Google Antigravity je nové agent-first vývojářské prostředí, které staví na modelu Gemini 3 Pro a má ambici změnit způsob, jakým vývojáři píší, testují a ověřují kód.
Antigravity, nová platforma od Googlu představená ve stejný den jako Gemini 3.0, je samostatné AI vývojové prostředí, které kombinuje editor, terminál a prohlížeč do jednoho ovladatelného „hřiště“ pro autonomní AI agenty.
Pod povrchem jde o fork Visual Studio Code postavený na Electronu, takže rozhraní je vývojářům povědomé, ale agenti jsou povýšeni na „prvotřídní pracovníky“, ne jen doplněk pro doplňování kódu.
Platforma byla uvedena 18. listopadu 2025 spolu se zmíněným modelem Gemini 3, přičemž jádrem je právě Gemini 3 Pro a nový model pro ovládání počítače Gemini 2.5 Computer Use – ten umožňuje agentům klikat v prohlížeči, spouštět testy či validovat nasazenou aplikaci.
Antigravity aktuálně běží v bezplatném veřejném náhledu pro Windows, macOS i Linux, přičemž pro jednotlivce je používání zdarma.
Agent-first přístup: Editor vs. Manager
Základním rozdílem oproti nástrojům jako Cursor či GitHub Copilot je, že Antigravity není jen „chytřejší autocompletion“, ale kontrolní rovina pro agenty, kteří mohou plánovat, upravovat kód, spouštět příkazy a ovládat prohlížeč.
V předvoleném Editor view prostředí to vypadá jako klasické IDE s AI panelem na boku, přičemž agent umí číst a upravovat soubory, navrhovat změny inline a podle potřeby používat terminál či prohlížeč.
Nový Manager view posouvá abstrakci výš: vývojář zde nepracuje s jedním souborem, ale orchestruje více agentů a workspaceů najednou, což Google přirovnává k „mission control“ pro spouštění, řízení a sledování více agentů v paralelních úlohách.
Tento režim je určený pro větší projekty a modulární aplikace, kde lze jednotlivé části systému zpracovávat souběžně bez nutnosti ručně přepínat kontexty.
Artifacts: nový způsob, jak věřit AI agentům
Jednou z největších novinek je systém Artifacts – strukturovaných výstupů, které mají sloužit jako důkaz o práci agenta.
Namísto zahlcení uživatele každým interním krokem a tool cally Antigravity generuje přehledné seznamy úkolů, plány, snímky obrazovky, záznamy z prohlížeče či logy, které dokumentují, co agent udělal a co plánuje udělat dál.
Google tím řeší dlouhodobý problém důvěry v agentické systémy: buď ukazují příliš mnoho detailů, nebo naopak téměř nic.
Vývojář může k konkrétnímu Artifactu zanechat komentář, který agent zohlední při další práci – bez nutnosti přerušovat úlohu nebo restartovat celý run, což otevírá dveře k asynchronním review workflow v týmech.
Více modelů, paměť a limity používání
Ačkoli je Antigravity úzce propojeno s Gemini 3 Pro, nejde o uzavřený ekosystém – v rámci nástrojové vrstvy podporuje i Claude Sonnet 4.5 od Anthropicu a open-source model GPT OSS od OpenAI.
Tato multimodelová architektura umožňuje vývojářům volit model podle typu úlohy nebo compliance požadavků a zároveň testovat stejný workflow napříč různými systémy.
Podle Googlu je Antigravity v náhledu zcela zdarma, přičemž využívání Gemini 3 Pro se řídí „štědrými“ rate limity, které se obnovují každých pět hodin – a jen „velmi malý zlomek power userů“ by se měl těmto limitům přiblížit.
Navíc agenti dokážou „učit se z minulé práce“, tedy uchovávat úryvky kódu či sekvence kroků, které se osvědčily při řešení konkrétních typů úloh.
Co to znamená pro vývojáře a konkurenci
S příchodem Antigravity se IDE mění na řídicí plochu pro agenty, ne jen na textový editor obohacený o AI doplňování.
To může výrazně zkrátit čas potřebný k budování prototypů, regresnímu testování či údržbě legacy kódu, ale zároveň klade důraz na nové dovednosti vývojářů – spíše „task design“ a auditování Artifacts než ruční psaní každého řádku.
Konkurenční řešení jako Cursor nebo GitHub Copilot sice už dnes nabízejí silnou AI asistenci, ale obvykle v režimu jednoho agenta pevně vázaného na editor, který neovládá celý vývojový stack end-to-end.
Antigravity se naopak snaží o plně agentický workflow – od zadání úkolu, přes implementaci, spuštění lokálního serveru, testování v prohlížeči až po přehledné doložení všech kroků ve formě Artifacts, což může pro enterprise týmy představovat zásadní rozdíl při adopci AI vývoje.
