IA locale con Google Antigravity: come far girare agenti IA offline con Ollama e Gemma 4 sul tuo computer

Quanti soldi e quanti nervi ti costa in realtà il limite settimanale del tuo strumento di IA? A me capita spesso che la quota finisca proprio quando sono nel bel mezzo di un compito, e in più a ogni email di un cliente mi chiedo se debba davvero finire su un server di qualcun altro. È qui che entra in gioco l'IA locale con Google Antigravity, perché l'IA non gira nel cloud ma sul tuo computer. Dal 23 settembre 2026, infatti, l'Antigravity SDK può lavorare anche con modelli di IA che hai sul tuo disco.1 Significa che costruisci un agente IA con la stessa base su cui gira anche l'app Antigravity e lo fai lavorare, per esempio, con Gemma 4 tramite Ollama, senza chiavi API, senza crediti e, dopo la configurazione, perfino senza internet. Un inconveniente però c'è, perché Google consiglia per la variante principale un computer con almeno 24 GB di memoria grafica o condivisa.1,2 In questo articolo ti mostro quindi quale modello si adatta al tuo computer, come configurare un LLM locale con un agente, quali cinque agenti valgono la pena in una piccola attività e dove stanno i limiti.
L'Antigravity SDK è il kit Python di Google per costruire i tuoi agenti IA. Da settembre 2026 questi agenti funzionano anche con modelli di IA locali, ufficialmente ottimizzati per Gemma 4 26B tramite LiteRT di Google e in più tramite qualsiasi server compatibile con OpenAI come Ollama, LM Studio o vLLM.1 Un modello Gemma 4 più piccolo tramite Ollama sta anche su un laptop con 16 GB di RAM, ma lavora più lentamente e fornisce risultati che dovresti ricontrollare.4,5 Con le regole stabilisci cosa può fare l'agente, con i trigger lo fai partire da solo, e i tuoi dati restano sul tuo dispositivo.2
I numeri più importanti
- 23.09.2026: Google annuncia i modelli locali nell'Antigravity SDK.1
- 24 GB di memoria grafica o condivisa: è quanto consiglia Google per la variante principale con Gemma 4 26B A4B.1,2
- 64.000 token di contesto consiglia Google per gli agenti locali, mentre Ollama parte di default con 4.096.2,6
- 4,5 GB di memoria servono a Gemma 4 E4B nella versione a 4 bit, la variante 26B ne richiede 14,4 GB.4
- 97,2% di tutti i token è girato in locale nella demo ibrida di Google, il pianificatore nel cloud ne ha usati solo 95.1
- 0 dollari USA al mese costa Antigravity per i singoli, con semplici limiti settimanali.7
Che cos'è l'Antigravity SDK?
Antigravity esiste ormai in cinque forme: come app, come ambiente di sviluppo (IDE) a sé stante, come estensione per altri editor, come riga di comando e come SDK.7 L'SDK è la variante per i tuoi programmi e le tue automazioni. Lo installi con pip install google-antigravity, scrivi qualche riga di Python, e dell'intero ciclo fatto di ragionamento, chiamata dello strumento, verifica e prosecuzione si occupa l'SDK.2 Secondo Google, dietro ci sono le stesse capacità che alimentano anche l'app Antigravity.1
Per te questo significa che non devi programmare da zero un agente IA. Descrivi un compito, dai all'agente una cartella in cui può lavorare, e lui legge file, scrive risultati e, se vuoi, esegue anche comandi. In più ci sono strumenti personalizzati ricavati da funzioni Python, il collegamento di server MCP, regole per le azioni consentite e trigger per i compiti ricorrenti.2 L'SDK è distribuito con licenza Apache 2.0 e gira su macOS, Linux e Windows. Include però un file di runtime precompilato, presente solo nel pacchetto su PyPI e non nel codice sorgente su GitHub.2,3
Locale o cloud: cosa cambia?
Senza ulteriori impostazioni l'SDK parla con Gemini nel cloud e per questo richiede una chiave API.2 Per l'uso locale in pratica cambi solo la configurazione, perché compiti, regole e strumenti del tuo agente restano uguali, e Google indica quattro motivi:1
- nessun costo continuativo, perché spariscono le tariffe API e i limiti di richieste,
- protezione dei dati, perché il tuo codice e le tue richieste restano interamente sul tuo computer,
- funzionamento offline, così l'agente lavora anche senza una connessione stabile, per esempio in viaggio o nel camper,
- funzionamento ibrido, in cui combini lavoro locale a basso costo con un grande modello cloud quando un compito diventa troppo pesante.
Il punto dei limiti non lo sottovaluterei. Un agente locale gira quanto vuoi, perché l'unico limite è il tuo computer e non una quota che mercoledì è già esaurita.
| Gemini nel cloud | Gemma 4 tramite LiteRT | Gemma 4 tramite Ollama | |
|---|---|---|---|
| Configurazione nell'SDK | LocalAgentConfig con chiave API Gemini |
LiteRTAgentConfig |
LocalOpenAIAgentConfig |
| Serve internet | sì | no (dopo il download) | no (dopo il download) |
| Costi per compito | a consumo o secondo il limite del piano | nessuno | nessuno |
| Hardware consigliato | indifferente | da 24 GB di memoria grafica o condivisa | dipende dal modello, E4B già su laptop con 16 GB |
| I dati lasciano il computer | sì | no | no |
| Ottimizzato da Google | sì | sì, per Gemma 4 26B A4B | supportato, non ottimizzato in modo specifico |
Fonti: Google Developers Blog, README dell'Antigravity SDK, panoramica dei modelli Gemma 4.1,2,4
Quale modello Gemma 4 è adatto al tuo computer?
È la domanda più importante prima di cominciare. Gemma 4 esiste in cinque dimensioni, da E2B per smartphone e browser fino a 31B per computer potenti.4 Più il modello è grande, migliori sono i risultati, ma serve più memoria e su hardware debole diventa più lento. Nella tabella trovi il fabbisogno di memoria approssimativo secondo Google e, accanto, le dimensioni dei download su Ollama.
| Modello | Versione a 4 bit (Google) | Download su Ollama | Contesto | Adatto per |
|---|---|---|---|---|
| Gemma 4 E2B | 2,9 GB | da 4,6 a 7,5 GB | 128K | laptop più vecchi, semplici compiti di smistamento |
| Gemma 4 E4B | 4,5 GB | da 6,6 a 9,5 GB | 128K | normali laptop con 16 GB di RAM |
| Gemma 4 12B | 6,7 GB | da 7,7 a 8,0 GB | 256K | computer con 16-32 GB e scheda grafica |
| Gemma 4 26B A4B | 14,4 GB | da 16 a 19 GB | 256K | variante principale di Google, consigliata da 24 GB |
| Gemma 4 31B | 17,5 GB | da 19 a 20 GB | 256K | workstation potenti o Mac con molta memoria |
Fonti: panoramica dei modelli Gemma 4 di Google e libreria di Ollama, aggiornato al 16.11.2026.4,5
Come regola pratica prendo il modello più grande che sta interamente nella memoria grafica, su un Mac nella memoria condivisa, e lascio ancora un po' di margine per il contesto. Su un laptop con 16 GB di RAM senza scheda grafica dedicata, come quello che uso io, E4B è la scelta sensata. E2B è più piccolo e veloce, ma per agenti che devono eseguire più passaggi di fila userei almeno E4B.
Creare agenti IA locali: passo dopo passo verso il tuo agente Ollama
Prima di iniziare con l'SDK, proverei il compito nell'app Antigravity o nel tuo editor. Lì vedi subito se l'agente capisce davvero il compito, e solo quando funziona vale la pena automatizzarlo con l'SDK. La configurazione in sé richiede poi circa un quarto d'ora, a seconda della velocità del download del modello.
- Installare Ollama e scaricare il modello. Ollama lo trovi su ollama.com, il modello lo scarichi per esempio con
ollama pull gemma4:e4b.5 - Aumentare il contesto. Senza impostazioni Ollama lavora con 4.096 token di contesto, troppo pochi per gli agenti. Avvia quindi Ollama per esempio con
OLLAMA_CONTEXT_LENGTH=16384 ollama serve. Un contesto più grande richiede più memoria, perciò su un laptop con 16 GB resterei per ora a 16.384 o 32.768 token e andrei verso i 64.000 token consigliati da Google solo con 24 GB o più.6,2 Se Ollama gira da te come servizio in background, inserisci la variabile nelle sue impostazioni e riavvia il servizio.6 - Creare l'ambiente Python con
python3 -m venv .venvesource .venv/bin/activatesu macOS o Linux, su Windows in PowerShell conpython -m venv .venve.venv\Scripts\Activate.ps1.2 - Installare l'SDK con
pip install google-antigravity.2 - Scrivere l'agente. Contano soprattutto tre dati: il nome del modello, l'indirizzo del server locale e la cartella in cui l'agente può lavorare.
import asyncio
from google.antigravity import Agent, LocalOpenAIAgentConfig
from google.antigravity.hooks import policy
ORDNER = "/home/du/agenten/postfach"
async def main():
config = LocalOpenAIAgentConfig(
model="gemma4:e4b",
base_url="http://127.0.0.1:11434/v1",
workspaces=[ORDNER],
policies=[policy.deny("*"), policy.allow("view_file"), policy.allow("list_directory")],
)
async with Agent(config) as agent:
antwort = await agent.chat("Leggi tutti i file nella cartella e riassumi ciascuno in una frase.")
async for teil in antwort:
print(teil, end="", flush=True)
asyncio.run(main())
Un intoppo in cui sono inciampato anch'io: al primo tentativo, invece di una risposta, ho ottenuto solo un timeout nella connessione a Ollama, anche se Ollama era in esecuzione. Da me localhost puntava all'indirizzo IPv6, su cui Ollama non era raggiungibile, ed è per questo che nell'esempio c'è 127.0.0.1. Se anche così ottieni solo un timeout, controlla il firewall del desktop. Se autorizza le connessioni in uscita una per una, anche il file di runtime dell'SDK deve poter accedere alla porta locale 11434.
Far costruire l'agente ad Antigravity
Il codice non devi per forza scriverlo tu. Nell'app Antigravity puoi farti costruire l'agente anche con un incarico come questo:
Costruisci un agente Python con l'Antigravity SDK. Usa LocalOpenAIAgentConfig con il modello gemma4:e4b e l'indirizzo Ollama http://127.0.0.1:11434/v1. Imposta questa cartella come area di lavoro. L'agente legge ogni file nella cartella «ingresso», svolge il compito che descrivo qui sotto e scrive i suoi risultati nella cartella «uscita». Mostra ogni chiamata agli strumenti, così posso seguirlo. Poi eseguilo. Compito: …
Tieni presente che l'app Antigravity stessa lavora con modelli cloud, cioè la descrizione del tuo compito durante la costruzione finisce per il momento nel cloud, e solo l'agente finito lavora in locale con i tuoi file. Durante la costruzione metti quindi nella cartella solo dati di esempio e i dati reali dei clienti solo dopo. E guarda quali file crea e modifica l'app prima di accettare tutto. Per i tuoi processi di solito basta così, ma per un progetto cliente con login o pagamenti qualcuno con esperienza di programmazione dovrebbe comunque dare un'occhiata al codice.
Cinque agenti locali che valgono la pena in azienda
Tutti e cinque seguono lo stesso schema: una cartella con gli input, un compito chiaro e una seconda cartella per i risultati. Nell'incarico qui sopra cambi quindi ogni volta solo il compito.
1. Il selezionatore della casella di posta per agenzie e fornitori di servizi
Metti le email dei clienti come file di testo nella cartella di ingresso, per esempio esportandole dal tuo programma di posta. L'agente legge ogni email, la ordina per urgenza, scrive una riga di riassunto e prepara per ciascuna una bozza di risposta. In cima finisce, per esempio, il cliente dell'e-commerce scontento dei risultati che sta pensando di disdire, con una bozza pacata che chiede dove esattamente sta il problema. Naturalmente le email le invii ancora tu, dopo averle lette. Poiché nelle email ci sono quasi sempre dati personali, qui il funzionamento locale rende di più.
2. Il selezionatore di liste di contatti per l'acquisizione
Hai una lista di qualche centinaio di contatti da fiere, richieste o vecchi progetti, e dentro ci sono indirizzi personali come nome@azienda.de mescolati a indirizzi collettivi come info@ o studio@. Per il contatto ti servono separati, perché scrivi a una titolare in modo diverso che a una segreteria. L'agente scorre la tabella, contrassegna ogni indirizzo come personale o generico e scrive il risultato in una nuova colonna. Proprio con liste così è comodo che per questo non debbano finire su un servizio cloud.
3. L'autore del primo contatto per contatti esistenti
Dai all'agente una tabella con aziende, settore e una breve nota sul sito web. Per ogni azienda scrive una prima frase che si riferisce a ciò che l'azienda fa davvero, invece di frasi fatte come «bel sito». Con una scuola online da 4.000 partecipanti, per esempio, riprende la casella di supporto piena, con un'offerta software con periodo di prova la domanda su come i clienti in prova trovano la funzione giusta. Pensa qui alle regole sulla pubblicità via email, perché in Germania le email pubblicitarie non richieste sono consentite, anche verso le aziende, solo entro limiti ristretti. Usa quindi queste frasi iniziali solo per contatti che ti hanno dato il consenso, oppure come spunto per una conversazione personale.
4. L'ordinatore di appunti per coach e consulenti
Dopo un appuntamento gli appunti sono quasi sempre un miscuglio di frasi a metà, idee e cose che hai promesso. L'agente ne ricava, per ogni cliente, un piano pulito con tre compiti e una domanda per aprire l'appuntamento successivo. Gli appunti dei colloqui sono riservati, ed è per questo che per me non vanno in un servizio di cui non so esattamente cosa ne faccia.
5. La dashboard SEO dall'esportazione della Search Console
Esporti da Google Search Console la tabella con query di ricerca, clic, impressioni, CTR e posizione. L'agente ne ricava una singola pagina HTML, in alto le query più forti, sotto le vittorie rapide, cioè i termini tra la posizione 8 e la 20 che puoi portare in prima pagina con poco sforzo, e in più un semplice grafico a barre. Una dashboard così la capiscono in pochi secondi anche i clienti, e i numeri non lasciano mai il tuo computer.
Regole e trigger: come far girare il tuo agente da solo in sicurezza
Un agente che può scrivere file ed eseguire comandi ha bisogno di confini chiari. Senza ulteriori impostazioni l'SDK lavora solo in lettura, tutto il resto lo sblocchi tu in modo mirato.2
- Con le regole (policy) vieti prima di tutto tutto e poi consenti singoli passaggi in modo mirato, per esempio leggere file sì, comandi solo dopo conferma. Per questo ci sono
deny,alloweask_user, oltre a blocchi già pronti comeworkspace_only, che blocca gli accessi fuori dalla cartella di lavoro, econfirm_run_command, che rifiuta i comandi senza la tua autorizzazione.2,3 Il tuo selezionatore della posta può così scrivere bozze, ma non cancellare nulla. - Con i trigger stabilisci quando l'agente parte, per esempio con
everyogni dieci minuti o conon_file_changeproprio nel momento in cui un nuovo file arriva nella cartella di ingresso.2,3 - Con strumenti personalizzati rendi utilizzabile per l'agente qualsiasi funzione Python, e i server MCP li colleghi allo stesso modo.2 Un e-commerce dà per esempio all'agente uno strumento che legge la tabella dei prodotti, e ottiene le descrizioni per ogni nuovo prodotto.
La modalità ibrida: il cloud pianifica, il tuo computer lavora
Se un compito è troppo grande per un piccolo modello locale, non devi subito mandare tutto nel cloud. Google paragona la divisione del lavoro a un architetto e alla sua squadra di cantiere: un modello cloud, nella demo Gemini 3.8 Flash, pianifica il compito e lo distribuisce, ma vede solo nomi di file e brevi descrizioni, mentre diverse istanze locali di Gemma 4 sul tuo computer svolgono il lavoro vero e proprio sui contenuti.1
Nell'esempio di Google si trattava di tre file Python con falle di sicurezza. Il pianificatore nel cloud ha usato per questo 95 token. I modelli locali hanno riprodotto le falle, scritto le correzioni, si sono criticati a vicenda e hanno verificato tutto con i test. Alla fine il 97,2% di tutti i token è girato in locale, cioè 3.322 token.1 Per un'attività questo significa che i nomi dei file vanno nel cloud e possono rivelare qualcosa, ma il contenuto resta da te.
Costi di Antigravity: quanto paghi in locale, in euro?
In locale non ci sono tariffe per compito, paghi solo la corrente e l'hardware che hai già. Prendiamo un laptop che sotto carico assorbe circa 60 watt e calcola due ore al giorno per i tuoi agenti. Consuma circa 3,6 kWh al mese, e a 35 centesimi per kWh sono circa 1,30 € al mese. I valori sono stimati e dipendono dal dispositivo e dalla tariffa elettrica, ma l'ordine di grandezza è giusto.
Antigravity in sé costa per i singoli 0 dollari USA al mese, con semplici limiti settimanali per i modelli cloud. Più margine c'è con Google AI Pro e Ultra, e le aziende prenotano tramite Google Cloud, dove i piani Gemini Enterprise partono da 30 dollari USA per postazione al mese.7 Per i tuoi agenti locali questi limiti non contano, valgono solo se usi l'app o i modelli cloud.
Ti porta di più, però, il tempo che risparmi. Se il selezionatore della posta ti toglie ogni giorno solo 20 minuti di pre-selezione, in 20 giorni lavorativi sono quasi sette ore al mese. Con una tariffa oraria interna di 50 € corrisponde a circa 330 €.
I miei consigli per far lavorare gli agenti locali in modo affidabile
- Dare a ogni agente una cartella di lavoro propria. Così resta sul pezzo, e con
workspace_onlynon può raggiungere nient'altro.3 - Un compito chiaro invece di una lista dei desideri. I piccoli modelli locali lavorano molto meglio con un incarico ristretto e nomi di file precisi per i risultati. Meglio tre agenti con un compito ciascuno che uno solo che deve saper fare tutto.
- Alzare il contesto prima di dubitare dell'agente. Se un agente si interrompe nel mezzo di un compito lungo o perde il filo, spesso dipende dal contesto troppo piccolo. I 4.096 token con cui parte Ollama non bastano per gli agenti.6
- Mettere in conto un po' di pazienza. Già lo script di esempio di Google avverte che l'elaborazione locale può richiedere diversi minuti.1 Lascia quindi girare l'agente in background tramite trigger, invece di stare lì davanti.
- Rileggere i risultati. Un piccolo modello locale sbaglia di più con i compiti difficili rispetto ai grandi modelli cloud. Per i tanti lavori di routine con file riservati va comunque bene, ma non dovresti inviare nulla senza averlo letto.
- Iniziare con dati di esempio. Testa ogni agente prima con email, appunti o tabelle inventati e lascialo lavorare sui dati reali solo dopo.
- Fare attenzione ai formati di file e alla sospensione. L'agente lavora nel modo più affidabile con semplici file di testo come .txt, .md o .csv. Per le cartelle di Excel gli dai al meglio una piccola funzione Python come strumento. E ricorda che un agente locale lavora solo finché il tuo computer è sveglio: se chiudi il laptop, anche l'agente va in pausa.
Limiti dell'IA locale e protezione dei dati
Anche l'IA locale ha i suoi inconvenienti, e alcuni è meglio conoscerli prima di affidartici nell'attività quotidiana.
- Google ha ottimizzato il funzionamento locale per Gemma 4 26B A4B tramite LiteRT, altri file di modello LiteRT secondo il README potrebbero girare male o non girare affatto.2 Ollama con modelli più piccoli è supportato, ma non è la strada principale di Google.
- Il consiglio di 24 GB di memoria grafica o condivisa vale per la variante 26B. Con meno memoria gira un modello più piccolo, che sa fare sensibilmente meno.1,4
- Per i compiti difficili come i lavori di programmazione più grandi, i grandi modelli cloud restano chiaramente avanti. Il funzionamento locale vale la pena soprattutto per i tanti piccoli compiti che ritornano ogni giorno.
- L'SDK include un file di runtime precompilato, il cui codice sorgente non si trova nel repository pubblico.2
- Nella costruzione nell'app Antigravity e nella modalità ibrida alcune parti vanno a un modello cloud, cioè la descrizione del compito e rispettivamente i nomi dei file.1
- Gemma 4 è, come l'SDK, sotto licenza Apache 2.0, il che significa che puoi usare i modelli anche a fini commerciali e senza costi di licenza nella tua attività.8
Il grande vantaggio resta comunque che elabori i dati dei clienti sul tuo dispositivo, senza che un fornitore di IA possa vederli, finché l'agente gira puramente in locale. Per questo passaggio non ti serve un contratto di trattamento dei dati (Auftragsverarbeitungsvertrag) con un fornitore di IA. Gli altri obblighi del GDPR, come la limitazione della finalità e i termini di cancellazione, naturalmente continuano a valere. Se in generale ti interessa il self-hosting, dai un'occhiata anche alla mia esperienza con Nemotron 3.5 Bolt come assistente locale.
Conclusione
Un agente Antigravity locale sostituisce ora i grandi modelli cloud? Per i compiti difficili e creativi no, lì i grandi modelli sono chiaramente migliori. Per i tanti piccoli compiti con dati riservati, cioè pre-selezionare le email, dividere le liste di contatti, riordinare gli appunti o analizzare le esportazioni, l'IA locale è però una soluzione molto pratica, perché configuri una volta sola e poi l'agente gira quanto vuoi, senza costi per compito e senza limite settimanale. Io inizierei con un solo agente, e precisamente con il compito che ogni settimana ti dà più fastidio, e lo testerei due settimane con dati di esempio prima di passare ai dati reali. E se nel frattempo ti accorgi che nella tua attività ci sono ancora molti compiti di questo tipo, parliamone brevemente per capire quale conviene per primo.
Domande frequenti sull'IA locale con Google Antigravity
Google Antigravity è gratuito?
Per i singoli sì, il piano costa 0 dollari USA al mese e ha semplici limiti settimanali. Più margine c'è con Google AI Pro e Ultra.7 Gli agenti locali tramite SDK non comportano tariffe per compito e non richiedono nemmeno una chiave API.1
Mi serve internet per gli agenti Antigravity locali?
Solo per la configurazione, cioè per scaricare SDK e modello. Dopo, l'agente gira completamente offline, a meno che tu non usi la modalità ibrida con un pianificatore nel cloud.1
Quale hardware mi serve al minimo?
Google consiglia per la variante principale con Gemma 4 26B almeno 24 GB di memoria grafica o condivisa.1 Con Ollama e Gemma 4 E4B, che nella versione a 4 bit richiede circa 4,5 GB, un modello sta anche su un laptop con 16 GB di RAM, ma le risposte arrivano più lentamente.4
Funziona anche con LM Studio al posto di Ollama?
Sì, tramite LocalOpenAIAgentConfig l'SDK parla con qualsiasi server compatibile con OpenAI. Google cita espressamente Ollama, LM Studio e vLLM.1
Qual è la differenza tra LiteRT e Ollama?
LiteRT è il runtime di Google per i modelli sul dispositivo, e per esso l'SDK è ottimizzato in modo specifico con LiteRTAgentConfig. Ollama è un diffuso server di modelli locali, che l'SDK richiama tramite l'interfaccia compatibile con OpenAI. LiteRT è la via ottimizzata per Gemma 4 26B, Ollama ti lascia più scelta tra i modelli.1,2
L'Antigravity SDK gira su Windows e Linux?
Sì, su PyPI ci sono pacchetti pronti per Windows, Linux e macOS, ciascuno per processori Intel e ARM.3
Posso usare Gemma 4 a fini commerciali?
Sì, Google mette a disposizione Gemma 4 con pesi aperti sotto licenza Apache 2.0, il che significa che puoi usare i modelli anche a fini commerciali nella tua attività.4,8
Come citare questo articolo
Gütter, Simon (2026): IA locale con Google Antigravity: come far girare agenti IA offline con Ollama e Gemma 4 sul tuo computer. Simon Traffic, 16 novembre 2026. https://simon-traffic.com/blog/ki-automatisierung/antigravity-lokal-ollama/
Fonti
- Google Developers Blog: Introducing Support for Local AI Models in the Antigravity SDK, 23.09.2026. https://developers.googleblog.com/introducing-support-for-local-ai-models-in-the-antigravity-sdk/
- Google: Antigravity SDK for Python, README, consultato il 16.11.2026. https://github.com/google-antigravity/antigravity-sdk-python
- PyPI: google-antigravity 0.1.23, dati del pacchetto e documentazione nel pacchetto, consultato il 16.11.2026. https://pypi.org/project/google-antigravity/
- Google AI for Developers: Gemma 4 model overview, consultato il 16.11.2026. https://ai.google.dev/gemma/docs/core
- Ollama: gemma4, libreria dei modelli, consultato il 16.11.2026. https://ollama.com/library/gemma4
- Ollama: FAQ, How can I specify the context window size?, consultato il 16.11.2026. https://docs.ollama.com/faq
- Google Antigravity: Pricing, consultato il 16.11.2026. https://antigravity.google/pricing
- Google AI for Developers: Gemma 4, Apache License 2.0, consultato il 16.11.2026. https://ai.google.dev/gemma/docs/gemma_4_license
Aggiornato al: 16 novembre 2026. L'Antigravity SDK è alla versione 0.1.x, funzioni e consigli possono cambiare.