NotebookLM: o que significa o “LM” (e por que o Google tirou essa sigla do nome)

Fala aí, beleza? A gente digitou NotebookLM por anos e quase ninguém parou pra decifrar as duas letrinhas do fim do nome

O "LM" é de language model, modelo de linguagem

E tem uma ironia boa nisso: o Google acabou tirando a sigla do nome do produto, mas ela sempre foi a parte MAIS importante da história ali

O nome nasceu da ideia de repensar um app de anotações partindo do zero, sabendo que haveria um modelo de linguagem poderoso no núcleo do produto

Ou seja: não é um caderno com IA colada por cima, é um caderno desenhado em volta do modelo

Entender essa combinação (caderno de fontes + modelo de linguagem) é o que explica o comportamento estranho da ferramenta pra quem vem do ChatGPT da vida: ela se recusa a inventar fora do que você subiu 🙂

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 120 aulas
• 4 projetos
• 9h 45min

Conhecer formação

De Project Tailwind a Gemini Notebook: a linha do tempo do nome

A história do nome é curtinha e ajuda a entender o resto

Repara no fio da meada: primeiro veio um nome experimental, depois um nome que carregava a tecnologia (o tal LM), e agora um nome que carrega a marca (Gemini)

Desde a atualização de junho de 2026, o produto roda em modelos Gemini 3.5

O que muda na prática com o novo nome (endereços, links e limites):

Calma que não é aquele caso clássico de renomear e quebrar tudo

Segundo o Google, é o mesmo produto: continua autônomo, focado em pesquisa, com os notebooks, fontes e Audio Overviews existentes preservados

A diferença é que ele passa a atuar também dentro do ecossistema Google, no app Gemini e na Busca

O que muda no seu dia:

• O endereço agora é notebook.google.com, e o Google aplicou redirecionamento automático pra que notebooks compartilhados, links salvos e favoritos antigos continuem funcionando
• A central de ajuda oficial mudou de casa e vive em support.google.com/gemininotebook, antes era support.google.com/notebooklm
• Os notebooks podem ser acessados e criados dentro do app Gemini, com sincronização entre o app e a experiência autônoma do Gemini Notebook

Tome cuidado com um detalhe: os limites de uso mudaram de lógica

Desde 2 de setembro de 2026, o cálculo passou a ser pela complexidade e extensão das tarefas, não mais pelo número de interações

Os limites são atualizados a cada cinco horas, aparece um aviso quando você se aproxima do teto, e quem paga tem limite mais generoso

Na prática isso significa que uma pergunta gigante em cima de um notebook monstro pesa MUITO mais do que dez perguntinhas curtas

Por que o modelo de linguagem aqui só responde com base nas suas fontes:

Agora o coração do assunto

A documentação oficial descreve o comportamento central assim: o chat responde de forma ancorada (grounded) nas fontes do notebook, com citações in-line, e as respostas ficam restritas ao material enviado

Se a resposta não está nas fontes, a ferramenta simplesmente não responde

E aí muita gente acha que a ferramenta "ficou burra"

Não ficou, ela tá fazendo exatamente o combinado: o modelo de linguagem é o motor, e o caderno de fontes é o trilho

Se você conhece a diferença entre perguntar pra um amigo que leu o livro inteiro e perguntar pra um amigo que só viu a capa, é mais ou menos isso: aqui o modelo só pode falar do que está dentro da pilha que você entregou

Daí sai a regra prática que muda tudo: a qualidade da saída depende do que entra

Fonte fraca gera resposta fraca, e não tem prompt bonito que salve

E não relaxa achando que ancorado significa infalível: o próprio Google avisa na documentação que o Gemini Notebook pode cometer erros e que as respostas não refletem a opinião do Google

Por isso as citações in-line existem, elas são o seu botão de conferir

É também o motivo pelo qual essa ferramenta não substitui as outras, e sim divide tarefa com elas: se ficou a dúvida de quando usar cada IA de pesquisa, o critério costuma ser justamente esse, se você quer resposta presa às suas fontes ou resposta livre

O que dá para fazer com essa combinação de fontes e modelo:

Se o modelo só fala do que você sobe, o jogo vira montar um bom acervo

Dá pra enviar como fontes:

• PDFs
• sites
• vídeos do YouTube
• arquivos de áudio
• Documentos Google
• Apresentações Google

E tem um atalho massa: dá pra usar a Busca do Google dentro da própria ferramenta pra encontrar fontes de qualidade na web e adicionar direto ao notebook

Do outro lado, o que sai desse material:

• guias de estudo
• briefings
• Audio Overviews (aquele resumo em áudio estilo podcast)
• mapas mentais
• relatórios, gráficos, planilhas e apresentações, desde a atualização de junho de 2026

E tem uma parte que é insana pra quem é de dados: cada notebook passou a ter um computador em nuvem seguro, que permite à ferramenta escrever e executar código nativamente pra fazer análise de dados ancorada nas suas fontes

Ou seja, não é só resumir texto, é rodar análise em cima do material que você reuniu 😀

Na prática: 48 fontes de deep research e a checagem de datas

Deixa eu te contar como isso aparece no uso real, porque teoria de sigla é bonita, mas o bicho pega na curadoria

No vídeo eu monto um notebook sobre estratégias de investimento agressivas, e a busca de fontes com deep research trouxe 48 fontes de uma vez

Eu não fui abrir site por site antes de importar, joguei tudo dentro e deixei a filtragem pra depois, de dentro do notebook mesmo

A sacada é usar o próprio notebook como auditor do acervo

Eu pedi pra ele categorizar as fontes e apontar quais falavam de investimento conservador, o que me deu critério pra desmarcar o que não servia

Depois fiz uma segunda categorização, dessa vez por data, separando fontes anteriores a 2020 das posteriores

Resultado: todas as fontes vieram classificadas como novas, publicadas ou atualizadas entre 2025 e 2026, nenhuma antiga

Esse filtro de data é ULTRA importante em tecnologia e programação, onde fonte velha entrega resposta ruim com cara de resposta certa

Outra coisa que eu mostro: fonte que falhou na extração (aquele site que não deixa pegar o conteúdo) tem que sair do notebook, porque a ferramenta insiste em acessar e a resposta demora mais

E tudo isso conecta direto com o LM da história: o modelo trabalha com o que você reuniu, então auditar o conjunto de fontes é parte do trabalho, não é frescura

A forma de pedir também pesa, do mesmo jeito que pesa quando a gente fala de meta-prompting pra pedir código, só que aqui a curadoria vem antes da pergunta

No vídeo acima eu vou do começo ao fim desse fluxo, com as 8 dicas que eu uso pra não estragar o notebook logo na largada

Conclusão

O "LM" saiu do nome, mas não saiu do produto

A sigla significava language model, o modelo de linguagem que sempre esteve no núcleo, e hoje o produto atende por Gemini Notebook rodando em modelos Gemini 3.5

O diferencial continua o mesmo de sempre: resposta ancorada nas suas fontes, com citações in-line, e silêncio quando o assunto não está no material

Próximo passo é simples: abre o notebook.google.com, monta um notebook com fontes escolhidas a dedo (e joga fora o que não presta) e confere as citações in-line antes de confiar em qualquer resposta

O nome muda, o trabalho de curadoria não… 😉

até o próximo post!