Lanciato nel novembre 2025, Google Antigravity ha l'ambizione di trasformare l'ambiente di sviluppo in una piattaforma di agenti autonomi. Questi agenti possono pianificare, scrivere, testare e correggere il codice, intervenendo direttamente nel terminale e nel browser. In maggio 2026, Google ha esteso questa filosofia con l'Antigravity SDK, una libreria Python che permette ai sviluppatori di creare i propri agenti utilizzando il motore di Antigravity, senza dover passare per il suo IDE.
L'ibridazione tra cloud e locale
Con la nuova supporto per i modelli locali, l'Antigravity SDK consente agli sviluppatori di eseguire agenti IA direttamente sulle proprie macchine, senza necessità di connessione Internet o consumo di token tramite API cloud. Il SDK privilegia inizialmente Gemma 4 26B A4B, eseguito grazie al motore LiteRT di Google, ma accetta anche altri modelli tramite server compatibili OpenAI, come Ollama, LM Studio e vLLM.
L'approccio ibrido di Google, battezzato "Architect-Builder", prevede l'utilizzo di un modello potente ospitato nel cloud che funge da architetto: analizza gli obiettivi, definisce la strategia e distribuisce i compiti. Gli agenti locali prendono poi il relais per esaminare il codice, cercare vulnerabilità, produrre correzioni e eseguire i test.
Vantaggi e limiti
In una dimostrazione che coinvolgeva tre moduli Python vulnerabili, Google afferma di aver realizzato il 97,2% del trattamento dei token localmente, consumando solo 95 token cloud su un totale di 3.417. Inoltre, non è stata trasmessa alcuna riga di codice sorgente ai server remoti.
Google dimostra anche l'autonomia degli agenti con il nuovo modello cloud Gemini 4 Argon. Lanciato per 11 ore senza intervento umano in Antigravity, l'agente ha analizzato le 205.000 linee di codice Python dell'Agent Development Kit (ADK) di Google. Risultato: sei ottimizzazioni proposte su 32 file, dopo l'analisi del codice e l'esecuzione di quasi 17.000 test unitari. Solo due ottimizzazioni hanno superato la revisione umana, ma hanno permesso di ridurre del 40% il tempo di preparazione delle sessioni lunghe e accelerare del 21% il caricamento dei moduli.
Considerazioni e sfide
Per le aziende, la promessa è allettante: maggiore privacy, minore dipendenza dalle API e un migliore controllo sui costi di inferenza. Tuttavia, questa autonomia ha un prezzo: Google raccomanda almeno 24 GB di memoria video o unificata per far girare il suo modello di riferimento.
Resta da verificare le prestazioni reali dei piccoli modelli locali rispetto ai migliori modelli cloud. L'enjeu non è più solo scegliere la migliore IA per programmare, ma decidere quali compiti meritano davvero di uscire dall'azienda.
L'esperienza illustra sia i progressi dell'autonomia agentica che i suoi limiti: l'agente deve disporre delle regole architettoniche del progetto per lavorare in modo efficace, e la validazione umana rimane indispensabile per scartare ottimizzazioni apparentemente attraenti ma potenzialmente pericolose.