IA local com Google Antigravity: agentes de IA offline com Ollama e Gemma 4 no teu computador

Quanto dinheiro e quanta paciência te custa, afinal, o limite semanal da tua ferramenta de IA? No meu caso, a quota costuma acabar precisamente quando estou a meio de uma tarefa e, a cada e-mail de cliente, surge a dúvida se isso deve mesmo ir parar a um servidor alheio. É aqui que entra a IA local com Google Antigravity, porque a IA deixa de correr na cloud e passa a correr no teu próprio computador. Desde 23 de setembro de 2026, o Antigravity SDK também consegue trabalhar com modelos de IA que estão no teu disco.1 Ou seja, crias um agente de IA com a mesma base em que corre a app Antigravity e deixas que trabalhe, por exemplo, com o Gemma 4 através do Ollama, sem chave de API, sem créditos e, depois da configuração, até sem internet. Há, no entanto, um senão, porque a Google recomenda para a variante principal um computador com pelo menos 24 GB de memória gráfica ou partilhada.1,2 Neste artigo mostro-te por isso que modelo serve para o teu computador, como montar um agente local, que cinco agentes compensam numa pequena empresa e onde estão os limites.
O Antigravity SDK é o kit de Python da Google para criares os teus próprios agentes de IA. Desde setembro de 2026, estes agentes também funcionam com modelos de IA locais, oficialmente otimizados para o Gemma 4 26B através do LiteRT da Google e, além disso, através de qualquer servidor compatível com a OpenAI, como o Ollama, o LM Studio ou o vLLM.1 Um modelo Gemma 4 mais pequeno através do Ollama cabe até num portátil com 16 GB de memória RAM, mas trabalha mais devagar e entrega resultados que deves reler.4,5 Com regras defines o que o agente pode fazer, com acionadores ele arranca sozinho, e os teus dados ficam no teu dispositivo.2
O essencial em números
- 23.09.2026: a Google anuncia modelos locais no Antigravity SDK.1
- 24 GB de memória gráfica ou partilhada é o que a Google recomenda para a variante principal com Gemma 4 26B A4B.1,2
- 64 000 tokens de contexto é o que a Google recomenda para agentes locais; o Ollama arranca por defeito com 4096.2,6
- 4,5 GB de memória precisa o Gemma 4 E4B na versão de 4 bits; a variante 26B precisa de 14,4 GB.4
- 97,2 % de todos os tokens correram localmente na demonstração híbrida da Google; o planeador na cloud precisou de apenas 95 tokens.1
- 0 dólares americanos por mês é quanto custa o Antigravity para particulares, com limites semanais simples.7
O que é o Antigravity SDK?
O Antigravity existe agora em cinco formas: como app, como ambiente de desenvolvimento próprio (IDE), como extensão para outros editores, como linha de comandos e como SDK.7 O SDK é a variante para os teus próprios programas e automatizações. Instalas com pip install google-antigravity, escreves algumas linhas de Python e o SDK trata de todo o ciclo de pensar, chamar uma ferramenta, verificar e continuar.2 Segundo a Google, por trás estão as mesmas capacidades que alimentam a app Antigravity.1
Para ti, isto significa que não tens de programar um agente de IA do zero. Descreves uma tarefa, dás ao agente uma pasta onde ele pode trabalhar, e ele lê ficheiros, escreve resultados e, se quiseres, também executa comandos. A isto juntam-se ferramentas próprias feitas de funções Python, a ligação a servidores MCP, regras para as ações permitidas e acionadores para tarefas recorrentes.2 O SDK tem licença Apache 2.0 e corre em macOS, Linux e Windows. Traz, no entanto, um ficheiro de execução pré-compilado que só existe no pacote do PyPI e não no código-fonte no GitHub.2,3
Local ou cloud: o que muda?
Sem mais configurações, o SDK fala com o Gemini na cloud e para isso precisa de uma chave de API.2 Para o funcionamento local, basicamente trocas só a configuração, porque as tarefas, as regras e as ferramentas do teu agente ficam iguais, e a Google indica quatro razões para isso:1
- sem custos contínuos, porque deixam de existir taxas de API e limites de utilização,
- proteção de dados, porque o teu código e os teus pedidos ficam totalmente no teu computador,
- IA offline, para que o agente trabalhe mesmo sem internet estável, por exemplo em viagem ou na carrinha,
- modo híbrido, em que combinas trabalho local barato com um modelo grande na cloud quando uma tarefa se revela pesada demais.
Eu não subestimaria o ponto dos limites. Um agente local corre as vezes que quiseres, porque o único limite é o teu computador e não uma quota que já está vazia à quarta-feira.
| Gemini na cloud | Gemma 4 via LiteRT | Gemma 4 via Ollama | |
|---|---|---|---|
| Configuração no SDK | LocalAgentConfig com chave de API do Gemini |
LiteRTAgentConfig |
LocalOpenAIAgentConfig |
| Precisa de internet | sim | não (depois da transferência) | não (depois da transferência) |
| Custo por tarefa | conforme o consumo ou o limite do plano | nenhum | nenhum |
| Hardware recomendado | indiferente | a partir de 24 GB de memória gráfica ou partilhada | consoante o modelo, o E4B já em portáteis com 16 GB |
| Os dados saem do computador | sim | não | não |
| Otimizado pela Google | sim | sim, para o Gemma 4 26B A4B | suportado, não otimizado especificamente |
Fontes: Google Developers Blog, README do Antigravity SDK, visão geral dos modelos Gemma 4.1,2,4
Que modelo Gemma 4 serve para o teu computador?
Esta é a pergunta mais importante antes de começares. O Gemma 4 existe em cinco tamanhos, do E2B para telemóvel e browser até ao 31B para computadores potentes.4 Quanto maior o modelo, melhores os resultados, mas mais memória precisas e mais lento fica em hardware fraco. Na tabela vês a necessidade aproximada de memória segundo a Google e, ao lado, os tamanhos de transferência no Ollama.
| Modelo | Versão de 4 bits (Google) | Transferência no Ollama | Contexto | Serve para |
|---|---|---|---|---|
| Gemma 4 E2B | 2,9 GB | 4,6 a 7,5 GB | 128K | portáteis mais antigos, tarefas simples de triagem |
| Gemma 4 E4B | 4,5 GB | 6,6 a 9,5 GB | 128K | portáteis normais com 16 GB de RAM |
| Gemma 4 12B | 6,7 GB | 7,7 a 8,0 GB | 256K | computadores com 16 a 32 GB e placa gráfica |
| Gemma 4 26B A4B | 14,4 GB | 16 a 19 GB | 256K | variante principal da Google, recomendada a partir de 24 GB |
| Gemma 4 31B | 17,5 GB | 19 a 20 GB | 256K | estações de trabalho potentes ou Macs com muita memória |
Fontes: visão geral dos modelos Gemma 4 da Google e biblioteca do Ollama, a 16.11.2026.4,5
Como regra prática, escolho o maior modelo que caiba por inteiro na memória gráfica (num Mac, na memória partilhada) e deixo ainda folga para o contexto. Num portátil com 16 GB de RAM sem placa gráfica dedicada, como o que eu próprio uso, o E4B é a escolha sensata. O E2B é mais pequeno e mais rápido, mas para agentes que têm de executar vários passos seguidos eu usaria pelo menos o E4B.
Criar agentes de IA locais: passo a passo até ao teu agente com Ollama
Antes de começares com o SDK, eu experimentaria primeiro a tarefa na app Antigravity ou no teu editor. Aí vês depressa se o agente chega sequer a perceber a tarefa e, só quando isso funciona, compensa automatizá-la com o SDK. A configuração em si demora depois cerca de um quarto de hora, consoante a velocidade da transferência do modelo.
- Instalar o Ollama e descarregar o modelo. O Ollama está em ollama.com e o modelo descarregas, por exemplo, com
ollama pull gemma4:e4b.5 - Aumentar o contexto. Sem configuração, o Ollama trabalha com 4096 tokens de contexto, o que é muito pouco para agentes. Por isso, arranca o Ollama, por exemplo, com
OLLAMA_CONTEXT_LENGTH=16384 ollama serve. Um contexto maior precisa de mais memória RAM, por isso, num portátil com 16 GB eu ficaria para já pelos 16 384 ou 32 768 tokens e só com 24 GB ou mais me aproximaria dos 64 000 tokens que a Google recomenda.6,2 Se o Ollama corre no teu computador como serviço em segundo plano, inscreves a variável nas definições desse serviço e reinicias o serviço.6 - Criar o ambiente Python com
python3 -m venv .venvesource .venv/bin/activateno macOS ou Linux; no Windows, na PowerShell, compython -m venv .venve.venv\Scripts\Activate.ps1.2 - Instalar o SDK com
pip install google-antigravity.2 - Escrever o agente. Importam sobretudo três indicações: o nome do modelo, o endereço do servidor local e a pasta onde o agente pode trabalhar.
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("Lê todos os ficheiros da pasta e resume cada um numa frase.")
async for teil in antwort:
print(teil, end="", flush=True)
asyncio.run(main())
Uma armadilha em que eu próprio caí: na primeira tentativa, em vez de uma resposta, só apareceu um timeout ao ligar ao Ollama, apesar de o Ollama estar a correr. No meu caso, o localhost apontava para o endereço IPv6, no qual o Ollama não estava acessível, e é por isso que o exemplo usa 127.0.0.1. Se mesmo assim só aparecer um timeout, verifica a firewall do teu desktop. Se ela libera as ligações de saída uma a uma, o ficheiro de execução do SDK também tem de poder aceder à porta local 11434.
Deixar o Antigravity construir o agente
Não tens de escrever o código à mão. Na app Antigravity também podes mandar construir o agente, com um pedido como este:
Constrói um agente Python com o Antigravity SDK. Usa LocalOpenAIAgentConfig com o modelo gemma4:e4b e o endereço do Ollama http://127.0.0.1:11434/v1. Define esta pasta como área de trabalho. O agente lê cada ficheiro da pasta “entrada”, executa a tarefa que descrevo abaixo e escreve os seus resultados na pasta “saída”. Mostra cada chamada de ferramenta, para eu poder acompanhar. Depois executa-o. Tarefa: …
Tem presente que a própria app Antigravity trabalha com modelos na cloud, ou seja, a descrição da tua tarefa vai primeiro para a cloud durante a construção, e só o agente pronto trabalha localmente com os teus ficheiros. Por isso, durante a construção coloca na pasta apenas dados de exemplo e só depois os dados reais dos clientes. E vê o que a app cria e altera em ficheiros antes de aceitares tudo. Para os teus próprios processos isto costuma bastar, mas, para um projeto de cliente com logins ou pagamentos, convém que alguém com experiência de programação reveja o código.
Cinco agentes locais que compensam na empresa
Os cinco seguem o mesmo padrão: uma pasta com as entradas, uma tarefa clara e uma segunda pasta para os resultados. No pedido acima, só tens por isso de mudar a tarefa.
1. O organizador da caixa de correio para agências e prestadores de serviços
Colocas os e-mails dos clientes como ficheiros de texto na pasta de entrada, por exemplo por exportação do teu programa de correio. O agente lê cada e-mail, ordena por urgência, escreve uma linha de resumo e cria um rascunho de resposta para cada um. No topo fica então, por exemplo, o cliente da loja online que está descontente com os resultados e pensa em cancelar, com um rascunho calmo que pergunta onde está exatamente o problema. Enviar os e-mails continuas a ter de ser tu, depois de os leres. Como nos e-mails quase sempre há dados pessoais, é aqui que o funcionamento local mais traz.
2. O organizador de listas de contactos para a prospeção
Tens uma lista com algumas centenas de contactos de feiras, pedidos ou projetos antigos, e nela misturam-se endereços pessoais como nome@empresa.de com endereços coletivos como info@ ou consultorio@. Para a abordagem precisas dos dois separados, porque escreves de forma diferente a uma proprietária e a um secretariado. O agente percorre a tabela, marca cada endereço como pessoal ou geral e escreve o resultado numa nova coluna. Em listas assim, é agradável que não tenham de passar por um serviço na cloud.
3. O redator de primeiras abordagens para contactos existentes
Dás ao agente uma tabela com empresas, setor e uma pequena nota sobre o site. Ele escreve para cada empresa uma primeira frase que se refere ao que a empresa realmente faz, em vez de frases feitas como «que site fantástico». Numa escola online com 4000 participantes, por exemplo, pega na caixa de suporte cheia; num software com fase de teste, pega na questão de como os clientes de teste chegam à função certa. Pensa aqui nas regras da publicidade por e-mail, pois na Alemanha os e-mails publicitários não solicitados só são permitidos dentro de limites estreitos, mesmo para empresas. Usa por isso estas frases de abertura apenas para contactos que te deram consentimento, ou como ponto de partida para uma conversa pessoal.
4. O arrumador de notas para coaches e consultores
Depois de uma reunião, as notas costumam ser uma confusão de meias frases, ideias e coisas que prometeste. O agente transforma-as, por cliente, num plano limpo com três tarefas e uma pergunta para abrir a reunião seguinte. As notas de conversas são confidenciais e, por isso, para mim não pertencem a um serviço em que não sei exatamente o que acontece com elas.
5. O painel de SEO a partir da exportação da Search Console
Exportas da Google Search Console a tabela com pesquisas, cliques, impressões, CTR e posição. O agente constrói a partir dela uma única página HTML: em cima as pesquisas mais fortes, por baixo os ganhos rápidos, ou seja, termos entre a posição 8 e 20 que consegues levar à primeira página com pouco esforço, e ainda um gráfico de barras simples. Um painel destes também os clientes percebem em poucos segundos, e os números nunca saem do teu computador.
Regras e acionadores: como o teu agente corre sozinho em segurança
Um agente que pode escrever ficheiros e executar comandos precisa de limites claros. Sem mais configurações, o SDK trabalha só em modo de leitura, e tudo o resto ativas tu de forma deliberada.2
- Com regras (policies) começas por proibir tudo e depois permites passos individuais, por exemplo ler ficheiros sim, comandos só depois de perguntar. Para isso existem
deny,alloweask_user, além de blocos prontos comoworkspace_only, que bloqueia acessos fora da pasta de trabalho, econfirm_run_command, que recusa comandos sem a tua aprovação.2,3 O teu organizador de caixa de correio pode assim escrever rascunhos, mas não apagar nada. - Com acionadores (triggers) defines quando o agente arranca, por exemplo com
everyde dez em dez minutos ou comon_file_changeprecisamente no momento em que um novo ficheiro cai na pasta de entrada.2,3 - Com ferramentas próprias tornas qualquer função Python utilizável pelo agente, e os servidores MCP ligas da mesma forma.2 Uma loja online dá ao agente, por exemplo, uma ferramenta que lê a tabela de produtos, e recebe descrições para cada novo produto.
O modo híbrido: a cloud planeia, o teu computador trabalha
Se uma tarefa for demasiado grande para um modelo local pequeno, não tens de enviar logo tudo para a cloud. A Google compara a divisão do trabalho a um arquiteto e à sua equipa de obra, ou seja, um modelo na cloud, na demonstração o Gemini 3.8 Flash, planeia a tarefa e distribui-a, mas vê apenas nomes de ficheiros e descrições curtas, enquanto várias instâncias locais do Gemma 4 no teu computador fazem o trabalho propriamente dito sobre os conteúdos.1
No exemplo da Google tratava-se de três ficheiros Python com falhas de segurança. O planeador na cloud precisou para isso de 95 tokens. Os modelos locais reproduziram as falhas, escreveram correções, criticaram-se mutuamente e validaram tudo contra os testes. No fim, 97,2 % de todos os tokens correram localmente, o que foram 3322 tokens.1 Para uma empresa, isto significa que os nomes dos ficheiros vão para a cloud e podem revelar algo, mas o conteúdo fica contigo.
Custos do Antigravity: quanto pagas em euros com IA local?
Localmente não há taxas por tarefa, pagas apenas eletricidade e o hardware que já tens. Imaginemos um portátil que consome cerca de 60 watts sob carga e calcula duas horas por dia para os teus agentes. Precisa de cerca de 3,6 kWh por mês e, a 35 cêntimos por kWh, são cerca de 1,30 € por mês. Os valores são estimados e dependem do aparelho e da tarifa de eletricidade, mas a ordem de grandeza está certa.
O próprio Antigravity custa 0 dólares americanos por mês para particulares, com limites semanais simples para os modelos na cloud. Há mais margem com o Google AI Pro e o Ultra, e as empresas contratam através do Google Cloud, onde os planos Gemini Enterprise começam em 30 dólares americanos por lugar e por mês.7 Para os teus agentes locais, estes limites não contam; só contam quando usas a app ou modelos na cloud.
Mais do que isso, traz-te o tempo que poupas. Se o organizador da caixa de correio te tirar apenas 20 minutos de triagem por dia, são, em 20 dias úteis, quase sete horas por mês. Com uma taxa horária interna de 50 €, isso equivale a cerca de 330 €.
As minhas dicas para os agentes locais trabalharem de forma fiável
- Dar a cada agente uma pasta de trabalho própria. Assim ele mantém-se focado e, com
workspace_only, não chega a mais nada.3 - Uma tarefa clara em vez de uma lista de desejos. Os modelos locais pequenos trabalham bem melhor com um pedido estreito e com nomes de ficheiro exatos para os resultados. Mais vale três agentes com uma tarefa cada do que um que tenha de saber fazer tudo.
- Aumentar o contexto antes de duvidares do agente. Se um agente pára a meio de uma tarefa longa ou perde o fio, a causa é muitas vezes um contexto demasiado pequeno. Os 4096 tokens com que o Ollama arranca não chegam para agentes.6
- Contar com paciência. Até o script de exemplo da própria Google avisa que o processamento local pode demorar vários minutos.1 Por isso, deixa o agente correr em segundo plano através de acionadores, em vez de ficares à frente dele.
- Reler os resultados. Um modelo local pequeno comete mais erros em tarefas difíceis do que os grandes modelos na cloud. Para as muitas tarefas de rotina com ficheiros confidenciais serve na mesma, só que não deves enviar nada sem ler.
- Começar com dados de exemplo. Testa cada agente primeiro com e-mails, notas ou tabelas inventados e só depois deixa-o chegar aos dados reais.
- Atenção aos formatos de ficheiro e ao modo de suspensão. O agente trabalha de forma mais fiável com ficheiros de texto simples como .txt, .md ou .csv. Para livros de Excel, o melhor é dares-lhe como ferramenta uma pequena função Python. E lembra-te de que um agente local só trabalha enquanto o teu computador estiver ativo; se fechares o portátil, o agente também pára.
Limites da IA local e proteção de dados
A IA local também tem os seus senões, e alguns deves conhecer antes de confiares nela no dia a dia.
- A Google otimizou o funcionamento local para o Gemma 4 26B A4B através do LiteRT; outros ficheiros de modelo LiteRT podem, segundo o README, funcionar mal ou não funcionar de todo.2 O Ollama com modelos mais pequenos é suportado, mas não é o caminho principal da Google.
- A recomendação de 24 GB de memória gráfica ou partilhada aplica-se à variante 26B. Com menos memória corre um modelo mais pequeno, que faz sensivelmente menos.1,4
- Para tarefas difíceis, como trabalhos maiores de programação, os grandes modelos na cloud continuam claramente à frente. O funcionamento local compensa sobretudo para as muitas pequenas tarefas que voltam todos os dias.
- O SDK traz um ficheiro de execução pré-compilado, cujo código-fonte não está no repositório público.2
- Na construção na app Antigravity e no modo híbrido, partes seguem para um modelo na cloud, nomeadamente a descrição da tua tarefa e os nomes dos ficheiros, respetivamente.1
- O Gemma 4 tem, tal como o SDK, licença Apache 2.0, o que significa que podes usar os modelos também comercialmente e sem taxas de licença na tua empresa.8
A grande vantagem continua a ser que processas dados de clientes no teu próprio dispositivo, sem que um fornecedor de IA os veja, enquanto o agente correr de forma puramente local. Para este passo não precisas então de um contrato de subcontratação (tratamento de dados por conta de outrem) com um fornecedor de IA. As restantes obrigações do RGPD, como a limitação da finalidade e os prazos de eliminação, continuam naturalmente a aplicar-se. Se te interessa o self-hosting em geral, vê também a minha experiência com o Nemotron 3.5 Bolt como assistente local.
Conclusão
Um agente local do Antigravity substitui agora os grandes modelos na cloud? Para tarefas difíceis e criativas, não; aí os grandes modelos são claramente melhores. Para as muitas pequenas tarefas com dados confidenciais, ou seja, pré-ordenar e-mails, dividir listas de contactos, arrumar notas ou analisar exportações, a IA local é porém uma solução muito prática, porque configuras uma vez e o agente corre depois as vezes que quiseres, sem custos por tarefa e sem limite semanal. Eu começaria com exatamente um agente, com a tarefa que mais te irrita todas as semanas, e testá-lo-ia durante duas semanas com dados de exemplo antes de lhe dar dados reais. E se, pelo caminho, perceberes que na tua empresa há muitas mais tarefas assim, vamos falar um pouco sobre qual delas compensa primeiro.
Perguntas frequentes sobre IA local com Google Antigravity
O Google Antigravity é gratuito?
Para particulares, sim: o plano custa 0 dólares americanos por mês e tem limites semanais simples. Há mais margem com o Google AI Pro e o Ultra.7 Os agentes locais através do SDK não têm taxas por tarefa e nem sequer precisam de uma chave de API.1
Preciso de internet para os agentes locais do Antigravity?
Só para a configuração, ou seja, para descarregar o SDK e o modelo. Depois, o agente corre totalmente offline, desde que não uses o modo híbrido com um planeador na cloud.1
Que hardware preciso no mínimo?
A Google recomenda, para a variante principal com Gemma 4 26B, pelo menos 24 GB de memória gráfica ou partilhada.1 Com o Ollama e o Gemma 4 E4B, que na versão de 4 bits precisa de cerca de 4,5 GB, um modelo cabe também num portátil com 16 GB de RAM, mas as respostas chegam mais devagar.4
Também funciona com o LM Studio em vez do Ollama?
Sim, através de LocalOpenAIAgentConfig o SDK fala com qualquer servidor compatível com a OpenAI. A Google menciona expressamente o Ollama, o LM Studio e o vLLM.1
Qual é a diferença entre o LiteRT e o Ollama?
O LiteRT é o ambiente de execução próprio da Google para modelos no dispositivo, e é para ele que o SDK está especialmente otimizado com LiteRTAgentConfig. O Ollama é um servidor de LLM local muito difundido, que o SDK acede através da interface compatível com a OpenAI. O LiteRT é o caminho otimizado para o Gemma 4 26B; o Ollama dá-te mais escolha de modelos.1,2
O Antigravity SDK corre em Windows e Linux?
Sim, no PyPI existem pacotes prontos para Windows, Linux e macOS, em cada caso para processadores Intel e ARM.3
Posso usar o Gemma 4 comercialmente?
Sim, a Google disponibiliza o Gemma 4 com pesos abertos sob a licença Apache 2.0, o que significa que podes usar os modelos também comercialmente na tua empresa.4,8
Sugestão de citação
Gütter, Simon (2026): IA local com Google Antigravity: agentes de IA offline com Ollama e Gemma 4 no teu computador. Simon Traffic, 16 de novembro de 2026. https://simon-traffic.com/blog/ki-automatisierung/antigravity-lokal-ollama/
Fontes
- 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, consultado em 16.11.2026. https://github.com/google-antigravity/antigravity-sdk-python
- PyPI: google-antigravity 0.1.23, dados do pacote e documentação incluída no pacote, consultado em 16.11.2026. https://pypi.org/project/google-antigravity/
- Google AI for Developers: Gemma 4 model overview, consultado em 16.11.2026. https://ai.google.dev/gemma/docs/core
- Ollama: gemma4, biblioteca de modelos, consultado em 16.11.2026. https://ollama.com/library/gemma4
- Ollama: FAQ, How can I specify the context window size?, consultado em 16.11.2026. https://docs.ollama.com/faq
- Google Antigravity: Pricing, consultado em 16.11.2026. https://antigravity.google/pricing
- Google AI for Developers: Gemma 4, Apache License 2.0, consultado em 16.11.2026. https://ai.google.dev/gemma/docs/gemma_4_license
Atualizado a 16 de novembro de 2026. O Antigravity SDK está na versão 0.1.x; as funcionalidades e recomendações podem mudar.