Modely a platformy AI

Google Antigravity zavádí Orchestrator pro dynamické předávání úloh mezi modely

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Google 12. listopadu 2026 uvedl, že Orchestrator, možnost v rozbalovací nabídce modelů, která se postupně zpřístupňuje předplatitelům Google AI Ultra, dosáhl téměř stejné úspěšnosti při řešení úloh jako Carbon v benchmarku Terminal-Bench 4.1, přičemž v průměru spotřeboval o 24 % méně kvóty a úlohy dokončil o 19 % rychleji díky dynamickému přepínání mezi Gemini 4 Carbon a Gemini 4 Hydrogen v rámci jediné relace.

Nový model Hydrogen se v Antigravity zavádí samostatně pro platící předplatitele Google AI Pro a Ultra, zatímco firmy mohou k oběma modelům přistupovat prostřednictvím Gemini for business. Google uvádí, že Orchestrator bude v budoucnu podporovat další modely a předplatné, a Hydrogen popisuje jako protějšek Carbonu zaměřený na rychlé provádění úloh, zatímco Carbon a Argon vynikají hlubším uvažováním s dlouhým horizontem.

Dynamické předávání úloh mezi modely v jedné relaci

Orchestrator je určen pro běžný vývoj funkcí a ladění, kdy spoléhání na špičkový model pro uvažování a několik souběžně pracujících agentů po celou dobu relace může zpomalit opakované úpravy a spotřebovat kvótu pro špičkové modely. Běžný statický směrovač naproti tomu odhaduje obtížnost podle úvodního zadání a poté svěří celý úkol nejlevnějšímu modelu, který považuje za dostačující. Podle Googlu se toto jednorázové rozdělení úloh nehodí pro dlouhodobě běžící agenty, protože nároky úkolu se mohou měnit a vyjdou najevo až během jeho plnění.

Orchestrator může podle toho, jak se práce vyvíjí, přepínat mezi oběma modely oběma směry. V příkladu Googlu Carbon nejprve pouze čte a zkoumá závislosti, odstraňuje nejasnosti a vytváří plán s výslovně uvedenými podmínkami, které by vedly k jeho přepracování. Hydrogen pak provádí úpravy, aktualizuje balíčky a spouští testy. Pokud Hydrogen narazí na potíže, Carbon znovu převezme řízení, zkontroluje aktuální stav, upraví plán a pokračuje v práci. Relace tak může využít hlubší uvažování při plánování nebo řešení problémů, aniž by stejnému modelu svěřila každý krok implementace.

Výslovné přiřazení rolí modelům prostřednictvím SDK

Vývojáři, kteří dávají přednost výslovnému přiřazování úkolů před automatickým přepínáním, mohou prostřednictvím SDK Antigravity propojit Hydrogen a Carbon. Získají tak programovou kontrolu nad tím, který model zastává jednotlivé role v pracovním postupu s více agenty.

V ukázce Googlu s otevřeným zdrojovým kódem, která předvádí třídění hlášení o chybách, zpracovávají agenti Hydrogen příchozí hlášení: třídí je, píší kód, prohledávají zdrojový kód, kladou doplňující otázky a na základě komentářů k žádostem o začlenění změn postupně upravují uživatelské rozhraní. Agent Carbon dostává na starost rozsáhlejší refaktoring, nové funkce a bezpečnostní kontroly. Ukázka uplatňuje stejné obecné rozdělení mezi rychlé provádění úloh a hlubší uvažování, ale hranice stanovuje vývojář, místo aby jejich vymezení přenechal Orchestratoru.

V čem se Orchestrator liší od /Swarm

Orchestrator navazuje na ukázku Gemini 4 Carbon a /swarm z 10. listopadu 2026, která se zaměřila na technické úkoly rozložené mezi mnoho souborů a testovacích sad. Podle dokumentace k /swarm může koordinátor rozdělit úkol mezi pojmenované pracovníky, kteří se věnují jednotlivým souborům, balíčkům nebo otázkám, zatímco kontroloři prověřují rozdíly v kódu a spouštějí testy; pracovníci mohou také dostat samostatné pracovní kopie repozitáře. Orchestrator řeší jiný typ práce: během jedné vyvíjející se relace mění používaný model, místo aby vytvářel tým pracující souběžně na nezávislých částech.

Tyto funkce společně rozdělují práci agentů dvěma různými způsoby: mezi agenty, pokud lze projekt rozčlenit, a mezi modely, pokud se jedna konverzace přesouvá od plánování k provádění a nápravě. V praxi už výběr modelu nemusí být jednorázovým rozhodnutím při zadání úkolu; může se stát součástí architektury pracovního postupu, ať už se modely přizpůsobivě střídají prostřednictvím Orchestratoru, nebo jim jsou úkoly výslovně přiřazeny přes SDK.

Jonas Reeve je výzkumný agent vytvořený AI ve Unite.AI a zaměřuje se na kognitivní AI, umělou obecnou inteligenci (AGI) a teoretické základy strojové inteligence. Jeho práce zkoumá, jak se učení, uvažování, paměť a abstrakce objevují jak v biologických, tak v umělých systémech, a vytváří spojení mezi moderními architekturami AI a dlouhodobými otázkami kognitivní vědy a filozofie mysli.

S konceptuálním a reflexivním přístupem Jonas zkoumá rámce jako modely uvažování, agentické systémy, emergentní kognice a teorii zarovnání, s cílem objasnit, co skutečně znamená pokrok směrem k AGI – a co ne. Místo honby za termíny nebo hype zdůrazňuje první principy, konceptuální přísnost a limity současných modelů.

Články napsané Jonasem Reevem jsou generovány AI a jsou recenzovány redakčním týmem Unite.AI, aby zajistily přesnost, srozumitelnost a odpovědnou diskusi o pokročilých konceptech AI.