Google 推出全新 AI 代码编辑器 Antigravity:免费支持 Gemini 3 Pro / Claude 4.5,上手体验

Google 推出全新 AI 代码编辑器 Antigravity:免费支持 Gemini 3 Pro / Claude 4.5,上手体验

大家好,我是小贺。

2025 年 11 月 18 日,Google 开放了其内部 AI 代码编辑器 Antigravity 的公共预览(Public Preview)。作为一个基于 VS Code 二次开发的 IDE,它整合了 Google 最新的模型能力,目前在开发者社区引起了不少关注。

笔者在第一时间进行了下载和实测,主要针对大家关心的模型能力、Agent 交互以及与现有工具的对比做了详细测试。以下是真实的上手体验报告。

一、Antigravity 的核心特性

Antigravity 本质上是一个 AI Native 的编辑器,但在底层逻辑上做了一些新的尝试:

  • 多模型支持:目前的预览版集成了 Gemini 3 ProClaude Sonnet 4.5 以及 GPT-OSS 120B
  • Agent 深度集成:不同于简单的 Copilot 补全,它的 Agent 具有终端(Terminal)和浏览器环境的操作权限,支持生成 Artifacts(Markdown 报告)来辅助代码审查。
  • 环境兼容:支持 Windows/Mac/Linux,且可以一键迁移 VS Code 的主题、插件和快捷键配置。

二、多模型实际编码体验

在实际开发中,Antigravity 最大的特点是允许开发者根据任务类型切换后端模型。笔者测试了以下几种典型场景:

1. Gemini 3 Pro (High)

  • 适用场景:大型重构、跨文件理解、Monorepo 维护。
  • 体验:得益于 Google 基础设施和较大的上下文窗口(Context Window),它在处理复杂项目结构时表现稳定,对上下文的抓取比较准确,适合做“大手术”。

2. Claude Sonnet 4.5

  • 适用场景:代码审查(Code Review)、复杂算法实现、逻辑优化。
  • 体验:开启 Thinking 模式后,其生成的代码逻辑性较强,注释和命名规范更符合工程标准,非常适合用来打磨核心代码。

3. GPT-OSS 120B (Medium)

  • 适用场景:快速脚本编写、单元测试生成、简单工具调用。
  • 体验:响应速度极快,指令跟随能力强,适合处理短平快的迭代任务。
💡 实用工作流建议:目前的预览版支持“混合协作”。例如,先用 Gemini 生成代码框架,再调用 Claude 进行审查优化,最后用 GPT-OSS 补全测试用例。这种组合拳在实测中效率提升明显。

三、Antigravity vs Cursor:差异对比

很多朋友关心它和 Cursor 的区别,通过一天的重度使用,整理了以下对比维度:

维度Google AntigravityCursor Pro差异分析
模型策略第一方集成 Gemini 3 / Claude 4.5主要是 Claude 3.5 / GPT-4oAntigravity 在模型选择上目前更加激进,且预览期门槛更低。
推理速度TPU 加速优化标准 API 速度在大型上下文推理时,Antigravity 的延迟控制表现不错。
Agent 能力原生支持浏览器/终端控制需配置 ComposerAntigravity 的 Agent 自主性更强,适合复杂的自动化任务。
隐私合规强调企业级隔离标准合规对于对数据安全敏感的团队,Google 的基础设施可能具有一定优势。
上手成本公共预览期免费订阅制目前 Antigravity 对尝鲜用户非常友好。

四、使用中遇到的问题(避坑指南)

虽然功能强大,但作为一个预览版(Preview)软件,目前存在以下局限性,建议大家理性看待:

  1. 网络环境要求高:由于服务器节点原因,国内直连体验不佳,容易出现连接超时或响应延迟。建议在良好的网络代理环境下使用,否则可能会影响模型推理速度。
  2. 扩展兼容性:虽然兼容 VS Code 插件生态,但部分冷门插件在 UI 渲染上可能存在小 Bug。
  3. 稳定性:在公共预览的高峰期,偶尔会出现排队或 Overload 的提示。

五、总结与建议

Google Antigravity 的发布,给 AI 编辑器领域带来了新的竞争,这对开发者来说是好事。

推荐以下人群尝试:

  • 希望体验 Gemini 3 和 Claude 4.5 最新编码能力的开发者。
  • 习惯 VS Code 生态,不想改变现有操作习惯的用户。
  • 对 Agent 自动执行任务(如自动跑测试、自动查文档)感兴趣的朋友。

目前官网(antigravity.google)已开放下载,建议大家可以先作为备用编辑器体验一下,看看是否契合自己的工作流。


本文仅代表个人体验,欢迎在评论区交流你的使用心得。

Read more

ACE-Step V3版 - 用AI玩转专业音乐创作 更新ACE-Step v1.5模型 小白创作音乐,支持50系显卡 一键整合包下载

ACE-Step V3版 - 用AI玩转专业音乐创作 更新ACE-Step v1.5模型 小白创作音乐,支持50系显卡 一键整合包下载

ACE-Step V1.5 是一个开源的 AI 音乐生成工具,它能在普通电脑上快速生成高质量的歌曲,功能比很多商业音乐 AI 还强。你只要输入简单的描述,它就能帮你做出完整的音乐作品。 简单的说,它让你的家用电脑(哪怕显卡只有4~8GB显存)也能几秒钟做出接近Suno、Udio那种商用级、带人声+完整结构的AI歌曲,而且完全免费、本地跑、不用联网。你只需要给它一个简单的提示(比如“欢快的电子舞曲”),它就能在几秒钟内生成一首完整的歌,还能附带歌词和描述。如果你想让它更像你自己的风格,只要喂几首你喜欢的歌,它就能学会并模仿。并且支持歌曲翻唱和片段修改,普通小白也能创作出专业的音乐和歌曲。 今天分享的ACE-Step V3版基于最新的ACE-Step v1.5模型制作,在官方WebUI的基础上做了本地化功能和bug修复,自动根据本地设备显存调节参数,最低4G显存即可运行。 相比之前分享的傻瓜AI音乐创作工具,它更像是一个专业的AI音乐创作工具,除了傻瓜式的一键生成,还支持高级参数调教,同样适合专业的音乐创作人。 下载地址:点此下载 核心特点 速度快:在高端显卡(

By Ne0inhk
从高原到云端:一个青海少年的AI农业创业之路

从高原到云端:一个青海少年的AI农业创业之路

“我曾翻越二十公里山路去上学,如今,我的代码正飞越万亩农田。”   一、高原的孩子,心里装着整个世界   我出生在青海的一座山村。村子不通公交,家到镇上中学要走两个多小时——二十余公里的崎岖山路,雨天泥泞,冬天结冰。书包里除了课本,还有母亲塞进去的馍馍和咸菜。   但山再高,也挡不住一颗想看世界的心。   从小,我痴迷历史与文学。《史记》里那些金戈铁马的故事,《红楼梦》中细腻入微的人情冷暖,让我在煤油灯下读到深夜。我内心敏感,常因一片云影掠过麦田、一声鹰啸划破长空而思绪万千。那时的我,以为人生只有两条路:要么走出高原,要么被高原埋没。     直到村里通了网。   那一年,我15岁。第一次用手机连上4G信号,点开一个叫“Python教程”的视频,从此命运悄然转向。   二、代码,是我翻山越岭的新脚力   高中三年,我白天上课,晚上自学编程。没有电脑,就用二手安卓机敲代码;没有老师,就靠B站、GitHub和Stack Overflow。

By Ne0inhk
人工智能:注意力机制与Transformer模型实战

人工智能:注意力机制与Transformer模型实战

人工智能:注意力机制与Transformer模型实战 1.1 本章学习目标与重点 💡 学习目标:掌握注意力机制的核心原理、经典注意力算法,以及Transformer模型的架构设计与实战应用。 💡 学习重点:理解自注意力与多头注意力的计算逻辑,学会使用TensorFlow搭建Transformer模型,完成机器翻译任务。 1.2 注意力机制的核心思想 1.2.1 为什么需要注意力机制 💡 传统的RNN和LSTM在处理长序列时,存在长距离依赖捕捉能力不足和并行计算效率低的问题。注意力机制的出现,解决了这两个核心痛点。 注意力机制的本质是让模型学会“聚焦”——在处理序列数据时,自动分配不同的权重给输入序列中的各个元素,重点关注与当前任务相关的信息,弱化无关信息的干扰。 比如在机器翻译任务中,翻译“我爱中国”时,模型会给“我”“爱”“中国”分配不同的注意力权重,从而更精准地生成对应的英文翻译。 1.2.2 注意力机制的基本框架 💡 注意力机制的计算通常包含**查询(Query)、键(Key)、值(

By Ne0inhk
人工智能:计算机视觉高级应用与前沿发展

人工智能:计算机视觉高级应用与前沿发展

计算机视觉高级应用与前沿发展 学习目标 💡 理解计算机视觉的前沿技术和发展趋势 💡 掌握高级计算机视觉应用(如人脸识别、图像分割、图像生成) 💡 学会使用前沿计算机视觉模型(如ViT、Swin Transformer、CLIP) 💡 理解计算机视觉在多模态融合、零样本学习、少样本学习中的应用 💡 通过实战项目,开发一个高级人脸识别应用 重点内容 * 计算机视觉前沿技术和发展趋势 * 高级计算机视觉应用(人脸识别、图像分割、图像生成) * 前沿计算机视觉模型(ViT、Swin Transformer、CLIP) * 多模态融合、零样本学习、少样本学习 * 实战项目:高级人脸识别应用开发 一、计算机视觉前沿技术和发展趋势 1.1 多模态融合 1.1.1 多模态融合的基本概念 多模态融合是将不同模态的数据(如文本、图像、音频)结合起来,进行处理和分析的过程。它可以提高模型的性能和准确性。 1.

By Ne0inhk