谷歌在其Antigravity SDK中引入本地模型支持，赋予开发者直接部署与执行智能代理的能力，同时仍可灵活集成云端模型处理复杂任务。这一创新有效提升了数据隐私控制、推理成本管理、网络依赖规避以及计算负载分配能力。其中，混合代理编排功能尤为突出，将架构师-构建者模式融入云计算与本地计算融合环境，实现主代理全局决策与多构建者并行执行的专业协作。通过架构师云端制定策略、构建者本地精准执行，不仅大幅减少云端Token消耗，更避免了源码上传带来的隐私泄露风险，以低成本高效运行代码密集型任务。演示数据显示，针对漏洞模块审计修补场景，约3400个Token中仅95个用于云端规划，97.2%的Token由本地模型消耗，且未上传源代码。当前主要依赖LiteRT技术运行Gemma 4 26B模型，同时支持与OpenAI兼容的本地推理服务器，拓展了技术应用范围。该功能为企业提供了更强的模型控制权，用户反馈该方案在成本、速度与质量上均有提升，表明其对智能化工作流的推进具有积极意义。

--91likeyou---

在一项针对三个存在漏洞的 Python 模块进行审计和修补的演示中，谷歌报告称，在约 3400 个 Token 中，仅有 95 个用于云端规划，其余 97.2% 的 Token 都是在本地消耗的。谷歌还表示，没有源代码被上传到云端。

初步实现主要侧重于通过谷歌的 LiteRT 技术运行 Gemma 4 26B A4B 模型。不过，开发者并非只能使用 LiteRT，因为 Antigravity SDK 还通过 LocalOpenAIAgentConfig 支持与 OpenAI 兼容的本地推理服务器，包括 Ollama、LM Studio 和 vLLM。

针对这一公告，Reddit 用户 ambassadortim 指出：“企业可以对自己的 AI 模型拥有更多的控制权，包括何时进行更改。”在另一场讨论中，FollowingTop3534 质疑云 Token 占比这一指标是否能全面地反映情况：

我会将补丁接受率、运行时间和能耗与云 Token 占比一并作为基准进行对比。“97.2% 的 Token 消耗来自本地模型”这一数据虽然有意思，但并不能说明在你的硬件上运行模型是否更快或更便宜，而且，推荐 24GB+ 的显存或统一内存确实是一道门槛。

关于社区讨论的最后一点补充，用户 Latter_Crazy 对这些新功能发表了热情洋溢的评论：

它能实现我之前使用云规则无法做到的事情。成本、速度和质量都在提升，而这仅仅是个开始。强烈推荐大家了解一下。

请勿将 Antigravity SDK 与 Antigravity IDE 混淆，后者是由 Antigravity SDK 驱动的集成开发环境（IDE）。它们共享相同的底层代理基础设施，但用途不同：SDK 允许你通过编程方式构建自己的 AI 代理，而不只是用于编码任务。

：

🔥 热词：#谷歌的antigravity可以换中转站模型嘛 · #谷歌antigravity地区 · #谷歌antigravity在哪个地区能用 · #谷歌Antigravity有中文界面吗 · #谷歌antigravity与AIsultidio啥区别 · #谷歌Antigravity工具 · #谷歌的antigravity开通 · #谷歌Antigravity风控严不严