⚡️ Google добавила дешёвый tier в Antigravity: на 45% меньше токенов для простых задач

Google отреагировала на жалобы разработчиков, которые считали Antigravity «прожорливым» по токенам — и добавила новый уровень Gemini 3.5 Flash (Low). Неожиданный поворот: на SWE-задачах Low-тир обходит предыдущий флагманский Gemini 3 Flash (High).

Antigravity запустили на Google I/O 2026 как корпоративную среду для создания AI-агентов. Изначально платформа работала на одном варианте модели — Gemini 3.5 Flash, который после запуска переименовали в Medium. Продукт сразу попал в поле зрения разработчиков, использующих агентные IDE и Cursor-подобные инструменты, но быстро столкнулся с проблемой: пользователи начали жаловаться на высокое потребление токенов при выполнении рутинных задач. Один из подписчиков Ultra-плана на форумах Google написал прямолинейно: «Opus 4.6 закрывает 5 задач на один usage bar, Flash — только 1». Это не столько критика модели, сколько сигнал о несоответствии продуктовой логики реальным паттернам использования.

Varun Mohan, руководитель Antigravity, прокомментировал релиз напрямую: «Мы услышали опасения, что Antigravity потребляет много токенов на простых задачах. Поэтому добавляем Gemini 3.5 Flash (Low) для оптимизации токенного расхода». Ключевая деталь — Low-тир снижает уровень усилий модели, но не режет system prompt и не сокращает context compaction. То есть это не деградация по качеству контекста, а именно регулировка «глубины думания» под задачу. На практике: 45% меньше токенов на simple tasks по сравнению с Medium-вариантом. Для агентных loops, где тысячи простых вызовов складываются в реальный счёт, это не маркетинг — это прямая экономия на инфраструктуре.

Тут возникает вопрос: если Low-тир «думает меньше», почему он побеждает старый Gemini 3 Flash (High) на SWE-задачах? Ответ, по всей видимости, в том, что Gemini 3.5 Flash как базовая модель значительно мощнее предшественника — даже в режиме сниженных усилий. Контекст: сам Gemini 3.5 Flash набирает 76.2% на Terminal-Bench 2.1, 83.6% на MCP Atlas и 1656 Elo на GDPval-AA, обходя Gemini 3.1 Pro. Это объясняет, почему Low-тир — не компромисс, а вполне конкурентный вариант для большинства практических задач в агентных пайплайнах. Ценообразование родительской модели: $1.50 / $9.00 за 1M токенов (вход/выход) при context window в 1M токенов.

Параллельно с жалобами на токены Google дважды увеличивала квоты — суммарно в 9 раз. Это тоже не решило проблему. Причина не в лимитах, а в архитектуре потребления: если модель расходует много токенов на каждый шаг агентного цикла, увеличение квоты только отодвигает проблему, но не устраняет её. Продуктовое решение — Multi-effort selection — оказалось правильнее, чем количественный рост квот. Это тот же сдвиг, который уже произошёл в Cursor Composer: выбор «глубины» инференса стал отдельной UX-осью наравне с выбором самой модели. Antigravity закрепляет этот паттерн как стандарт для enterprise-агентных IDE.

Из этого следует более широкий вывод для тех, кто строит агентные пайплайны: стоимость токенов на шаг цикла всё чаще важнее абсолютной capability модели. Простые агентные loops — file read, grep, lint, short code gen — не требуют максимального reasoning. Использовать High-тир там, где хватает Low, — это буквально переплата. Antigravity Low + правильная маршрутизация задач по effort-уровням = реальная оптимизация операционных расходов без потери качества на сложных задачах. Анонс совпал со сбросом квот для всех планов Antigravity — очевидно, Google хочет, чтобы разработчики сразу тестировали новый тир на свежем лимите.

Из этого следует более широкий вывод для тех, кто строит агентные пайплайны: стоимость токенов на шаг цикла всё чаще важнее абсолютной capability модели. Простые агентные loops — file read, grep, lint, short code gen — не требуют максимального reasoning. Использовать High-тир там, где хватает Low, — это буквально переплата. Antigravity Low + правильная маршрутизация задач по effort-уровням = реальная оптимизация операционных расходов без потери качества на сложных задачах.

Antigravity Low — первый признак того, что effort-routing становится обязательным слоем в enterprise-агентных платформах. Следующий логичный шаг — автоматический выбор тира на уровне оркестратора без участия разработчика. Если Google добавит auto-routing в Antigravity, конкуренты (Cursor, Windsurf) окажутся под давлением делать то же самое.

Источник: https://nitter.net/testingcatalog/status/2058897591920693468#m

Источник: https://nitter.net/testingcatalog/status/2058897591920693468#m