Google выкатила Gemini 4 Hydrogen и режим Orchestrator в Antigravity: как ИИ-агенты научились экономить квоты и работать быстрее

Главная/Блог/Gemini 4 Hydrogen и Orchestrator в Antigravity

Крупное обновление от 12 ноября 2026 года для среды разработки, CLI и SDK

12 ноября 2026 года команда Google Antigravity представила крупное обновление для своей среды разработки, CLI и SDK. В селекторе моделей появились сразу две новинки: быстрая рабочая модель Gemini 4 Hydrogen и интеллектуальный режим Orchestrator, который автоматически связывает лёгкие и тяжёлые модели внутри одной задачи.

Разбираемся, как устроена новая архитектура, чем она отличается от статических роутеров и почему это меняет подход к повседневной разработке с ИИ-агентами.

Google выкатила Gemini 4 Hydrogen и режим Orchestrator в Antigravity: экономия квот и быстрая работа агентов
Релиз Google Antigravity от 12 ноября 2026 года: быстрая рабочая модель Gemini 4 Hydrogen и динамический режим Orchestrator
Ключевые замеры Google и независимых бенчмарков
51–54 балла
Рейтинг Artificial Analysis Intelligence Index у Gemini 4 Hydrogen (выше базовой Argon)
57%
Успешных выполнений на Terminal-Bench 4.1 (более чем в 3 раза выше 3.8 Flash с 18,2%)
−19%
Сокращение времени выполнения задач в связке Orchestrator на Terminal-Bench 4.1
−24%
Экономия расхода квоты при сохранении качества почти на уровне чистого Carbon

Gemini 4 Hydrogen: скорость без потери качества

До сих пор разработчикам приходилось выбирать между скоростью и глубиной анализа. Как отмечается в публикации Google для разработчиков, Gemini 4 Hydrogen закрывает этот разрыв как основная модель для ежедневного кодинга, дебага, обновления зависимостей и рутинных операций в терминале.

Ключевые показатели новинки по данным Google и документации по выбору моделей в Antigravity:

Возможности и бенчмарки Gemini 4 Hydrogen

✓Интеллект и кодинг: модель набирает 51 балл в рейтинге Artificial Analysis Intelligence Index — это выше, чем у базовой Gemini 4 Argon (50 баллов), а на максимальных настройках показатель доходит до 54 баллов.
✓Работа в терминале: на сложном агентском бенчмарке Terminal-Bench 4.1 Hydrogen показывает 57% успешных выполнений — более чем в три раза превосходя результат 3.8 Flash (18,2%).
✓Гибкая глубина размышлений: при ручном выборе модели доступны четыре уровня (thinking levels) — low, medium, high (по умолчанию) и новый ультра-режим xhigh для нетривиальных багов.

Как устроен Orchestrator и почему он лучше обычных роутеров

Несколькими днями ранее Google представила флагманскую модель Gemini 4 Carbon вместе с CLI-командой /swarm для запуска роя параллельных агентов. Однако гонять тяжёлую модель на каждом мелком шаге обычной фичи невыгодно: это замедляет цикл разработки и слишком быстро сжигает лимиты.

Стандартное решение индустрии — статические «роутеры моделей», которые оценивают сложность по первому промпту и отправляют весь диалог либо в дешёвую, либо в дорогую модель. На длинных дистанциях такой подход ломается: задача может казаться простой на старте, но упереться в архитектурную проблему в середине.

КритерийСтатический роутер моделейРежим Orchestrator в Antigravity
Момент выбора модели Один раз по первому запросу перед стартом сессии Динамическое двустороннее переключение прямо по ходу работы
Реакция на скрытую сложность Слабая модель застревает или зацикливается на баге Срабатывает триггер — контекст возвращается в Carbon или Argon
Скорость и расход квоты Тяжёлая модель переплачивает на рутинных правках и тестах На 19% быстрее и на 24% меньше квоты на Terminal-Bench 4.1

Orchestrator работает иначе — он использует динамическое двустороннее переключение между тяжёлой моделью (Carbon или Argon) и быстрой Hydrogen прямо по ходу одной сессии:

  1. Разведка и план (Carbon / Argon). Тяжёлая модель стартует в режиме read-only, изучает кодовую базу, проверяет зависимости, устраняет неоднозначности и формирует пошаговый план. В него сразу зашиваются триггеры перепланирования — условия, при которых исполнителю нужно остановиться.
  2. Быстрое исполнение (Hydrogen). Готовый план автоматически передаётся Hydrogen. Модель пишет код, вносит правки в файлы, ставит пакеты и прогоняет тесты.
  3. Страховка при ошибке. Если Hydrogen упирается в падение тестов, неочевидный конфликт или срабатывает триггер из плана, она возвращает контекст обратно в Carbon или Argon. Старшая модель анализирует состояние проекта, перестраивает план и снова отдает рутину исполнителю.

Замеры Google: по данным официального отчёта Antigravity на Terminal-Bench 4.1, связка в режиме Orchestrator показывает качество почти на уровне чистого Carbon, но при этом работает на 19% быстрее и расходует на 24% меньше квоты.

Кастомные пайплайны в Antigravity SDK

Для тех, кто строит собственных автономных агентов через Antigravity SDK, распределение ролей можно настроить программно. Например, в системе автоматического разбора задач (issue triage) пул быстрых агентов на базе Hydrogen берет на себя первичный анализ баг-репортов, поиск по репозиторию и мелкие UI-правки по комментариям в Pull Request, а тяжёлый Carbon подключается только для крупного рефакторинга, проектирования новых фич и аудита безопасности.

Доступность и тарифы

Обновление уже раскатывается на пользователей платных планов (актуальные условия и лимиты приведены на официальной странице тарифов Google Antigravity):

  • Gemini 4 Hydrogen и Orchestrator (Argon) доступны подписчикам Google AI Pro, Google AI Ultra, а также корпоративным клиентам Gemini for business.
  • Orchestrator (Carbon) на старте открыт для владельцев подписки Google AI Ultra и корпоративных аккаунтов.

Появление Orchestrator фиксирует важный сдвиг в развитии ИИ-инструментов для разработки: вместо попыток решить все задачи одной гигантской нейросетью индустрия переходит к связкам специализированных моделей, где архитектор и исполнитель автоматически страхуют друг друга в реальном времени.

В STARCODE мы уже используем агентные пайплайны в коммерческих проектах — подробнее о сценариях внедрения читайте в материалах об автономных ИИ-агентах для бизнеса и новом формате сайтов с ИИ-управлением.

Нужно внедрить ИИ-агентов или оркестрацию моделей в рабочие процессы?

Проектируем и настраиваем надёжные контуры на базе интеграции ИИ в бизнес и автоматизации процессов: разделяем планирование, проверку, работу с CRM/API и контроль квот так, чтобы агенты приносили измеримую пользу команде.

Источники и документация

Источники проверены .

Документация описывает возможности платформы. Конфигурацию и совместимость проверяем для конкретного проекта; цены и SLA STARCODE определяются нашим предложением и договором.

Заходов: 60
Прочитали: 8
За прошлый месяц: 0
STARCODE AI Lab · Инженерия и автоматизация

Построим агентный контур под задачи вашего бизнеса и разработки

Подберём архитектуру моделей, настроим интеграцию с репозиториями, CRM или внутренними сервисами и оптимизируем расход токенов и квот без потери надёжности.