Google 宣布为其 Antigravity SDK 增加本地模型支持，开发者可以直接在自有机器上构建并执行智能体工作流，同时保留混合调用云端模型处理更高层级任务的灵活性。
根据官方介绍，这一能力旨在解决开发者在构建 AI 智能体时面临的几项核心约束。通过在本地运行模型，推理过程无需将代码或数据上传至云端，从而在数据隐私层面提供了更强的保障。对于处理敏感代码库或受合规要求约束的企业而言，本地推理意味着数据不出本地环境，降低了泄露风险。
在成本层面，本地模型支持使开发者能够将高频、轻量的推理任务放在本地执行，仅将复杂任务交由云端模型处理。这种分层策略有助于减少对云端 API 的调用次数，进而降低令牌消耗与整体推理开支。同时，由于部分工作流不再依赖网络连接，系统的可用性和响应稳定性也得到改善。
Antigravity SDK 的混合架构允许开发者在本地模型与云端模型之间灵活切换。本地模型负责对延迟敏感或隐私要求高的任务，云端模型则承担需要更强推理能力的复杂场景。这种设计让计算负载可以在本地与云端之间进行分配，开发者可根据任务特性选择最合适的执行路径。
此次更新反映出 AI 开发工具链的一个明显趋势：随着开源模型能力提升和端侧算力增强，越来越多的开发平台开始将本地推理纳入核心工作流，而非完全依赖云端。对于企业级 AI 应用而言，本地与云端的混合模式正在成为兼顾隐私、成本与性能的务实选择。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
