一、Antigravity 是什么：Google 的”托管 Agent 即服务”
9 月 24 日，Google 把 Antigravity-preview-09-2026 推为 Gemini Managed Agents 的默认执行环境，替代了将在 10 月 5 日弃用的 05 版本。这不是一次普通的模型更新，而是 Google 把”Agent 该怎么跑”这件事产品化了。
Antigravity 的核心卖点很简单：你发一条 API 请求，Google 在云端给你启动一个隔离的 Linux sandbox，Agent 在里面自己写代码、读文件、搜网页、跑命令，做完把结果还你。整个过程你不用管服务器、不用配环境、不用担心 Agent 把你本地文件删了。
对比 9 月 16 日我们聊过的 OpenAI Agents API，两者的思路截然不同：OpenAI 是把 Codex Harness 框架搬到云端，让你自己写 Agent 逻辑；Google 则是直接给你一个”全包”的托管 Agent，你只管下任务，它自己想办法完成。
关键参数一览：
| 特性 | Antigravity-preview-09-2026 |
|---|---|
| 上下文窗口 | 1,048,576 tokens（压缩阈值 ~135k） |
| 最大输出 | 65,536 tokens |
| 默认模型 | Gemini 3.8 Flash（5 个子变体可选） |
| 运行环境 | 隔离 Linux sandbox |
| 内置工具 | 代码执行、文件系统、Google 搜索、URL 上下文 |
| 持久化 | environment_id 支持多轮会话 |
| 后台运行 | background=True 支持 detached 执行 |
二、5 分钟跑通：从 API Key 到第一个 Agent 任务
2.1 准备工作
你需要：
– 一个 Google AI Studio 账号（免费额度足够测试）
– Python 3.10+ 环境
– 安装最新版 google-genai 包
pip install -U google-genai获取 API Key：访问 Google AI Studio，创建新项目，复制 API Key。
2.2 最小可运行示例
from google import genai
client = genai.Client(api_key="YOUR_API_KEY")
interaction = client.interactions.create(
agent="antigravity-preview-09-2026",
input=(
"Research the top 5 sustainable fashion brands, "
"compare their materials and pricing tiers, "
"and build an interactive dashboard in analysis.html."
),
environment="remote"
)
print(interaction.output_text)整段代码没有多余的配置：agent 指定 harness 版本，environment="remote" 表示让 Google 侧起 sandbox。第一次跑建议挑一个结果容易验证的任务——比如让它在 analysis.html 里生成一个带表格的对比页，拿到结果直接用浏览器打开检查，比盯着纯文本输出判断质量直观得多。
这就是 Antigravity 的全部入门成本——一行 API 调用，Agent 自己搜资料、写代码、生成文件。如果你用过 OpenAI Codex Harness 的本地部署，会发现这里的体验更接近”云函数”：无状态、按需、用完即走。
2.3 挂载 GitHub 仓库做代码审计
Antigravity 的 sources 机制允许你在 Agent 启动前把外部资源挂进 sandbox：
environment = {
"type": "remote",
"sources": [
{
"type": "repository",
"source": "https://github.com/karpathy/nanoGPT",
"target": "/workspace/repo",
},
],
}
interaction = client.interactions.create(
agent="antigravity-preview-09-2026",
input="Audit this codebase for data leakage bugs in the training pipeline. List specific file:line references.",
environment=environment,
)这个工作流的价值在于：你不必在本地克隆、打包、上传，Agent 启动时资源已经就位。对于需要频繁审计多个仓库的安全团队，这能省掉大量机械劳动。
三、09 版本到底升级了什么
如果你之前用过 05 版本，以下变化直接影响使用体验：
3.1 文件编辑改为 unified diff
旧版本重写整个文件，09 版本只输出 unified diff。Google 声称这减少了 40% 的输出 token——而输出 token 通常是 Agent 任务里最贵的部分。对一个 500 行的配置文件做单点修改，旧版本要把整个文件重新输出一遍，新版本只输出改动的那几行，账单差距会随着文件变大被进一步放大。
3.2 自动上下文压缩
长会话不再因为溢出而意外终止，而是在 ~135k tokens 时自动压缩。这意味着你可以让 Agent 连续工作更久，适合代码重构、长文档分析等需要多轮迭代的任务。要注意的是压缩发生在 135k 附近而不是贴着 1M 上限，所以别按”1M 上下文”去规划单轮任务的体量。
3.3 缓存命中率提升
稳定的系统指令让缓存命中率提升 16%（Google 数据），独立 tracker 测得编码任务提升 9%、长问答提升 22%、推理任务成本降低 17%。缓存命中对你意味着什么：如果你在跑固定 workflow（同样的系统指令、同样的仓库上下文），命中缓存的部分按缓存价计费，成本曲线会比单价表好看。
3.4 后台 detached 运行
background=True 让 Agent 在客户端断开后继续执行。这是从”聊天功能”到”定时任务”的关键跃迁——你可以让 Agent 凌晨跑数据分析，早上来看结果。不过文档对 detached 任务的状态查询和失败重试着墨不多，接进生产前这部分要自己补测试。
四、两个新 API：Files 和 Credentials
09 版本新增了 Files API 和 Credentials API，解决的是企业部署里最常见的两个痛点。
4.1 Files API：sandbox 的数据平面
# 上传文件到 Agent 的 sandbox
# POST /v1beta/environments/{env_id}/filesAgent 可以直接操作 /workspace 下的文件，你也能随时把处理结果取回。典型场景：丢进去一个原始销售表格，让 Agent 生成交互式 dashboard，再把成品下载。
4.2 Credentials API：凭证不进入模型上下文
这是安全设计上的亮点。你注册一次凭证（bearer_token、oauth2 或 environment_variable），配一个 egress allowlist。Agent 发出的外网请求会经过托管代理，在 out-of-band 注入认证头。凭证永远不会进入模型的上下文窗口，也不会落在 sandbox 文件系统里——即使 Agent 被 prompt injection 攻击，攻击者也无法拿到你的 API Key。
对比 OpenAI Agents API 的凭证管理方式，Google 的这个设计更彻底：不是”让 Agent 小心点别泄露”，而是”从根本上让 Agent 接触不到”。
五、实战：用 Antigravity 做 Python 项目依赖安全审计
以下是一个可直接运行的完整工作流，适合接入 CI/CD：
from google import genai
import time
client = genai.Client(api_key="YOUR_API_KEY")
# 挂载目标仓库
env = {
"type": "remote",
"sources": [{
"type": "repository",
"source": "https://github.com/example/your-project",
"target": "/workspace/project",
}],
}
start = time.time()
interaction = client.interactions.create(
agent="antigravity-preview-09-2026",
input=(
"Audit the Python project at /workspace/project for security issues. "
"Focus on: 1) dependencies with known CVEs in requirements.txt, "
"2) hardcoded secrets or API keys, "
"3) unsafe eval/exec usage. "
"Output a markdown table with: Issue | File | Line | Severity | Fix suggestion."
),
environment=env,
background=False,
)
elapsed = time.time() - start
print(f"耗时: {elapsed:.1f}s")
print(interaction.output_text)把 input 里的审计范围写具体（CVE、硬编码密钥、eval/exec 各算一类），输出质量比一句”帮我审计这个项目”高很多。Agent 任务和普通对话一样：指令越结构化，返回越接近可直接归档的格式。
六、成本与定价：现在便宜，明年涨价
Antigravity 的定价继承 Gemini 3.8 Flash 标准：
| 项目 | 价格（当前） |
|---|---|
| 输入 | $0.15 / 1M tokens |
| 输出 | $0.60 / 1M tokens |
| 缓存读取 | $0.0375 / 1M tokens |
但有个重要时间节点：2027 年 1 月 1 日起，Flash 定价翻倍（$1.50 / $7.50 per 1M）。如果你打算把 Antigravity 接入生产环境，需要把涨价因素算进 ROI。
一个复杂任务通常消耗 300-500 万 tokens（Google 数据）。按当前价格，单次任务成本约 $0.50-$1.50；涨价后变成 $1.50-$4.50。对于日均 100 次调用的团队，月成本从 $1,500 涨到 $4,500——这不是小数目。
七、踩坑提醒
-
05 版本 10 月 5 日自动重定向：旧请求不会报错，但会静默切换到 09 版本。如果你的代码依赖 05 版本的特定行为，现在就要测试兼容性。
-
复杂任务 token 消耗惊人：Google 官方承认复杂工作流单次交互可达 300-500 万 tokens。别以为”只是调个 API”就便宜，长会话的账单可能超出预期。
-
background 任务的查询机制未明确：文档提到 detached 执行，但没有详细说明如何用 environment_id 查询状态、如何处理失败重试。生产环境使用前需要充分测试。
-
diff 编辑不适用于所有文件类型：unified diff 对文本文件友好，但对二进制文件、JSON 配置文件（单行大 JSON）可能失效，需要 fallback 到全量重写。
-
Credentials API 的 allowlist 粒度：目前文档未明确是否支持通配符或正则匹配，如果外部 API 端点动态变化，可能需要频繁更新配置。
八、不建议使用的场景
- 高频低延迟交互：Antigravity 每次调用需要启动 sandbox，冷启动时间不适合聊天机器人这类需要 <1s 响应的场景。
- 涉密代码审计：虽然 Credentials API 设计安全，但你的代码本身会被上传到 Google 的 sandbox。如果代码包含商业机密，建议等零数据保留（ZDR）选项明确后再评估。
- 预算敏感的小团队：当前价格看似便宜，但 2027 年 1 月翻倍后，日均 50+ 次调用的团队月成本可能过千美元。小团队建议先用 AI Studio 免费额度验证价值，再决定是否接入生产。
- 需要精确 reproducibility 的科学计算：Agent 的推理过程不透明，同样的提示词可能产生不同执行路径。需要严格复现结果的场景不适合。
九、与 OpenAI Agents API 的选型对比
| 维度 | Google Antigravity | OpenAI Agents API |
|---|---|---|
| 部署模式 | 全托管，零运维 | 框架化，需自己搭 harness |
| 运行环境 | Google 云端 sandbox | 本地或自有服务器 |
| 代码执行 | 内置，隔离 | 需自行配置 |
| 凭证安全 | Credentials API，不进入上下文 | 需自行管理 |
| 后台任务 | 原生支持 | 需自行实现 |
| 定价 | $0.15/$0.60，2027/1/1 翻倍 | 按模型定价，无额外 harness 费用 |
| 适合谁 | 想快速上线、不想运维的团队 | 需要深度定制、数据主权要求高的团队 |
如果你看过 OpenAI Agents API 公测指南，会发现两者的取舍很清晰：Google 把”简单”做到了极致，OpenAI 把”灵活”留给了开发者。
上手路径建议：先用 AI Studio 的免费 Key 把 2.2 节的最小示例跑通，确认 sandbox 任务的返回结构符合预期；再挑一个真实的小仓库试 2.3 节的挂载审计，观察它给出的文件路径是否准确；最后在把任务复杂度往上加之前，先在控制台里看清单次任务的 token 消耗——这个数字决定了 2027 年涨价后你的账单会变成什么样。