Antigravity SDK รันเอเจนต์บนโมเดลในเครื่องได้แล้ว — Gemma 4 26B ผ่าน LiteRT แบบออฟไลน์ และต่อกับ Ollama, LM Studio หรือ vLLM ได้

Google ประกาศใน Google Developers Blog เมื่อ 23 กันยายน 2026 ว่า Antigravity SDK ซึ่งเป็นไลบรารี Python ที่ให้นักพัฒนาใช้ความสามารถแบบ agentic ชุดเดียวกับ IDE Google Antigravity รองรับโมเดลที่รันในเครื่องแล้ว รุ่นแรกที่ปรับให้ใช้ได้ดีที่สุดคือ Gemma 4 26B A4B ผ่านรันไทม์ LiteRT-LM ของ Google AI Edge ซึ่งทำงานได้ ออฟไลน์ทั้งหมด นอกจากนี้ยังต่อกับเซิร์ฟเวอร์ใดก็ได้ที่ใช้ API แบบ OpenAI เช่น Ollama, LM Studio และ vLLM

ประเด็นที่นักพัฒนาควรสนใจคือ ก่อนหน้านี้ SDK ตัวนี้ผูกกับ Gemini API หรือ Vertex AI ตอนนี้คุณเก็บ tool, hook, policy, subagent และ MCP server ไว้ชุดเดิม แล้วเปลี่ยนแค่ “สมอง” ที่อยู่ข้างหลังได้

วิธีเริ่มใช้งาน

บล็อกแนะนำเครื่องที่มี VRAM หรือ unified memory มากกว่า 24GB แล้วเริ่มจากสามคำสั่ง:

pip install google-antigravity litert-lm
litert-lm import \
  --from-huggingface-repo=litert-community/gemma-4-26B-A4B-it-litert-lm \
  gemma-4-26B-A4B-it-gpu.litertlm gemma4-26b

จากนั้นส่ง path ของโมเดลให้ LiteRTAgentConfig(model_path=...) แล้วใช้ Agent แบบ async context manager ได้เหมือนเดิม ถ้าต้องการใช้ Ollama หรือ vLLM ให้เปลี่ยนเป็น LocalOpenAIAgentConfig(model=..., base_url="http://localhost:11434/v1")

เวอร์ชันบน PyPI ตอนเขียนคือ google-antigravity 0.1.18 (อัปโหลด 22 ก.ย.) ตัวรีโปเป็น Apache-2.0 และ litert-lm 0.17.1 ก็เป็น Apache-2.0 เช่นกัน

สิ่งที่เราเห็นเมื่ออ่านโค้ด

เราโคลนรีโป Google-Antigravity/antigravity-sdk-python มาอ่าน มีหลายจุดที่บล็อกไม่ได้บอก:

• context เริ่มต้นแค่ 64K: LiteRTAgentConfig ตั้ง KV cache ไว้ที่ 65,536 โทเคน และ output ต่อเทิร์นที่ 16,384 ระบบจะ compact บทสนทนาเมื่อถึงราว 40,960 โทเคน (65,536 − 16,384 − บัฟเฟอร์ 8,192) งานที่ต้องอ่านโค้ดหลายไฟล์จึงจะถูกสรุปทิ้งเร็วกว่าที่เคยเจอบน Gemini
• backend เลือกได้สามแบบ คือ gpu (ค่าเริ่มต้น), cpu และ npu มีออปชัน enable_speculative_decoding (Multi-Token Prediction) ซึ่งปิดไว้ตั้งต้น และ download_if_missing ก็เป็น False โดยค่าเริ่มต้น ไม่มีการโหลดน้ำหนักเองโดยไม่บอก
• .lightweight() ที่ตัวอย่างทุกอันเรียกใช้ จะลดชุด tool เหลือขั้นต่ำและปิด subagent ถ้าต้องการสาย orchestration เต็มรูปแบบกับโมเดลในเครื่อง ต้องตั้งค่าเอง
• ตัวอย่าง cli_resource_monitor.py ในบล็อกใช้ policies=[policy.allow_all()] ซึ่งหมายถึงให้เอเจนต์รันคำสั่งและเขียนไฟล์ได้โดยไม่ถาม อย่าคัดลอกบรรทัดนี้ไปใช้กับโฟลเดอร์งานจริง
• README ของรีโปเตือนว่า SDK “relies on a compiled runtime binary” ที่มาในไฟล์ wheel บน PyPI การโคลนรีโปอย่างเดียวจึงรันไม่ได้ ส่วน runtime ตัวนี้ไม่ได้เปิดซอร์ส

รูปแบบ Architect–Builder

เดโมที่ Google เลือกโชว์คือการแบ่งงานแบบไฮบริด Gemini 3.8 Flash บนคลาวด์ทำหน้าที่วางแผน โดยเห็นแค่ชื่อไฟล์และคำอธิบายงาน แล้วสั่ง Gemma 4 26B หลายตัวในเครื่องให้ทำ audit และแพตช์ช่องโหว่ในไฟล์ auth.py, billing.py และ database.py บล็อกรายงานว่า “97.2% of all tokens (3,322 tokens) run locally” ฝั่งคลาวด์ใช้แค่ 95 โทเคน และไม่มีซอร์สโค้ดออกจากเครื่องเลย

ตัวเลขนี้ควรอ่านด้วยความระวัง งานทั้งหมดใช้แค่ 3,322 โทเคนสำหรับสามไฟล์ตัวอย่าง จึงเป็นเดโมที่เล็กมาก ยังบอกไม่ได้ว่าโปรเจกต์ขนาดจริงจะเป็นอย่างไร

มุมมอง AI Curator

ข่าวนี้สำคัญเพราะมันเปลี่ยนสิ่งที่เคยเป็น “ชั้นล็อกอิน” ให้เป็น “ชั้นที่เปลี่ยนได้” harness ของ coding agent ทุกค่ายช่วงหลังเริ่มคล้ายกันมาก (tool, hook, policy, subagent, skills, MCP) ของที่ต่างกันจริงคือจะให้เลือกโมเดลได้แค่ไหน การที่ Google ยอมให้ SDK ของตัวเองรันบน vLLM หรือ Ollama ที่รันโมเดลของค่ายอื่นได้ เป็นการยอมรับว่านักพัฒนาจะไม่ใช้ harness ที่ผูกกับโมเดลเดียวอีกต่อไป เราเห็นแนวเดียวกันจาก AWS ที่เปิดซอร์ส Strands harness เมื่อ 22 ก.ย.

สำหรับองค์กรไทยที่ติดเรื่อง PDPA หรือนโยบายห้ามส่งซอร์สโค้ดออกนอกบริษัท รูปแบบ Architect–Builder น่าสนใจมาก ให้โมเดลคลาวด์เห็นแค่โครงสร้างงาน ส่วนโค้ดจริงให้โมเดลในเครื่องจัดการ แต่ต้องชัดเจนว่า “ชื่อไฟล์และคำอธิบายงาน” ก็เป็นข้อมูล ถ้าชื่อไฟล์หรือ ticket มีชื่อลูกค้าหรือชื่อโปรเจกต์ลับ มันก็ออกไปแล้ว ควรตรวจว่า planner ได้เห็นอะไรบ้างก่อนบอกฝ่ายกฎหมายว่า “ไม่มีข้อมูลออกนอกเครื่อง”

ส่วนเรื่องฮาร์ดแวร์ ขั้นต่ำ 24GB แปลว่า Mac ที่มี unified memory 32GB ขึ้นไป หรือการ์ดระดับ RTX 4090/5090 ยังไม่ใช่โน้ตบุ๊กทั่วไปของนักพัฒนาในไทย แต่ทีมที่มีเครื่องแรงสักเครื่องแล้วเปิด vLLM ให้ทั้งทีมใช้ผ่าน LocalOpenAIAgentConfig จะได้ประโยชน์ทันที สิ่งที่ควรทดสอบก่อนนำไปใช้จริงคือ context 64K กับงานบนโค้ดเบสจริง และเทียบคุณภาพแพตช์กับ Gemini บนงานชุดเดียวกัน เพราะนั่นคือค่าใช้จ่ายจริงของการได้ความเป็นส่วนตัวมา

แหล่งข่าว

• Introducing Support for Local AI Models in the Antigravity SDK — Google Developers Blog
• Google-Antigravity/antigravity-sdk-python — GitHub
• google-antigravity — PyPI
• litert-community/gemma-4-26B-A4B-it-litert-lm — Hugging Face