A Google alargou, sem grande aparato, o que os programadores podem enviar para a API Gemini e o que as ferramentas podem devolver. A entrada de 5 de novembro de 2026 nas notas de versao da API Gemini descreve duas mudancas ligadas: um suporte mais amplo a ficheiros Microsoft Office e OpenDocument na entrada, e respostas de funcoes multimodais que permitem devolver ficheiros Office, audio e video, alem de texto, imagens e PDF.
Do lado da entrada, a API passa a aceitar PowerPoint 97-2003 (PPT), apresentacoes OpenDocument (ODP) e folhas de calculo OpenDocument (ODS), e acrescenta o processamento de Word 97-2003 (DOC) como imagens de pagina. Os ficheiros DOC, PPT e ODP sao renderizados pagina a pagina ou diapositivo a diapositivo para o modelo ler layout, graficos e imagens. Nas folhas ODS o modelo recebe apenas dados e formulas da primeira folha. O tratamento dos formatos modernos ja suportados (DOCX, DOTX, ODT, PPTX, XLSX e XLS) mantem-se.
O guia de processamento de documentos da Google detalha o comportamento por formato. DOCX, DOTX, ODT e PPTX sao convertidos em texto completo, com imagens embutidas preservadas em DOCX e PPTX, mas as paginas e diapositivos nao sao renderizados como imagens, pelo que layout e graficos podem perder-se. XLSX e XLS continuam a expor so a primeira folha como valores de celula sem formulas nem formatacao. O ODS e a excecao entre as folhas de calculo: a primeira folha chega com dados e formulas. As restantes folhas sao ignoradas salvo se o programador as colocar em primeiro lugar ou as separar. Os limites de tamanho e de paginas continuam a aplicar-se ao ficheiro inteiro.
A segunda mudanca visa agentes que usam ferramentas. As respostas de funcoes podem agora devolver ficheiros Office e OpenDocument, audio e video ao modelo. Na API GenerateContent, as partes da resposta de funcao aceitam esses media alem de imagens, PDF e texto; aceitam tambem fileData para devolver um URI da Files API em vez de bytes embutidos. displayName esta disponivel em inlineData e fileData, e as partes de video usam mediaProcessing STATIC ou AGENTIC. Na API Interactions, os passos function_result aceitam blocos document, audio e video (junto com text e image), por dados embutidos ou URI. Os blocos de video estao disponiveis em v1beta e v1alpha e aceitam um campo processing.
A documentacao de function calling multimodal liga a funcionalidade aos modelos da serie Gemini 3. Os tipos de bloco suportados incluem texto simples, imagens nos formatos PNG JPEG e WebP, documentos PDF e CSV mais os tipos Office e OpenDocument referidos acima, audio nos formatos ja documentados e video nos formatos ja documentados para compreensao de video. Cada bloco de media pode usar dados em base64 ou um URI da Files API, e os ficheiros devolvidos por ferramentas sao tratados como o mesmo ficheiro enviado como entrada normal. Um tipo MIME nao suportado devolve o erro 400 INVALID_ARGUMENT com o campo e os tipos aceites.
Em conjunto, as duas notas fecham uma lacuna pratica para agentes centrados em documentos. Uma ferramenta pode ir buscar um PPT antigo ou uma folha ODS, devolve-la diretamente ao Gemini sem conversao separada e continuar a conversa. Continua a ser um anuncio so de documentacao: a Google nao publicou benchmarks, mudancas de preco nem exemplos de clientes com a entrada de 5 de novembro, e nesta execucao nao apareceu cobertura independente.
Quem ja envia DOCX e PPTX vera pouca mudanca nesse caminho. Equipas que ainda recebem DOC, PPT ou OpenDocument de parceiros, reguladores ou sistemas empresariais antigos passam a ter um caminho oficial para manter esses formatos dentro do ciclo Gemini, inclusive quando chegam como resultado de ferramenta e nao como o carregamento original do utilizador.