Що сталося
Google оголосив, що Antigravity SDK тепер підтримує локальне виконання моделі штучного інтелекту, що дозволяє розробникам створювати агентські програми, які працюють повністю в автономному режимі. Оновлення містить початкову підтримку для моделі Gemma 4 26B A4B із використанням середовища виконання LiteRT Google AI Edge. Це дає змогу використовувати ресурси локального графічного процесора та оперативної пам’яті для агентських завдань, таких як аудит коду та створення утиліт, не покладаючись на підключення до хмари. SDK також включає підтримку plug-and-play для OpenAI-сумісних локальних серверів, таких як Ollama, LM Studio та vLLM.
Google представив підтримку локальних моделей штучного інтелекту в Antigravity SDK, інструменті, який дозволяє розробникам створювати програми з тими самими агентськими можливостями, що і Google Antigravity. Це оновлення дозволяє виконувати агентські робочі процеси повністю в автономному режимі, використовуючи локальні апаратні ресурси, такі як GPU та RAM.
Початкова реалізація включає підтримку моделі Gemma 4 26B A4B, оптимізованої для середовища виконання LiteRT Google AI Edge. Google стверджує, що ця оптимізація ефективно використовує можливості локальної машини для покращення того, що може бути доставлено на пристрій. Оголошення містить зразок сценарію Python, agy_sample.py, щоб допомогти розробникам почати роботу з цим локальним робочим процесом.
SDK також забезпечує безперебійну підтримку будь-якого OpenAI-сумісного сервера, включаючи Ollama, LM Studio та vLLM, через LocalOpenAIAgentConfig. Ця гнучкість дозволяє розробникам експериментувати з різними локальними механізмами виводу, зберігаючи узгоджену оркестровку агентів, інструменти та робочі процеси.
Google продемонстрував корисність цієї установки за допомогою гібридної демонстрації, де хмарна модель архітектора (Gemini 3.8 Flash) виконувала роль планувальника, а локальний рій екземплярів Gemma 4 26B обробляв завдання аудиту коду та виправлення. Інший приклад показав, що локальний агент автономно створює монітор термінальних ресурсів, що оновлюється в реальному часі, використовуючи бібліотеки Python, такі як psutil і rich, і все без доступу до Інтернету.
Деталі джерела: developers.googleblog.com ↗
Чому це важливо
Це оновлення зменшує бар’єр для розробників у розгортанні агентів ШІ в середовищах, де конфіденційність даних, затримка або підключення до Інтернету є критичними обмеженнями. Підтримуючи локальне виконання, SDK дозволяє створювати гібридні архітектури, де хмарні моделі обробляють планування високого рівня, а локальні моделі виконують важкі обчислювальні роботи на пристрої. Цей підхід може зменшити витрати на токени та забезпечити збереження конфіденційних даних на комп’ютері користувача. Спеціальна оптимізація для LiteRT і Gemma 4 26B забезпечує конкретний, перевірений шлях для розробки периферійного штучного інтелекту, переходячи від теоретичних локальних концепцій штучного інтелекту до практичних інтегрованих інструментів у екосистемі розробників великої технологічної компанії.
Можливість запускати агентський ШІ локально вирішує серйозні проблеми щодо конфіденційності та безпеки даних, оскільки конфіденційний код і дані не потрібно передавати на зовнішні хмарні сервери. Це особливо важливо для корпоративних середовищ або окремих розробників, які працюють із службовою або конфіденційною інформацією.
Підтримуючи гібридний шаблон Architect-Builder, SDK пропонує практичне рішення для збалансування масштабу хмарних моделей із конфіденційністю та економічною ефективністю локальних моделей. Ця архітектура дозволяє обробляти складні завдання планування за допомогою потужних хмарних моделей, тоді як рутинні або важкі завдання виконуються локально, оптимізуючи використання маркерів і зменшуючи затримку.
Конкретні рекомендації щодо обладнання з відеопам’яттю понад 24 ГБ або уніфікованою пам’яттю встановлюють чітку технічну базу для користувачів. Хоча це обмежує миттєвий доступ до машин високого класу, це забезпечує конкретну ціль для розробників і виробників апаратного забезпечення, які прагнуть підтримувати розширені локальні робочі навантаження ШІ.
Інтеграція LiteRT і підтримка стандартних локальних серверів висновків, таких як Ollama та vLLM, зменшують тертя для розробників, які вже знайомі з цими інструментами. Ця стандартизація допомагає консолідувати фрагментований ландшафт локальної розробки штучного інтелекту, пропонуючи уніфікований інтерфейс для оркестровки агентів незалежно від базової локальної моделі серверної частини.
Інтерактивний механізм: як він насправді працює
Дослідіть технологію, що лежить в основі цієї розробки, в інтерактивному режимі.
crm_get_transaction(id='4092').What most distinguishes an AI agent from a basic chatbot?
Що дивитися далі
Розробники повинні контролювати репозиторій Antigravity Python SDK GitHub для оновлень локальної конфігурації моделі та тестів продуктивності. Практична життєздатність рекомендованих вимог до апаратного забезпечення, зокрема машин із понад 24 ГБ відеопам’яті або об’єднаної пам’яті, визначатиме доступність цих функцій для ширшої бази розробників. Крім того, прийняття шаблону «Архітектор-конструктор», який поєднує хмарне планування з локальним виконанням, може вплинути на те, як гібридні системи штучного інтелекту проектуються в корпоративних і споживчих програмах.
Продуктивність і стабільність моделі Gemma 4 26B A4B під час роботи на апаратному забезпеченні споживчого класу з рекомендованим 24 ГБ+ VRAM буде ключовим показником практичної користі цієї функції. Перші користувачі можуть повідомляти про затримку, керування пам’яттю та якість вихідних даних агента в реальних сценаріях.
Еволюція підтримки Antigravity SDK для інших локальних моделей і механізмів виведення визначатиме його довгострокову актуальність. Якщо Google розширить підтримку до менших або ефективніших моделей, вимоги до апаратного забезпечення можуть зменшитися, розширивши потенційну базу користувачів.
Прийняття гібридного хмарно-локального робочого процесу в налаштуваннях підприємства стане важливою тенденцією, яку слід відстежувати. Якщо цей шаблон виявиться ефективним для збереження конфіденційності даних при одночасному використанні хмарного інтелекту, він може стати стандартною архітектурою для інструментів розробки на основі ШІ.
Відгуки спільноти щодо Antigravity Python SDK GitHub Issue Tracker нададуть зрозуміти типові виклики та запити щодо функцій. Цей цикл зворотного зв’язку має вирішальне значення для розуміння реальних обмежень поточної реалізації та скерування майбутніх оновлень.