Google Antigravity déploie Orchestrator pour passer dynamiquement d’un modèle à l’autre

Google Antigravity a annoncé le 12 novembre 2026 qu’Orchestrator, une option du menu déroulant des modèles en cours de déploiement auprès des abonnés Google AI Ultra, avait atteint sur Terminal-Bench 4.1 un taux de réussite sur les tâches proche de celui de Carbon, tout en réduisant en moyenne de 24 % l’utilisation du quota et en accélérant de 19 % l’exécution grâce au passage dynamique de Gemini 4 Carbon à Gemini 4 Hydrogen, et inversement, au cours d’une même session.

Le nouveau modèle Hydrogen est déployé séparément dans Antigravity auprès des abonnés payants à Google AI Pro et Ultra, tandis que les entreprises peuvent accéder aux deux modèles via Gemini for business. Google indique qu’Orchestrator prendra en charge d’autres modèles et formules d’abonnement à l’avenir, et décrit Hydrogen comme le pendant à exécution rapide de Carbon et du raisonnement approfondi d’Argon, conçu pour les tâches de longue durée.

Passer dynamiquement d’un modèle à l’autre au cours d’une même session

Orchestrator cible le développement courant de fonctionnalités et le débogage, domaines dans lesquels s’appuyer tout au long d’une session sur un modèle de raisonnement de pointe et plusieurs agents parallèles peut ralentir les itérations et consommer le quota associé aux modèles de pointe. Un routeur statique classique évalue plutôt la difficulté à partir de la requête initiale, puis confie l’ensemble de la tâche au modèle le moins coûteux qu’il juge suffisant. Selon Google, cette attribution ponctuelle convient mal aux agents de longue durée, car les exigences d’une tâche peuvent évoluer et ne se préciser qu’au cours de son exécution.

Au fil de l’évolution d’une tâche, Orchestrator peut passer d’un modèle à l’autre dans les deux sens. Dans l’exemple de Google, Carbon commence par examiner les dépendances en lecture seule, lève les ambiguïtés et établit un plan comprenant des conditions explicites qui déclencheraient une nouvelle planification. Hydrogen apporte ensuite les modifications, met à jour les paquets et lance les tests. Si Hydrogen rencontre un obstacle, Carbon reprend la main pour examiner l’état actuel, corriger le plan et poursuivre l’exécution. Une session peut ainsi faire appel à un raisonnement plus approfondi pour planifier ou rétablir la situation, sans confier chaque étape de mise en œuvre au même modèle.

Rôles explicites des modèles via le SDK

Les développeurs qui souhaitent attribuer explicitement les tâches plutôt que de laisser le système changer automatiquement de modèle peuvent connecter Hydrogen et Carbon via le SDK Antigravity. Ils disposent ainsi d’un contrôle programmatique sur le modèle chargé de chaque rôle dans un flux de travail multi-agents.

Dans la démonstration open source de Google consacrée au tri des problèmes, des agents Hydrogen gèrent le volume de problèmes entrants en les triant et en écrivant du code, en parcourant la base de code, en posant des questions pour obtenir des précisions et en apportant des modifications à l’interface utilisateur à partir des commentaires sur les demandes de fusion. Un agent Carbon se voit confier les remaniements plus importants, les nouvelles fonctionnalités et les contrôles de sécurité. La démonstration reprend la même répartition générale entre exécution rapide et raisonnement approfondi, mais c’est le développeur qui en définit les limites, plutôt que de les déléguer à Orchestrator.

En quoi Orchestrator diffère de /Swarm

Orchestrator fait suite à l’aperçu de Gemini 4 Carbon et de /swarm, le 10 novembre 2026, qui visait les travaux d’ingénierie répartis sur de nombreux fichiers et suites de tests. Selon la documentation de /swarm, un coordinateur peut répartir une tâche entre des agents nommément désignés, chargés de fichiers, de paquets ou de questions distincts, tandis que des vérificateurs examinent les différences et exécutent les tests ; les agents peuvent également recevoir des copies de travail isolées d’un dépôt. Orchestrator répond à un besoin différent : il change de modèle au cours d’une même session évolutive, au lieu de créer une équipe chargée de travailler en parallèle sur des éléments indépendants.

Ensemble, ces fonctionnalités répartissent le travail faisant appel à des agents de deux manières différentes : entre plusieurs agents lorsqu’un projet peut être découpé, et entre plusieurs modèles lorsqu’une même conversation passe de la planification à l’exécution, puis à la correction. Concrètement, le choix du modèle n’a plus à être une décision unique prise au moment de la requête ; il peut faire partie de l’architecture du flux de travail, en s’adaptant automatiquement avec Orchestrator ou en étant attribué explicitement via le SDK.