Разбор философии Antigravity, на которую ставит Google: 5 ключевых суждений об Orchestrator + Swarm

Google ставит на Antigravity, потому что считает: AI-кодинг переходит от «вспомогательного автодополнения» к «автономному взаимодействию нескольких агентов». На этом этапе способности отдельной модели не решают исход — ключевой вопрос в том, можно ли оркестрировать группу агентов, чтобы они параллельно выполняли инженерные задачи. Antigravity — это full-stack-платформа, которую Google создал для такого сценария: на верхнем уровне Orchestrator отвечает за планирование выполнения графа, на нижнем Swarm раздаёт задачи специализированным субагентам, а за всем этим стоят модели Gemini, Google Cloud и экосистема Chrome. Цена тоже ясна: закрытое ядро, расширенная поверхность атак и фрагментация продуктовой линейки — эти три проблемы напрямую влияют на то, захотят ли разработчики идти следом.

Что вы узнаете из этой статьи?

  • Хронология и смысл перехода Google в 2026 году с открытого Gemini CLI на закрытый Antigravity CLI
  • Масштаб использования агентного кодинга внутри Google и публичные споры вокруг него
  • Почему Swarm считают лучше одиночного агента и каковы три принципа дизайна Orchestrator
  • Как Antigravity соотносится с продуктами Microsoft, Anthropic, OpenAI, Cursor и Cognition
  • Что показывает кейс использования Antigravity Линусом Торвальдсом и каковы основные риски этого пути

Структура: сначала таблица концепций и краткий обзор последствий помогут вам сформировать базовое понимание. Раздел «Объективные факты» в основной части последовательно разберёт происхождение названия, данные о внутреннем внедрении в Google, миграцию CLI, техническую архитектуру Antigravity, конкурентную расстановку и кейс Линуса. В разделе «Анализ и суждения» обсуждаются разумность и границы философии Swarm, структурные преимущества Google, список рисков, а также даются практические рекомендации разработчикам.

google-antigravity-orchestrator-swarm-philosophy-ru-image-0


To Know: ключевые концепции Google Antigravity

Концепция Краткое объяснение
Antigravity Продуктовая линейка Google для AI-агентного кодинга, охватывающая App, IDE, CLI, SDK и Extensions
import antigravity Встроенная пасхалка Python: после выполнения открывает комикс xkcd №353, намекая на лёгкий «взлёт» с помощью Python
Agentic Coding (агентный кодинг) AI не просто дописывает код, а самостоятельно планирует, вызывает инструменты, выполняет и итеративно завершает задачи
Orchestrator (оркестратор) Верхнеуровневый управляющий компонент, который декомпозирует задачи, распределяет подзадачи между субагентами и собирает результаты
Swarm (рой) Режим параллельной работы нескольких специализированных субагентов; в Antigravity доступен в формате /swarm
Выполнение по направленному графу Рабочий процесс организован как граф, поддерживающий ветвления, слияния, циклы и возвраты вместо фиксированных линейных шагов
HITL (Human-in-the-Loop) Человеко-машинное взаимодействие: на ключевых точках человек подтверждает, одобряет или проверяет результат работы агента
MCP Протокол контекста модели, позволяющий агенту единообразно подключаться к внешним инструментам и источникам данных
Prompt Injection Атака, при которой вредоносный контент склоняет агента выполнять нежелательные действия

Обзор влияния Google Antigravity

Кто Основные последствия
Обычные разработчики Способ работы смещается с «написать код + спросить ИИ» на «описать цель + проверить результат работы агента», а важность навыков ревью растёт
Пользователи Gemini CLI Подписка на ИИ-сервис для открытого Gemini CLI прекратила действие 18 июня 2026 года — нужно переходить на Antigravity CLI или переключаться на другие инструменты
Техруки команд Придётся заново оценивать политики доступа, границы безопасности и риски привязки к поставщику, а не только возможности модели
Открытое сообщество Ключевые инструменты перешли из открытого кода в закрытый — пространство для участия сообщества и аудита сузилось
Инженеры, работающие вне своих основных языков Порог входа для разработки небольших утилит на других языках и в других областях заметно снизился — кейс Линуса как раз типичный пример

Объективные факты ставки Google на Antigravity

Откуда взялось название Antigravity: от пасхалки Python к философии продукта

Название «Antigravity» (буквально «антигравитация») пришло из классической пасхалки Python-сообщества. Если выполнить в Python import antigravity, откроется комикс xkcd №353: человек парит в воздухе, его спрашивают, как он летает, а он отвечает: «Python!». Google позаимствовала это название, намекая, что разработчики смогут «взлететь», избавившись от рутины.

С точки зрения позиционирования продукта это название знаменует переход от AI-ассистированного кодирования в стиле Copilot к эпохе агентов, в которой AI самостоятельно выполняет задачи. Технологическую эволюцию, описанную в справочных материалах, можно свести к трём этапам:

  1. Эпоха Copilot (2021–2024): однострочное автодополнение → многострочные подсказки → боковая панель Chat
  2. Эпоха агентов (2024–2025): автономные агенты и агентные циклы, представленные Devin и Cursor Agent
  3. Эпоха Swarm (2025–2026 и далее): мультиагентное взаимодействие, представленное Antigravity /swarm; цель — «виртуальная инженерная команда»

google-antigravity-orchestrator-swarm-philosophy-ru-image-1

Масштаб внедрения и споры вокруг внутреннего Antigravity в Google

Директор по инженерии Google Эдди Османи публично заявил, что более 40 тысяч инженеров-программистов каждую неделю используют агентное программирование. Он также отметил, что сотрудники Google могут работать с внутренними версиями Antigravity, Gemini CLI, кастомными моделями, skills, CLI и MCP. Системы вроде Orchestrator, агентных циклов и виртуальных SWE-команд тоже уже используются внутри компании.

Споры разгорелись из-за бывшего инженера Google Стива Йегге. Он считает, что внедрение ИИ внутри Google примерно такое же, как в традиционных компаниях: около 20% — активные пользователи, 20% отказываются от инструментов, а 60% используют только базовые возможности. CEO Google DeepMind Демис Хассабис лично ответил на это, назвав пост «совершенно неверным и чистым кликбейтом». Нечасто топ-менеджеры уровня CEO публично опровергают посты в соцсетях — и это косвенно показывает, насколько серьёзно Google относится к теме агентного программирования.

Переход с Gemini CLI на Antigravity CLI

В мае 2026 года Google объявила в блоге для разработчиков, что Gemini CLI с открытым исходным кодом (написанный на TypeScript под лицензией Apache 2.0) 18 июня прекратит поддержку AI-подписок, а пользователи полностью перейдут на Antigravity CLI с закрытым исходным кодом (написанный на Go). К ноябрю 2026 года, когда была опубликована эта статья, миграция завершилась уже несколько месяцев назад.

В этом переходе заметны три явных изменения: технологический стек сменился с TypeScript на Go, модель лицензирования — с открытого исходного кода на проприетарную, а позиционирование — с экспериментального проекта для сообщества на ключевой коммерческий продукт.

Три принципа проектирования Antigravity Orchestrator

Судя по материалам, Orchestrator в Antigravity отражает три проектных подхода:

  • Выполнение в виде графа, а не линейный процесс: традиционные агентные фреймворки чаще всего идут по цепочке Шаг 1 → Шаг 2 → Шаг 3. Antigravity же использует выполнение в виде ориентированного графа с поддержкой ветвления, слияния, циклов и откатов. Ключевая инновация — «динамические узлы»: следующий шаг определяется во время выполнения, а не компилируется заранее.
  • Декларативность вместо императивности: разработчик описывает возможности агента, его инструменты и разрешения, а как именно выполнить задачу — агент решает сам.
  • HITL как первоклассный гражданин: человеческая проверка встроена в процесс через режим ask_user в системе Policies, процесс подтверждения инструментов (Tool Confirmation Flow) и Artifact Review после завершения работы.

В материалах приводится пример декларативной конфигурации, демонстрирующий такой подход:

# Декларативно: задаём возможности и разрешения агента (пример кода из материалов, а не полное использование SDK)
config = LocalAgentConfig(
    system_instructions="You are an expert...",
    tools=[get_weather, search_code],
    policies=[deny("run_command"), allow("view_file")],
)
# Агент сам решает, как выполнить задачу

В этой конфигурации нет ни слова про «сначала сделай это, потом то» — только очерчены рамки возможностей (tools) и границы разрешений (policies). Запрет на выполнение команд, разрешение на просмотр файлов — такая запись в духе «белый список + чёрный список» и есть основа для практической реализации HITL и политик безопасности.

google-antigravity-orchestrator-swarm-philosophy-ru-image-2

Позиционирование Antigravity относительно конкурентов

Конкурент Флагманский продукт Ответ Google
Microsoft / GitHub Copilot + Copilot Agent Antigravity IDE + Extensions
Anthropic Claude Code + Agent SDK Antigravity SDK + CLI
OpenAI Codex CLI + Swarm Antigravity /swarm + CLI
Cursor Cursor IDE Antigravity IDE (форк VS Code)
Cognition Devin Antigravity /swarm + Orchestrator

Как видно из таблицы, Google не стала целиться в одного конкретного соперника, а выстроила пять продуктовых линеек — по одной на каждый сегмент рынка. Antigravity IDE основана на форке VS Code, и это тот же путь, которым пошёл Cursor.

Linus Torvalds пишет на Python с помощью Antigravity

11 января 2026 года Linus Torvalds в README своего проекта AudioNoise написал, что тамошний инструмент визуализации на Python «по сути написан в режиме vibe-coding». По его словам, в аналоговых фильтрах он разбирается лучше, чем в Python: поначалу он действовал по принципу «найти в поиске и сделать по образцу», а потом просто «убрал посредника — то есть самого себя» — и сделал инструмент визуализации аудиосэмплов напрямую с помощью Google Antigravity. Позже Simon Willison рассказал об этом в своём блоге.

Уже выявленные проблемы безопасности Antigravity

В ноябре 2025 года Саймон Уиллисон (Simon Willison) опубликовал разбор рисков утечки данных в Google Antigravity. В материалах также отмечается, что такие векторы атаки, как промпт-инъекция (prompt injection), уже неоднократно подтверждены на практике. Отсюда вывод: как только агент получает возможность читать файлы, выполнять команды и обращаться к веб-страницам, вопросы безопасности перестают быть чисто теоретическими.


Аналитический взгляд на ставку Google на Antigravity

Вывод первый: Swarm решает структурное узкое место одиночного агента

Ограничения одиночного агента — это не просто «модель недостаточно умна», в большей степени это структурная проблема. У контекстного окна есть верхний предел, а сложная задача одновременно требует самых разных способностей: поиска, реализации, тестирования, документирования. Вдобавок в длинных задачах легко возникает затухание внимания и галлюцинации. Наращиванием одних лишь параметров большой модели трудно решить все три проблемы сразу.

Подход Swarm заимствует децентрализованную координацию пчёл и муравьёв: большая задача дробится на части, каждый суб-агент отвечает лишь за одну узкую область, они могут выполняться параллельно, а отказ в одной точке не обрушивает всё целиком. Таблица ниже сравнивает два режима:

Измерение Одиночный агент (Single Agent) Рой (Swarm)
Нагрузка на контекст Вся информация сжата в одном окне Каждый суб-агент держит только локальный контекст
Степень специализации Один агент должен совмещать множество способностей Суб-агенты сосредоточены на одной узкой области
Эффективность выполнения Последовательное продвижение, время растёт линейно с задачей Подзадачи параллельны, общая длительность заметно сокращается
Отказоустойчивость Ошибка посередине часто требует переделки целиком Отказ одного суб-агента можно локально повторить
Основная цена Деградация качества на длинных задачах Накладные расходы на оркестрацию, согласованность результатов и рост стоимости

Нужно отметить, что преимущества Swarm условны. Если задачу трудно разбить, а подзадачи сильно связаны между собой, затраты на координацию при параллелизме могут перечеркнуть выгоду. Поэтому именно способность Orchestrator к декомпозиции и слиянию — предпосылка, на которой держится эта философия, и это же объясняет, почему Google ставит графовое исполнение и динамические узлы в самый центр.

google-antigravity-orchestrator-swarm-philosophy-ru-image-3

Суждение второе: многоуровневое распределение моделей — топливо для Swarm

Ещё одно неявное допущение Swarm — разнообразие моделей. Не каждому субагенту нужна самая мощная и самая дорогая модель. Для задач вроде поиска по коду и приведения формата подойдут лёгкие модели, а вот для проектирования архитектуры и сложной отладки имеет смысл привлекать флагманскую модель. В материале упоминается стратегия уровней Carbon / Neon / Hydrogen в матрице моделей Gemini — именно она и даёт Swarm «специальности» разных разрядов.

Этот подход не ограничивается экосистемой Google. Разработчики, которые самостоятельно строят многоагентные процессы, точно так же могут распределять разные модели между субагентами в зависимости от сложности задачи. В таблице ниже — универсальный подход к уровням; названия моделей стоит сверять с фактическим списком, который поддерживает каждая платформа:

Роль субагента Требования к возможностям Подход к выбору модели Как вызывать
Оркестрация задач / планирование Сильные рассуждения, длинный контекст Флагманская модель Единый интерфейс APIYI apiyi.com
Реализация кода Сильные навыки работы с кодом, стабильность Основная модель с выдающимися результатами в коде Переключение имени модели под одним API-ключом
Поиск / резюмирование / форматирование Скорость, низкая стоимость Лёгкая модель Оплата по мере использования, подходит для частых подзадач
Проверка результатов Перекрёстная проверка с моделью-реализатором Модели разных производителей Сравнение между производителями снижает риск одноимённого смещения

Перекрёстная проверка моделями разных производителей — распространённый способ снизить слепые зоны вроде «модель проверяет саму себя». Если хочется проверить такую многоуровневую схему, не заводя несколько наборов SDK, можно воспользоваться агрегирующим интерфейсом, совместимым с OpenAI. Ниже — минимальный пример, демонстрирующий, как одним клиентом вызывать разные модели для двухшаговой коллаборации «реализация + проверка»:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # интерфейс APIYI, совместимый с OpenAI
)

def ask(model: str, prompt: str) -> str:
    resp = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}]
    )
    return resp.choices[0].message.content

# замените имя модели на фактически доступное из списка моделей платформы
code = ask("gemini-2.5-pro", "用 Python 写一个读取 WAV 并绘制波形的函数")
review = ask("claude-sonnet-4-20250514", f"审查以下代码的潜在问题:\n{code}")
print(review)
Посмотреть полный пример: простая реализация «оркестратор + параллельные субагенты»
import openai
from concurrent.futures import ThreadPoolExecutor

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI — единая точка доступа ко множеству моделей
)

# Роль суб-агента -> модель (названия — по фактической поддержке платформ)
AGENTS = {
    "planner": "gemini-2.5-pro",
    "coder": "claude-sonnet-4-20250514",
    "reviewer": "gpt-4o",
}

def call(model: str, system: str, prompt: str) -> str:
    resp = client.chat.completions.create(
        model=model,
        messages=[
            {"role": "system", "content": system},
            {"role": "user", "content": prompt},
        ],
    )
    return resp.choices[0].message.content

def orchestrate(goal: str) -> dict:
    # 1. Планирование: разбиваем цель на подзадачи (по одной на строку)
    plan = call(AGENTS["planner"],
                "你是任务编排器,把目标拆成 3 个可独立完成的子任务,每行一个。",
                goal)
    subtasks = [s.strip() for s in plan.splitlines() if s.strip()][:3]

    # 2. Параллельное выполнение: суб-агенты в стиле Swarm
    with ThreadPoolExecutor(max_workers=3) as pool:
        results = list(pool.map(
            lambda t: call(AGENTS["coder"], "你是专注单一子任务的工程师。", t),
            subtasks))

    # 3. Ревью: автоматическая перекрёстная проверка перед проверкой человеком
    merged = "\n\n".join(results)
    review = call(AGENTS["reviewer"],
                  "你是代码审查者,指出风险并给出修改建议。", merged)
    return {"subtasks": subtasks, "results": results, "review": review}

if __name__ == "__main__":
    out = orchestrate("实现一个音频采样可视化的命令行小工具")
    print(out["review"])

Этот пример лишь минимально воспроизводит цепочку «планирование → параллельное выполнение → ревью» и не включает динамические узлы Antigravity, откаты и политики разрешений. В реальной эксплуатации к нему придётся добавить повторные попытки при сбоях, проверку и слияние результатов, а также этап подтверждения человеком.

🚀 Практический совет: прежде чем решать, брать ли на вооружение мультиагентную архитектуру, прогоните небольшие задачи и посмотрите, как разные модели справляются с каждой суб-ролью. Через APIYI apiyi.com один API-ключ даёт доступ к Gemini, Claude, GPT и другим моделям, а новым пользователям положен бесплатный тестовый лимит — удобно быстро проверить, работает ли схема с распределением ролей.

Третий вывод: структурное преимущество Google — в «полном стеке», а не в отдельных продуктах

Если смотреть только на модель или IDE, Google — не единственный вариант. Но компания умеет связывать несколько звеньев в замкнутый контур, и конкурентам это воспроизвести непросто:

  • Собственная модель Gemini: её можно глубоко оптимизировать под агентные сценарии, а затраты лучше контролировать
  • Google Cloud: Vertex AI и Cloud Run покрывают всю цепочку — от обучения до корпоративного развёртывания
  • Экосистема Chrome / Web: браузерные расширения позволяют агенту «видеть» и «управлять» веб-страницами, что даёт заметное преимущество в сценариях браузерного тестирования
  • Более 40 000 внутренних пользователей: это очень крупная группа внутреннего бета-тестирования агентного кодирования с крайне коротким циклом обратной связи
  • Поиск и граф знаний: агент может получать информацию в реальном времени
  • Gemini Spark: переносит возможности рантайма Antigravity к обычным пользователям

Переход с Gemini CLI на проприетарный Antigravity CLI можно понять так: Google расчищает путь для полностековой интеграции. CLI с открытым исходным кодом хорошо подходит для экспериментов сообщества, но плохо тянет глубокую привязку к Cloud, Chrome и кастомным моделям, а также соответствующую коммерциализацию. Это вывод, основанный на фактах; в официальных сообщениях Google речь в основном идёт о «переходе и обновлении».

Суждение четвёртое: настоящий смысл кейса Линуса — в «междисциплинарном результате»

Кейс Линуса часто трактуют как «поддержку авторитетом», но куда интереснее сценарий его использования: он делал вспомогательный инструмент в области, где не силён, на языке, которым не владеет. Фраза «убрать посредника — самого себя» точно описывает переход агента от «вспомогательного» к «самостоятельному».

Урок для рядового разработчика: наибольшая предельная выгода от агентных инструментов появляется не обязательно в вашей основной области, а в смежных задачах, где вы «понимаете, что нужно, но плохо знакомы с реализацией». Правда, сам Линус обладает чрезвычайно сильным чувством оценки и может определить, пригоден ли результат. Это условие есть далеко не у каждого пользователя.

Суждение пятое: список рисков определяет потолок Antigravity

Google, делая ставку на Antigravity, сталкивается с четырьмя типами рисков, и, по нашему мнению, их влияние неодинаково:

  1. Уязвимости безопасности (влияние самое прямое): по Prompt Injection и утечкам данных уже есть публичные разборы. Чем шире права агента, тем больше поверхность атаки. Дизайн Policies и HITL снижает риск, но не устраняет его.
  2. Закрытие ядра (влияние на доверие): переход Gemini CLI из open source в closed source может заставить часть разработчиков из открытого сообщества занимать выжидательную позицию, а корпоративным командам безопасности станет труднее аудировать его поведение.
  3. Привязка к экосистеме (влияние на корпоративные закупки): после глубокой привязки к Google Cloud совместимость с AWS и Azure станет предметом беспокойства для компаний с мультиоблачной инфраструктурой.
  4. Фрагментация продукта (влияние на стоимость освоения): пять параллельных продуктовых линий — App, IDE, CLI, SDK, Extensions — дают довольно крутую кривую обучения, и новичку трудно понять, с чего начать.

Дальше — прогноз: сможет ли Antigravity в обозримом будущем перейти от «хорошо работает внутри Google» к «выбор внешних разработчиков по умолчанию», зависит, возможно, не от производительности Swarm, а от того, сумеет ли Google дать более убедительный ответ по безопасности и открытости.

Как разработчикам реагировать на изменения, связанные с Antigravity

Разработчикам и командам, которые оценивают инструменты агентного программирования, можно опираться на следующие практики:

  • Считать проверку кода ключевым навыком: чем больше кода генерируют агенты, тем важнее способность человека решить, «можно ли доверять этому фрагменту». Artifact Review не должен превращаться в формальность.
  • Начинать с минимальных привилегий: по аналогии с декларативными политиками, по умолчанию запрещать выполнение команд и открывать разрешения постепенно, по мере необходимости.
  • Избегать зависимости от одного поставщика: отделять логику оркестрации от конкретной модели и сохранять возможность переключиться на модели других вендоров. С OpenAI-совместимым агрегирующим интерфейсом вроде APIYI apiyi.com достаточно изменить имя модели, чтобы перейти на другую, — это снижает риск привязки к вендору.
  • Начинать с задач, которые можно разбить на части: сначала пробовать режим Swarm на слабо связанных задачах — генерации тестов, дополнении документации, скриптовых инструментах, — а затем постепенно расширять область применения.

Если ваша команда пока не планирует переходить на Antigravity, но хочет сначала набраться опыта в совместной работе нескольких моделей, можно собрать небольшой прототип на APIYI apiyi.com по примерам из предыдущих разделов. Платформа работает по модели оплаты за фактическое использование, что удобно для контроля затрат на этапе оценки.

Эта ставка Google по сути отвечает на вопрос: когда код пишет не человек, а группа агентов, кто определяет правила оркестрации, границы прав и процесс проверки? Antigravity предлагает ответ Google, но станет ли он отраслевым стандартом, зависит от того, как продукт покажет себя дальше в безопасности, открытости и удобстве использования.


Справочные материалы

  1. xkcd 353: комикс, посвящённый пасхалке import antigravity
    • Ссылка: xkcd.com/353
  2. Блог разработчиков Google: официальное объявление о миграции Gemini CLI на Antigravity CLI
    • Ссылка: developers.googleblog.com/an-important-update-transitioning-gemini-cli-to-antigravity-cli
  3. README проекта AudioNoise Линуса Торвальдса: оригинальный текст об использовании Antigravity
    • Ссылка: github.com/torvalds/AudioNoise
  4. Блог Саймона Уиллисона: материал о случае Линуса Торвальдса
    • Ссылка: simonwillison.net/2026/Jan/11/linus-torvalds
  5. Блог Саймона Уиллисона: анализ безопасности утечки данных Google Antigravity
    • Ссылка: simonwillison.net/2025/Nov/25/google-antigravity-exfiltrates-data
  6. Блог Саймона Уиллисона: репортаж с Google I/O 2026
    • Ссылка: simonwillison.net/2026/May/20/google-io

Автор: Техническая команда APIYI
Обсуждение технологий: Заходите на главную страницу APIYI (apiyi.com), чтобы связаться с нами; больше материалов о подключении разных моделей — в центре документации docs.apiyi.com

Оставьте комментарий