Что случилось
Google объявил, что Antigravity SDK теперь поддерживает локальное выполнение моделей искусственного интеллекта, что позволяет разработчикам создавать агентные приложения, работающие полностью в автономном режиме. Обновление включает первоначальную поддержку модели Gemma 4 26B A4B с использованием среды выполнения LiteRT Google AI Edge. Это позволяет использовать локальные ресурсы графического процессора и оперативной памяти для агентских задач, таких как аудит кода и создание утилит, не полагаясь на подключение к облаку. SDK также включает поддержку Plug-and-Play для OpenAI-совместимых локальных серверов, таких как Ollama, LM Studio и vLLM.
Google представил поддержку локальных моделей искусственного интеллекта в Antigradity SDK, инструменте, который позволяет разработчикам создавать приложения с теми же агентными возможностями, что и Google Antigradity. Это обновление позволяет выполнять агентские рабочие процессы полностью автономно, используя локальные аппаратные ресурсы, такие как графический процессор и оперативная память.
Первоначальная реализация поддерживает модель Gemma 4 26B A4B, оптимизированную для среды выполнения Google AI Edge LiteRT. Google утверждает, что эта оптимизация эффективно использует возможности локального компьютера для улучшения того, что может быть доставлено на устройство. В объявлении содержится образец сценария Python, agy_sample.py, который поможет разработчикам начать работу с этим локальным рабочим процессом.
SDK также обеспечивает бесперебойную поддержку любого OpenAI-совместимого сервера, включая Ollama, LM Studio и vLLM, через LocalOpenAIAgentConfig. Такая гибкость позволяет разработчикам экспериментировать с различными локальными механизмами вывода, сохраняя при этом единообразную оркестровку агентов, инструменты и рабочие процессы.
Google продемонстрировал полезность этой установки с помощью гибридной демонстрации, где модель облачного архитектора (Gemini 3.8 Flash) выступала в качестве планировщика, а локальная группа экземпляров Gemma 4 26B выполняла задачи аудита кода и внесения исправлений. Другой пример показал, что локальный агент автономно создает обновляемый в реальном времени монитор ресурсов терминала с использованием библиотек Python, таких как psutil и rich, и все это без доступа к Интернету.
Подробности об источнике: developers.googleblog.com ↗
Почему это важно
Это обновление снижает барьер для разработчиков при развертывании агентов ИИ в средах, где конфиденциальность данных, задержка или подключение к Интернету являются критическими ограничениями. Поддерживая локальное выполнение, SDK позволяет создавать гибридные архитектуры, в которых облачные модели выполняют высокоуровневое планирование, а локальные модели выполняют тяжелые вычислительные операции на устройстве. Такой подход может снизить стоимость токенов и обеспечить сохранение конфиденциальных данных на компьютере пользователя. Специальная оптимизация для LiteRT и Gemma 4 26B обеспечивает конкретный, проверенный путь разработки периферийного ИИ, переходя от теоретических локальных концепций ИИ к практическим интегрированным инструментам в экосистеме разработчиков крупной технологической компании.
Возможность локального запуска агентного ИИ решает серьезные проблемы, связанные с конфиденциальностью и безопасностью данных, поскольку конфиденциальный код и данные не нужно передавать на внешние облачные серверы. Это особенно актуально для корпоративных сред или отдельных разработчиков, работающих с проприетарной или конфиденциальной информацией.
Поддерживая гибридный шаблон Architect-Builder, SDK предлагает практическое решение, позволяющее сбалансировать масштаб облачных моделей с конфиденциальностью и экономической эффективностью локальных моделей. Эта архитектура позволяет решать сложные задачи планирования с помощью мощных облачных моделей, в то время как рутинные или трудоемкие задачи выполняются локально, оптимизируя использование токенов и сокращая задержки.
Конкретные рекомендации для оборудования с объемом видеопамяти более 24 ГБ или унифицированной памяти устанавливают четкую техническую основу для пользователей. Хотя это ограничивает немедленный доступ к высокопроизводительным машинам, это ставит перед разработчиками и производителями оборудования конкретную цель, стремящуюся поддерживать расширенные локальные рабочие нагрузки искусственного интеллекта.
Интеграция LiteRT и поддержка стандартных локальных серверов вывода, таких как Ollama и vLLM, снижает трудности для разработчиков, уже знакомых с этими инструментами. Эта стандартизация помогает консолидировать фрагментированную среду разработки локального ИИ, предлагая унифицированный интерфейс для оркестровки агентов независимо от базовой серверной части локальной модели.
Интерактивный механизм: как он на самом деле работает
Изучите технологию, лежащую в основе этой разработки, в интерактивном режиме.
crm_get_transaction(id='4092').What most distinguishes an AI agent from a basic chatbot?
Что посмотреть дальше
Разработчикам следует отслеживать репозиторий Antigravity Python SDK GitHub на наличие обновлений конфигурации локальной модели и тестов производительности. Практическая осуществимость рекомендуемых требований к оборудованию, в частности, машинам с более чем 24 ГБ видеопамяти или унифицированной памятью, будет определять доступность этих функций для более широкого круга разработчиков. Кроме того, внедрение шаблона «Архитектор-строитель», который сочетает облачное планирование с локальным исполнением, может повлиять на то, как разрабатываются гибридные системы искусственного интеллекта в корпоративных и потребительских приложениях.
Производительность и стабильность модели Gemma 4 26B A4B при работе на оборудовании потребительского уровня с рекомендуемой видеопамятью объемом более 24 ГБ станут ключевым показателем практической полезности этой функции. Первые пользователи могут сообщать о задержке, управлении памятью и качестве выходных данных агентов в реальных сценариях.
Развитие поддержки Antigradity SDK других локальных моделей и механизмов вывода будет определять его долгосрочную актуальность. Если Google расширит поддержку моделей меньшего размера или более эффективных, требования к оборудованию могут снизиться, что расширит потенциальную базу пользователей.
Внедрение гибридного облачно-локального рабочего процесса в корпоративных условиях станет важной тенденцией, которую следует отслеживать. Если этот шаблон окажется эффективным для обеспечения конфиденциальности данных при использовании облачного интеллекта, он может стать стандартной архитектурой для инструментов разработки на основе искусственного интеллекта.
Отзывы сообщества об антигравитационном Python SDK GitHub Issue Tracker позволят получить представление об распространенных проблемах и запросах функций. Этот цикл обратной связи имеет решающее значение для понимания реальных ограничений текущей реализации и руководства будущими обновлениями.