needs user trust and clear control boundaries.\",\"A platform model needs versioning, monitoring, and cost observability.\"],\"style\":\"unordered\"},\"type\":\"list\"},{\"data\":{\"text\":\"The launch model gets attention. The operating model decides whether it survives production.\",\"caption\":\"Engineering reality check\"},\"type\":\"quote\"},{\"data\":{\"text\":\"How This Fits the Google I\u002FO 2026 Cluster\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"This article covers the model layer of the cluster. The \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\\\">main Google I\u002FO 2026 hub\u003C\u002Fa> explains the full architectural shift. \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\\\">Antigravity, AI Studio, and Google DevTools\u003C\u002Fa> explains how the models enter developer workflows. \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\\\">Android XR and Intelligent Eyewear\u003C\u002Fa> explains how the same intelligence moves into wearable surfaces. \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\\\">Agentic Products Across Search, Workspace, and Shopping\u003C\u002Fa> explains what happens when these capabilities reach consumer and productivity products.\"},\"type\":\"paragraph\"},{\"data\":{\"text\":\"Related Articles in This Cluster\",\"level\":2},\"type\":\"header\"},{\"data\":{\"items\":[\"\u003Cb>Main Hub:\u003C\u002Fb> \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\\\">Google I\u002FO 2026: Architectural Pivots, Agentic AI, and the Unified Ecosystem Reality Check\u003C\u002Fa>\",\"\u003Cb>Developer Tooling:\u003C\u002Fb> \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\\\">Google I\u002FO 2026: Antigravity, AI Studio, and Google DevTools\u003C\u002Fa>\",\"\u003Cb>Android, XR, and Device Surfaces:\u003C\u002Fb> \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\\\">Google I\u002FO 2026: Android XR and Intelligent Eyewear\u003C\u002Fa>\",\"\u003Cb>Agentic Consumer Products:\u003C\u002Fb> \u003Ca href=\\\"\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\\\">Google I\u002FO 2026: Agentic Products Across Search, Workspace, and Shopping\u003C\u002Fa>\"],\"style\":\"unordered\"},\"type\":\"list\"},{\"data\":{\"text\":\"Final Perspective\",\"level\":2},\"type\":\"header\"},{\"data\":{\"text\":\"Gemini Omni and Gemini 3.5 define the compute split behind Google I\u002FO 2026. Omni is the creation layer: multimodal input, video output, conversational editing, and world-grounded generation. Gemini 3.5 Flash is the action layer: fast frontier intelligence for agents, coding, and long-horizon tasks. Together, they explain why the rest of the keynote looks the way it does. Antigravity needs action-grade models. Search and Workspace need agents that can reason and execute. Android XR needs live context understanding. The keynote is not just a model story, but without this compute layer the rest of the story does not work.\"},\"type\":\"paragraph\"},{\"data\":{},\"type\":\"delimiter\"}],\"version\":\"2.30.8\"}",{"time":423,"blocks":424,"version":581},1774828800000,[425,428,431,434,437,440,447,451,454,457,460,463,466,469,472,475,478,481,484,487,495,499,502,505,508,511,514,517,525,528,531,534,536,539,542,545,553,557,560,563,566,573,576,579],{"data":426,"type":233},{"text":427},"\u003Cb>Google I\u002FO 2026\u003C\u002Fb> put the compute layer of Google’s AI strategy back in the center. The keynote was full of agents, developer tools, wearable interfaces, and product integrations, but all of those layers depend on two model directions: \u003Cb>Gemini Omni\u003C\u002Fb> and \u003Cb>Gemini 3.5\u003C\u002Fb>. One pushes multimodal creation and editing. The other pushes frontier intelligence with action, especially through Gemini 3.5 Flash.",{"data":429,"type":233},{"text":430},"This article is the \u003Cb>compute-layer spoke\u003C\u002Fb> inside the larger \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">Google I\u002FO 2026 architectural hub\u003C\u002Fa>. The developer-tooling side is covered in \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Antigravity, AI Studio, and Google DevTools\u003C\u002Fa>. The device-surface story is covered in \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Android XR and Intelligent Eyewear\u003C\u002Fa>. The product-surface story is covered in \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Agentic Products Across Search, Workspace, and Shopping\u003C\u002Fa>.",{"data":432,"type":233},{"text":433},"The important thing is to avoid reading Gemini Omni and Gemini 3.5 as one generic “new AI model” announcement. They solve different product and infrastructure problems. Omni is about any-input creative generation, starting with video. Gemini 3.5 is about fast, action-oriented intelligence for agents, coding, and long-horizon workflows. That separation matters for developers, product teams, and platform architects.",{"data":435,"type":42},{"text":436,"level":243},"The Compute Layer Behind the Keynote",{"data":438,"type":233},{"text":439},"Google’s own I\u002FO 2026 collection frames the event around two new models: Gemini Omni and Gemini 3.5. Gemini Omni is described as a leap forward in world understanding, multimodality, and editing, able to create output from input across text, images, audio, and video, starting with video. Gemini 3.5 Flash is introduced as the first model in the Gemini 3.5 family, combining frontier intelligence with action.",{"data":441,"type":255},{"items":442,"style":254},[443,444,445,446],"Gemini Omni focuses on multimodal creation and editing, starting with video.","Gemini 3.5 Flash focuses on action-grade speed for agents, coding, and complex workflows.","The model split mirrors Google’s broader platform split: create richer media, then act faster across products and tools.","The real strategic value comes when these models are connected to Antigravity, AI Studio, Search, Workspace, Android XR, and Gemini-powered devices.",{"data":448,"type":260},{"text":449,"caption":450},"The model story is not just bigger context or better demos. It is role specialization: creation on one side, action on the other.","Compute-layer reading",{"data":452,"type":42},{"text":453,"level":243},"Gemini Omni: Creation From Any Input",{"data":455,"type":233},{"text":456},"Gemini Omni is Google’s most direct attempt to fuse reasoning with creation. The official positioning is clear: it can create anything from any input, starting with video. The model accepts combinations of text, image, audio, and video, then generates high-quality video grounded in Gemini’s real-world knowledge. It also supports conversational video editing, which is likely to matter more than one-shot generation in actual creative workflows.",{"data":458,"type":233},{"text":459},"That last point is important. The practical value of creative AI is rarely only “generate a video.” Production workflows require revision, replacement, timing, style continuity, and conversation around changes. If Omni can make editing more conversational while preserving context, it becomes more than a novelty generator. It becomes a creative interface.",{"data":461,"type":273},{"code":462},"\u002F\u002F Gemini Omni should be read as a creative workflow model\ninput = { text: \"Show a product launch in a rainy cyberpunk city\", image: \"brand-reference.png\", audio: \"voiceover.wav\", video: \"rough-cut.mp4\"\n} output = GeminiOmni.generateVideo(input)\nrevision = GeminiOmni.edit(output, \"Make the lighting warmer and keep the same product design\")",{"data":464,"type":233},{"text":465},"For teams building media tools, ecommerce product visuals, education content, game prototyping, advertising workflows, or social video pipelines, this is the part of I\u002FO 2026 that matters most. The interface moves from manual timeline editing toward intent-based multimodal editing. That does not remove creative judgment, but it changes where creative labor is spent.",{"data":467,"type":42},{"text":468,"level":243},"Gemini 3.5 Flash: Frontier Intelligence With Action",{"data":470,"type":233},{"text":471},"Gemini 3.5 Flash is the other half of the compute story. Google describes the Gemini 3.5 family as combining frontier intelligence with action, and positions 3.5 Flash as the first release in that family. The emphasis is on agents, coding, complex long-horizon tasks, and real-world utility. That language is not accidental. It points directly toward systems that do things, not just systems that answer.",{"data":473,"type":233},{"text":474},"For developers, “Flash” matters because agentic workflows are latency-sensitive. A model that is smart but slow can work for research or careful writing. It is much harder to fit into terminal-native automation, IDE loops, multi-step tool usage, background agents, and product experiences that need immediate feedback. Google is clearly trying to make fast frontier behavior the default engine for agentic workflows.",{"data":476,"type":273},{"code":477},"\u002F\u002F Classic model usage\nanswer = model.generate(\"Explain this function\") \u002F\u002F Agentic model usage\nplan = model.plan(task)\ntoolResult = tools.run(plan.nextStep)\nverification = model.verify(toolResult) if verification.failed: rollback()\nelse: continueExecution()",{"data":479,"type":233},{"text":480},"That shift is why Gemini 3.5 belongs in the same cluster as Antigravity. Antigravity needs a model that can plan, execute, verify, and keep moving without turning the development environment into a waiting room. This is where compute performance becomes developer experience.",{"data":482,"type":42},{"text":483,"level":243},"Why Speed and Action Belong Together",{"data":485,"type":233},{"text":486},"Google’s keynote framing around speed is not just marketing. Agentic systems multiply latency. A single answer has one model round trip. A multi-agent workflow can have many: planning, tool selection, code editing, terminal execution, verification, repair, summarization, and human review. If each step is slow, the whole system becomes unusable.",{"data":488,"type":255},{"items":489,"style":254},[490,491,492,493,494],"Fast output improves interactive coding loops.","Low latency makes multi-step agents feel less brittle.","High throughput matters when agents run in background maintenance tasks.","Stable reasoning matters because faster wrong actions are still wrong actions.","Verification remains essential because speed alone does not equal trust.",{"data":496,"type":260},{"text":497,"caption":498},"The useful agent is not the model that answers once. It is the model that can keep acting without making the workflow feel like a queue.","Agentic runtime perspective",{"data":500,"type":42},{"text":501,"level":243},"Gemini Omni vs Gemini 3.5: Different Jobs, Same Stack",{"data":503,"type":233},{"text":504},"The cleanest way to understand the I\u002FO 2026 compute announcements is to separate the jobs. Gemini Omni is a multimodal creation and editing model. Gemini 3.5 Flash is an action-oriented model for agents and coding. They are complementary, not interchangeable. A product team might use Omni to generate media and use Gemini 3.5 Flash to orchestrate the workflow around that media.",{"data":506,"type":273},{"code":507},"\u002F\u002F Product workflow example\ncreativeAsset = GeminiOmni.generateVideo(brief) agentPlan = Gemini35Flash.plan({ task: \"Publish launch campaign\", asset: creativeAsset, channels: [\"YouTube Shorts\", \"landing page\", \"email\"]\n}) Gemini35Flash.execute(agentPlan, tools)",{"data":509,"type":233},{"text":510},"That is the broader architecture Google is pointing toward. Creative models generate richer artifacts. Action models coordinate tasks around those artifacts. Product surfaces expose those capabilities to users. Developer tools provide orchestration and verification. Device surfaces make the assistant available in more contexts.",{"data":512,"type":42},{"text":513,"level":243},"What This Means for Developers",{"data":515,"type":233},{"text":516},"Developers should not treat Gemini 3.5 Flash as only another model option. It changes the shape of applications that can be built on top of Google’s stack. If a model can handle longer task sequences, use tools reliably, and operate fast enough for real workflows, then applications can shift from isolated AI features to model-mediated processes.",{"data":518,"type":255},{"items":519,"style":254},[520,521,522,523,524],"Code agents can refactor, test, and verify larger task units.","Product agents can help users move from intent to action inside one flow.","Media applications can combine Omni generation with Gemini 3.5 orchestration.","Search and Workspace features can move from answering toward executing.","Mobile and XR surfaces can use Gemini as a live context layer instead of a distant cloud assistant.",{"data":526,"type":233},{"text":527},"The danger is overbuilding before the operational model is mature. Developers still need versioning, evaluation, logging, cost controls, fallback behavior, and human confirmation for high-impact actions. A stronger model does not remove the need for engineering discipline. It increases the value of that discipline.",{"data":529,"type":42},{"text":530,"level":243},"What This Means for Product Teams",{"data":532,"type":233},{"text":533},"Product teams should read Gemini Omni and Gemini 3.5 as a signal that Google wants AI to become an execution layer across the ecosystem. That creates opportunity and risk. The opportunity is a faster path from user intent to finished output. The risk is that product behavior becomes less transparent if agent decisions are hidden behind a polished interface.",{"data":535,"type":273},{"code":347},{"data":537,"type":233},{"text":538},"If a product team cannot answer what the model is allowed to do, how it is evaluated, and how the user can recover from a bad action, the integration is not ready for production. This is especially true when Gemini is connected to Search, Workspace, Shopping, Android, or wearable interfaces.",{"data":540,"type":42},{"text":541,"level":243},"The Reality Check: Benchmarks Are Not the Product",{"data":543,"type":233},{"text":544},"The risk with every model launch is benchmark intoxication. Better performance matters, but production value depends on integration quality. A model can be faster and stronger while still failing a specific workflow because the prompts are weak, tool policies are loose, evaluation is shallow, or rollback paths are missing.",{"data":546,"type":255},{"items":547,"style":254},[548,549,550,551,552],"A creative model needs consistency, editability, and output control.","An action model needs tool discipline, verification, and safe failure modes.","A developer model needs repeatable behavior inside real repositories.","A product model needs user trust and clear control boundaries.","A platform model needs versioning, monitoring, and cost observability.",{"data":554,"type":260},{"text":555,"caption":556},"The launch model gets attention. The operating model decides whether it survives production.","Engineering reality check",{"data":558,"type":42},{"text":559,"level":243},"How This Fits the Google I\u002FO 2026 Cluster",{"data":561,"type":233},{"text":562},"This article covers the model layer of the cluster. The \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">main Google I\u002FO 2026 hub\u003C\u002Fa> explains the full architectural shift. \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Antigravity, AI Studio, and Google DevTools\u003C\u002Fa> explains how the models enter developer workflows. \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Android XR and Intelligent Eyewear\u003C\u002Fa> explains how the same intelligence moves into wearable surfaces. \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Agentic Products Across Search, Workspace, and Shopping\u003C\u002Fa> explains what happens when these capabilities reach consumer and productivity products.",{"data":564,"type":42},{"text":565,"level":243},"Related Articles in This Cluster",{"data":567,"type":255},{"items":568,"style":254},[569,570,571,572],"\u003Cb>Main Hub:\u003C\u002Fb> \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-architectural-pivots-agentic-ai-and-the-unified-ecosystem-reality-check\">Google I\u002FO 2026: Architectural Pivots, Agentic AI, and the Unified Ecosystem Reality Check\u003C\u002Fa>","\u003Cb>Developer Tooling:\u003C\u002Fb> \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-antigravity-ai-studio-and-google-devtools\">Google I\u002FO 2026: Antigravity, AI Studio, and Google DevTools\u003C\u002Fa>","\u003Cb>Android, XR, and Device Surfaces:\u003C\u002Fb> \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-android-xr-and-intelligent-eyewear\">Google I\u002FO 2026: Android XR and Intelligent Eyewear\u003C\u002Fa>","\u003Cb>Agentic Consumer Products:\u003C\u002Fb> \u003Ca href=\"\u002Fblog\u002Fgoogle-io-2026-agentic-products-search-workspace-and-shopping\">Google I\u002FO 2026: Agentic Products Across Search, Workspace, and Shopping\u003C\u002Fa>",{"data":574,"type":42},{"text":575,"level":243},"Final Perspective",{"data":577,"type":233},{"text":578},"Gemini Omni and Gemini 3.5 define the compute split behind Google I\u002FO 2026. Omni is the creation layer: multimodal input, video output, conversational editing, and world-grounded generation. Gemini 3.5 Flash is the action layer: fast frontier intelligence for agents, coding, and long-horizon tasks. Together, they explain why the rest of the keynote looks the way it does. Antigravity needs action-grade models. Search and Workspace need agents that can reason and execute. Android XR needs live context understanding. The keynote is not just a model story, but without this compute layer the rest of the story does not work.",{"data":580,"type":393},{},"2.30.8","Google I\u002FO 2026 put Gemini Omni and Gemini 3.5 at the center of Google’s agentic AI strategy. This article breaks down the difference between multimodal creation and action-grade intelligence, why Gemini 3.5 Flash matters for agents and coding, and how these models power the wider Google I\u002FO 2026 platform shift.",{"lang":7,"title":224,"content":226,"contentJson":584,"excerpt":395},{"time":228,"blocks":585,"version":394},[586,588,590,592,594,596,599,601,603,605,607,609,611,613,615,617,619,621,623,625,628,630,632,634,636,638,640,642,645,647,649,651,653,655,657,659,662,664,666,668,670,673,675,677],{"data":587,"type":233},{"text":232},{"data":589,"type":233},{"text":236},{"data":591,"type":233},{"text":239},{"data":593,"type":42},{"text":242,"level":243},{"data":595,"type":233},{"text":246},{"data":597,"type":255},{"items":598,"style":254},[250,251,252,253],{"data":600,"type":260},{"text":258,"caption":259},{"data":602,"type":42},{"text":263,"level":243},{"data":604,"type":233},{"text":266},{"data":606,"type":233},{"text":269},{"data":608,"type":273},{"code":272},{"data":610,"type":233},{"text":276},{"data":612,"type":42},{"text":279,"level":243},{"data":614,"type":233},{"text":282},{"data":616,"type":233},{"text":285},{"data":618,"type":273},{"code":288},{"data":620,"type":233},{"text":291},{"data":622,"type":42},{"text":294,"level":243},{"data":624,"type":233},{"text":297},{"data":626,"type":255},{"items":627,"style":254},[301,302,303,304,305],{"data":629,"type":260},{"text":308,"caption":309},{"data":631,"type":42},{"text":312,"level":243},{"data":633,"type":233},{"text":315},{"data":635,"type":273},{"code":318},{"data":637,"type":233},{"text":321},{"data":639,"type":42},{"text":324,"level":243},{"data":641,"type":233},{"text":327},{"data":643,"type":255},{"items":644,"style":254},[331,332,333,334,335],{"data":646,"type":233},{"text":338},{"data":648,"type":42},{"text":341,"level":243},{"data":650,"type":233},{"text":344},{"data":652,"type":273},{"code":347},{"data":654,"type":233},{"text":350},{"data":656,"type":42},{"text":353,"level":243},{"data":658,"type":233},{"text":356},{"data":660,"type":255},{"items":661,"style":254},[360,361,362,363,364],{"data":663,"type":260},{"text":367,"caption":368},{"data":665,"type":42},{"text":371,"level":243},{"data":667,"type":233},{"text":374},{"data":669,"type":42},{"text":377,"level":243},{"data":671,"type":255},{"items":672,"style":254},[381,382,383,384],{"data":674,"type":42},{"text":387,"level":243},{"data":676,"type":233},{"text":390},{"data":678,"type":393},{},"Post erfolgreich abgerufen",{"items":681,"source":766,"manualIds":767,"manualMatchedIds":768},[682,689,696,703,710,717,724,731,738,745,752,759],{"id":683,"slug":684,"title":685,"excerpt":686,"featuredImage":687,"publishedAt":688},"489","agentic-ai-explained-when-an-ai-system-can-plan-use-tools-and-act","IA agentica spiegata: quando un sistema di IA può pianificare, usare strumenti e agire","L'IA agentica utilizza modelli all'interno di cicli di esecuzione a più passaggi, in cui possono scegliere strumenti, osservare i risultati, aggiornare lo stato e adattare l'azione successiva entro limiti espliciti di runtime e di autorizzazione.","\u002Fuploads\u002F2026\u002F10\u002Fagentic-ai-explained-when-an-ai-system-can-plan-use-tools-and-act-1791481499084-wnji2a.webp","2026-10-08T11:43:00.000Z",{"id":690,"slug":691,"title":692,"excerpt":693,"featuredImage":694,"publishedAt":695},"436","triggers","Guida Completa ai Trigger di Rollback nei Runbook AI Aziendali","Questa guida esplora i Rollback Trigger, meccanismi essenziali nei runbook AI aziendali che rilevano automaticamente le anomalie e avviano rollback per mantenere la stabilità del sistema. Scopri come configurare, monitorare e ottimizzare questi trigger per distribuzioni AI robuste.","\u002Fuploads\u002F2026\u002F06\u002Ftriggers-1781855500994-cibuou.webp","2026-03-01T16:51:00.000Z",{"id":697,"slug":698,"title":699,"excerpt":700,"featuredImage":701,"publishedAt":702},"498","can-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain","Può la prova sopravvivere alla pipeline dell'IA? — La catena di conservazione delle prove","Le prove possono essere corrette alla fonte e diventare comunque inaffidabili dopo l'analisi, la normalizzazione, la suddivisione in blocchi, il recupero e l'assemblaggio del contesto. La Catena di Preservazione delle Prove tiene traccia se identità, provenienza, ambito e significato sopravvivono all'intera pipeline di IA.","\u002Fuploads\u002F2026\u002F10\u002Fcan-evidence-survive-the-ai-pipeline-the-evidence-preservation-chain-1792096396174-urdg9z.webp","2026-10-15T16:31:00.000Z",{"id":704,"slug":705,"title":706,"excerpt":707,"featuredImage":708,"publishedAt":709},"490","rbac-vs-tenant-isolation-two-different-security-boundaries","RBAC vs Isolamento dei Tenant: Due Confini di Sicurezza Diversi","Il controllo RBAC stabilisce cosa può fare un utente; l'isolamento dei tenant stabilisce a quali risorse di quale tenant può accedere tale azione. Scopri perché la sicurezza SaaS multi-tenant richiede entrambi i confini.","\u002Fuploads\u002F2026\u002F10\u002Frbac-vs-tenant-isolation-two-different-security-boundaries-1791485111528-qqtzby.webp","2026-10-08T14:43:00.000Z",{"id":711,"slug":712,"title":713,"excerpt":714,"featuredImage":715,"publishedAt":716},"452","zbt-z8102ax-5g-openwrt-router-review-dual-sim-rm500u-ea-and-an-honest-assessment","Recensione del router 5G OpenWrt ZBT Z8102AX: Dual SIM, RM500U-EA e una valutazione onesta","Lo ZBT Z8102AX è un insolito router 5G con una base OpenWrt, un concetto dual-SIM e un modem Quectel RM500U-EA. Nei test, mostra chiari punti di forza nella flessibilità, nelle interfacce e nella connettività mobile, ma anche i tipici punti deboli di una build OpenWrt modificata dal produttore.","\u002Fuploads\u002F2026\u002F06\u002Fopenwrt-router-review-dual-sim-01-1781620588908-fwmzj7.webp","2026-06-16T07:34:00.000Z",{"id":718,"slug":719,"title":720,"excerpt":721,"featuredImage":722,"publishedAt":723},"470","what-should-an-ai-agent-remember-forget-recompute-or-retrieve-again","Cosa dovrebbe ricordare, dimenticare, ricalcolare o recuperare di nuovo un agente IA?","Gli agenti a lunga esecuzione non dovrebbero ricordare tutto. Questo articolo fornisce un modello pratico di ciclo di vita per decidere cosa appartiene alla memoria durevole, cosa dovrebbe essere recuperato di nuovo, cosa è più sicuro ricalcolare e cosa dovrebbe scadere o essere sostituito.","\u002Fuploads\u002F2026\u002F09\u002Fwhat-should-an-ai-agent-remember-forget-recompute-or-retrieve-again-1790351131087-iehz28.webp","2026-09-25T09:43:00.000Z",{"id":725,"slug":726,"title":727,"excerpt":728,"featuredImage":729,"publishedAt":730},"487","vector-databases-embeddings-and-reranking-three-different-parts-of-retrieval","Database vettoriali, embedding e reranking: tre parti diverse del recupero","Gli embedding rappresentano il significato, i database vettoriali recuperano i candidati e i reranker affinano i risultati. Scopri come questi tre livelli di recupero si differenziano e collaborano nel RAG.","\u002Fuploads\u002F2026\u002F10\u002Fvector-databases-embeddings-and-reranking-three-different-parts-of-retrieval-1791480129884-9dtasz.webp","2026-10-08T11:21:00.000Z",{"id":732,"slug":733,"title":734,"excerpt":735,"featuredImage":736,"publishedAt":737},"445","qwen-3-6-in-production-release-runbook-ai-rollback-and-llmops-versioning","Qwen 3.6 in produzione: Runbook di rilascio, Rollback AI e Versionamento LLMOps","Qwen 3.6 non è solo un altro aggiornamento del modello. È un evento di rilascio, uno scenario di rollback e un problema di versionamento allo stesso tempo. Questo articolo spiega come Qwen 3.6 dovrebbe essere gestito in produzione attraverso la disciplina LLMOps, la tracciabilità dei prompt e dei modelli, il rollout controllato e la prontezza al rollback basata sull'evidenza.","\u002Fuploads\u002F2026\u002F02\u002Fnew-qwen-3-5-plus-1771515512741-dcbi9p.webp","2026-05-04T02:49:00.000Z",{"id":739,"slug":740,"title":741,"excerpt":742,"featuredImage":743,"publishedAt":744},"495","sovereign-ai-control-of-models-data-infrastructure-and-dependencies","IA sovrana: controllo di modelli, dati, infrastrutture e dipendenze","L'IA sovrana riguarda il controllo effettivo su modelli, dati, infrastrutture, software, operazioni e dipendenze strategiche — non semplicemente dove è ospitato un modello di IA.","\u002Fuploads\u002F2026\u002F10\u002Fsovereign-ai-control-of-models-data-infrastructure-and-dependencies-1791488833132-niy85x.webp","2026-10-08T15:45:00.000Z",{"id":746,"slug":747,"title":748,"excerpt":749,"featuredImage":750,"publishedAt":751},"385","comfyui-on-fedora-43-two-virtual-environments-one-click-start-march-2026","ComfyUI su Fedora 43: Due Ambienti Virtuali + Avvio con un Clic (Marzo 2026)","Obiettivo: Mantenere due venv Python (es. 3.12 + 3.14) per la compatibilità, ma avviare ComfyUI automaticamente con una configurazione pulita e leggera.","\u002Fuploads\u002F2026\u002F03\u002Fcomfyui-on-fedora-43-two-virtual-environments-one-click-start-march-2026-1772356102271-qqqlsm.webp","2026-03-01T04:57:00.000Z",{"id":753,"slug":754,"title":755,"excerpt":756,"featuredImage":757,"publishedAt":758},"493","mlops-vs-llmops-what-changes-when-the-model-is-an-llm","MLOps vs LLMOps: cosa cambia quando il modello è un LLM","MLOps gestisce i sistemi di machine learning; LLMOps estende tali pratiche a prompt, contesto, recupero, provider, strumenti, valutazioni e comportamento a runtime attorno ai modelli linguistici di grandi dimensioni.","\u002Fuploads\u002F2026\u002F10\u002Fmlops-vs-llmops-what-changes-when-the-model-is-an-llm-1791487319869-2v7hxo.webp","2026-10-08T15:20:00.000Z",{"id":760,"slug":761,"title":762,"excerpt":763,"featuredImage":764,"publishedAt":765},"461","beyond-prompt-engineering-a-methodology-for-more-reliable-ai-reasoning","Oltre l'ingegneria dei prompt: una metodologia per un ragionamento AI più affidabile","I grandi modelli linguistici non falliscono necessariamente perché mancano di capacità di ragionamento. Spesso falliscono perché il processo di ragionamento non è sufficientemente vincolato, messo in discussione o verificato. Questo articolo presenta una metodologia indipendente dal dominio che trasforma il prompting in un processo epistemico strutturato: separare i fatti dalle assunzioni, generare ipotesi concorrenti, testare le controprove, applicare la falsificazione e verificare se le conclusioni rimangono stabili sotto inquadrature alternative. L'obiettivo non è rendere il modello \"meno d'accordo\", ma rendere le sue conclusioni meno dipendenti dall'inquadratura iniziale dell'utente.","\u002Fuploads\u002F2026\u002F09\u002Fbeyond-prompt-engineering-a-methodology-for-more-reliable-ai-reasoning-1789804466431-qba1zb.webp","2026-09-19T00:55:00.000Z","fallback",[],[]]