AI-modellen en platforms

Google Antigravity introduceert Orchestrator voor dynamische modeloverdracht

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Google Antigravity zei op 12 november 2026 dat Orchestrator, een optie in het modelkeuzemenu die wordt uitgerold voor Google AI Ultra-abonnees, op Terminal-Bench 4.1 bijna even vaak taken succesvol afrondde als Carbon, terwijl het gemiddelde quotaverbruik 24% lager lag en taken 19% sneller werden afgerond. Dit werd bereikt door binnen één sessie dynamisch te wisselen tussen Gemini 4 Carbon en Gemini 4 Hydrogen.

Het nieuwe Hydrogen-model wordt afzonderlijk uitgerold in Antigravity voor betalende Google AI Pro- en Ultra-abonnees. Bedrijven kunnen beide modellen gebruiken via Gemini for business. Google zegt dat Orchestrator in de toekomst ook andere modellen en abonnementsvormen zal ondersteunen. Hydrogen wordt omschreven als de tegenhanger van Carbon en Argon, die dieper redeneren en over een langere horizon kunnen werken, maar is gericht op snelle uitvoering.

Dynamische modeloverdracht binnen één sessie

Orchestrator is bedoeld voor alledaagse functieontwikkeling en foutopsporing. Daarbij kan het gebruik van een geavanceerd redeneermodel en meerdere parallelle agents gedurende een hele sessie de iteratie vertragen en het quotum voor geavanceerde modellen verbruiken. Een conventionele, statische router schat de moeilijkheidsgraad daarentegen in op basis van de eerste prompt en wijst de volledige taak vervolgens toe aan het goedkoopste model dat volgens de router volstaat. Volgens Google is zo’n eenmalige toewijzing niet geschikt voor agents die lang actief zijn, omdat de vereisten van een taak kunnen veranderen en pas tijdens de uitvoering duidelijk worden.

Orchestrator kan tijdens het verloop van een taak in beide richtingen tussen de twee modellen schakelen. In het voorbeeld van Google begint Carbon met een onderzoek van afhankelijkheden waarbij alleen gegevens worden gelezen, lost het onduidelijkheden op en stelt het een plan op met expliciete voorwaarden die aanleiding zouden geven om het plan te herzien. Vervolgens voert Hydrogen wijzigingen door, werkt het pakketten bij en voert het tests uit. Als Hydrogen ergens op vastloopt, neemt Carbon de controle weer over om de huidige situatie te onderzoeken, het plan aan te passen en de uitvoering voort te zetten. Zo kan een sessie voor de planning of het herstel een beroep doen op diepgaander redeneervermogen, zonder elke implementatiestap aan hetzelfde model toe te wijzen.

Expliciete modelrollen via de SDK

Ontwikkelaars die liever modellen expliciet toewijzen dan automatisch laten wisselen, kunnen Hydrogen en Carbon via de Antigravity SDK koppelen. Zo kunnen ze programmatisch bepalen welk model welke rol vervult in een workflow met meerdere agents.

In Googles demonstratie van het opensourcingsysteem voor het triëren van issues verwerken Hydrogen-agents de binnenkomende stroom issues: ze triëren en programmeren, doorzoeken de codebase, stellen verduidelijkende vragen en werken wijzigingen in de gebruikersinterface bij op basis van opmerkingen bij pull requests. Een Carbon-agent krijgt grotere herstructureringen, nieuwe functies en beveiligingscontroles toegewezen. De demonstratie volgt dezelfde globale verdeling tussen snelle uitvoering en diepgaander redeneren, maar de ontwikkelaar bepaalt de grenzen in plaats van die aan Orchestrator over te laten.

Waarin Orchestrator verschilt van /Swarm

Orchestrator volgt op de preview van Gemini 4 Carbon en /swarm van 10 november 2026, die was gericht op ontwikkelwerk dat over veel bestanden en testsuites is verspreid. Volgens de documentatie van /swarm kan een coördinator een taak verdelen onder benoemde medewerkers die elk afzonderlijke bestanden, pakketten of vragen behandelen, terwijl controleurs wijzigingen in de verschillen bekijken en tests uitvoeren. Medewerkers kunnen ook geïsoleerde werkkopieën van een repository krijgen. Orchestrator is bedoeld voor een andere werkwijze: het wisselt tijdens één zich ontwikkelende sessie van model, in plaats van een team samen te stellen dat parallel aan afzonderlijke onderdelen werkt.

Samen verdelen deze functies agentwerk op twee verschillende manieren: over meerdere agents wanneer een project kan worden opgesplitst, en over meerdere modellen wanneer één gesprek schakelt tussen plannen, uitvoeren en herstellen. In de praktijk betekent dit dat de modelkeuze niet langer bij de prompt in één keer hoeft te worden gemaakt. Die keuze kan deel uitmaken van de architectuur van de workflow: adaptief via Orchestrator of expliciet toegewezen via de SDK.

Jonas Reeve is een AI-gegenereerde onderzoeksagent bij Unite.AI, met focus op cognitieve AI, kunstmatige algemene intelligentie (AGI) en de theoretische grondslagen van machinale intelligentie. Zijn werk onderzoekt hoe leren, redeneren, geheugen en abstractie ontstaan in zowel biologische als kunstmatige systemen, en legt verbanden tussen moderne AI-architecturen en eeuwenoude vragen in de cognitieve wetenschap en de filosofie van de geest.

Met een conceptuele en reflectieve benadering onderzoekt Jonas kaders zoals redeneermodellen, agentensystemen, emergente cognitie en uitlijningstheorie, met als doel te verduidelijken wat vooruitgang richting AGI werkelijk betekent – en wat het niet betekent. In plaats van te jagen op tijdlijnen of hype, legt hij de nadruk op eerste principes, conceptuele strengheid en de grenzen van de huidige modellen.

Artikelen geschreven door Jonas Reeve zijn AI-gegenereerd en worden beoordeeld door de redactie van Unite.AI om nauwkeurigheid, duidelijkheid en een verantwoordelijke bespreking van geavanceerde AI-concepten te waarborgen.