Gemini 4 Argon теперь становится доступна в Antigravity от Google для подписчиков AI Pro

Google начинает добавлять поддержку Gemini 4 Argon в Antigravity — свой инструмент для программирования с помощью ИИ.

Gemini 4 Argon — новейшая флагманская ИИ-модель Google, представленная в конце сентября и получившая широкое распространение среди пользователей в начале этой недели. Теперь она доступна и в Antigravity.

Antigravity — это платформа для разработки на основе ИИ-агентов, которая, по описанию Google, использует ИИ и агентов, чтобы помогать писать код и создавать приложения. Ранее на этой неделе Google объявила о доступности Argon в Antigravity, и теперь модель активно становится доступна подписчикам AI Pro и AI Ultra — мы тоже уже видим её у себя.

В публикации в Twitter/X Google добавляет, что помимо существующего лимита для Gemini 3.8 Flash предусмотрен «отдельный недельный лимит для Argon». Это означает, что пользователи смогут выбрать модель, которая лучше всего подходит для их задач. По словам Google, Argon «создана для решения самых сложных задач».

Google также привела целый ряд примеров того, как Argon в Antigravity использовалась внутри компании. Среди них:

• Оптимизация комментариев на YouTube: Argon в Antigravity помогла команде вдвое сократить нагрузку на процессор со стороны интерфейса комментариев YouTube. Изучив данные профилирования в рабочей среде, Argon выявила, что на избыточную отрисовку эмодзи приходится почти 45% нагрузки на сервер, и предложила 12 целевых оптимизаций. В результате задержка загрузки комментариев на сервере сократилась на 30 мс, а сквозная задержка на клиенте — на 20 мс.
• Отладка симулятора физики дронов Wing: Argon в Antigravity проанализировала закрытый внутренний симулятор физики дронов Wing, рассуждая о лежащих в его основе физических процессах и математике, а не только о структуре кода. Модель указала на возможности улучшить физическое моделирование и предложила 18 целевых доработок моделей в области аэродинамики, силовых установок и структурной динамики, чтобы устранить давние проблемы унаследованной системы.
• Разбор накопившихся ошибок: Argon в Antigravity получила устаревшую очередь из 134 открытых сообщений об ошибках в разных сервисах и запустила агентов, чтобы выяснить, какие из них всё ещё актуальны. Они сверяли историю коммитов, проверяли, попали ли предполагаемые исправления в рабочую среду, и изучали актуальную телеметрию, чтобы установить, возникает ли ошибка по-прежнему. Менее чем за 3 часа модель закрыла 97 устаревших или дублирующихся ошибок, подтвердив решения ссылками на коммиты (очередь сократилась на 72,4%), а оставшиеся 37 распределила по ответственным, не оставив ни одной задачи без исполнителя.
• Миграция устаревшего кода: На протяжении десятилетий важные научные исследования оставались заперты в хрупких устаревших кодовых базах, например на Fortran. С помощью специального навыка в Antigravity команда поручила Argon проанализировать код и полностью переписать его на современном языке Rust. Argon самостоятельно подготовила обновлённую кодовую базу, обеспечив прирост производительности в 1,8 раза и безопасность памяти, а также создав для учёных надёжную основу для дальнейшей работы.
• Проведение аудита безопасности: Argon в Antigravity использовали для проверки пакета изменений в системе контроля доступа. Вместо того чтобы просто изучать разницу в коде, Argon проследила, как разрешения фактически применяются во время выполнения, и обнаружила четыре критические уязвимости. Две более ранние передовые модели проверяли тот же код и обе пришли к выводу, что уязвимостей нет.
• Первичная обработка обращений в службу поддержки: Argon в Antigravity пакетно обрабатывает десятки обращений, поступающих во время дежурств. Она сортирует их по типу проблемы, выясняет первопричины по коду и журналам, предлагает исправления и составляет ответы на утверждение человеком. Благодаря этому каждая смена экономит 2–3 часа, а команда может быстрее устранять проблемы.
• Локализация маркетингового сайта: Команда Antigravity DevRel с помощью Argon в Antigravity локализовала сотни страниц документации для разработчиков на 17 языков всего за несколько часов. Это повысило доступность сайта и улучшило пользовательский опыт: процесс, занимавший несколько недель, сократился до нескольких часов, а усилия специалистов теперь сосредоточены исключительно на тщательной проверке качества.
• Ускорение модернизации конвейера центра обработки данных: Показывая, как выполнение задач с помощью ИИ позволяет командам делать больше меньшими силами, технический менеджер программы по анализу данных использовал Argon в Antigravity, чтобы за несколько дней подготовить к запуску в рабочей среде конвейер аналитики парка центров обработки данных Google объёмом 3 200 строк кода (Python, SQL и панели мониторинга). Совместная работа с Argon позволила быстро устранить сложные крайние случаи, затрагивающие несколько систем, убрать устаревшие жёстко заданные ресурсы и оптимизировать запросы к временным рядам, которые превышали лимит времени. Это повысило общую эффективность и обеспечило чистую, готовую к эксплуатации и расширяемую архитектуру для аналитики парка в масштабах всей компании.
• Проверка потенциальных клиентов: Argon в Antigravity создала автоматизированный процесс квалификации потенциальных клиентов для менеджера по работе с клиентами в отделе продаж Ads. Он проверяет посещаемость сайта компании, подтверждает наличие чётких воронок конверсии и сверяется с базой продаж, чтобы определить, является ли компания перспективным клиентом. Это сократило время на исследование на 90% и избавило менеджера более чем от 10 часов ручной работы в неделю, позволив ему сосредоточиться на прямом общении с клиентами.
• Финансовое планирование и анализ: Используя специализированные финансовые плагины, финансовый руководитель применял Argon в Antigravity для полного цикла финансовых сверок, отслеживания бюджета, извлечения данных из договоров и подготовки ежедневных сводок для руководства в рамках 80 отдельных рабочих процессов. За семь рабочих дней 15,5 часа работы под руководством человека обеспечили около 335 часов финансовой работы в пересчёте на человеческий труд с проверенными результатами и сэкономили более восьми недель ручной работы.

Кайл Брэдшоу участвовал в подготовке этой статьи.