AI资讯

谷歌 Antigravity 推出 Orchestrator 模式,重型模型规划、轻量模型执行

发布时间:2026年11月14日 13:00:00

11 月 14 日,谷歌在 Antigravity 中为 Gemini 4 Hydrogen 配套推出 Orchestrator 模式:由 Carbon 或 Argon 这类重型模型负责依赖分析与规划,Hydrogen 执行编辑与测试,遇到阻塞再交回重型模型。同期上线 Dynamic Workflows,可用 /run-workflow 生成并行与串行的子智能体脚本。


事件:一大一小,分工干活

11 月 14 日,谷歌在 Antigravity 中为 Gemini 4 Hydrogen 配套推出 Orchestrator 模式。

分工方式很清楚:

角色模型职责
规划者Carbon / Argon 等重型模型看依赖、拆任务、定方案
执行者Hydrogen改代码、跑测试、验证改动
回退重型模型执行卡住时接管

重活交给强模型,重复劳动交给便宜模型——这是把「推理成本」和「执行成本」分开定价。

为什么这个模式现在出现

原因只有一个:智能体把 token 消耗放大了。

一次 Agent 任务可能包含几十次模型调用:读文件、改一行、跑测试、看报错、再改。如果每一步都走旗舰模型,成本会失控,延迟也受不了。

把循环拆成「一次规划 + 多次执行」,成本能降一个量级:

旗舰模型调用 1—3 次(规划、卡住时介入) + 廉价模型调用几十次(执行、验证)

Dynamic Workflows:把编排写成脚本

同一批更新里还有一个更工程化的能力:Dynamic Workflows。

用 /run-workflow 让智能体写一段 Python 脚本,脚本里再调度并行与串行的子智能体。

这个设计的巧妙之处在于:编排逻辑从自然语言变成了代码。代码可读、可版本管理、可复现——比「让模型自己决定下一步」稳定得多。

三层影响

对开发者:编码 Agent 的账单会明显下降,尤其是长任务。

对竞品:Claude Code 的 Projects 协调、通义 Qwen Code 的子智能体,走的都是同一条路。分层编排会成为标配。

对模型厂商:产品线必须同时有「强」和「便宜」两端,只做一个型号的公司会被迫二选一。

需要冷静看的几点

  1. 规划质量决定成败:重型模型拆错了任务,执行得再快也是白跑。
  2. 上下文交接损耗:大小模型之间传递任务描述时,信息容易丢失。
  3. 成本未必降:如果规划阶段反复重试,账单反而更高。
  4. 仍在推广期:实际稳定性需要长期使用验证。

观察点

  1. 同一任务下的成本对比:Orchestrator 与单模型直跑。
  2. 错误率变化:拆得太细容易产生不一致。
  3. 是否开放自定义角色:能否指定哪些步骤用哪个模型。
  4. Dynamic Workflows 的可审计性:脚本是否留档。

一句话总结:Orchestrator 的本质是「把思考和执行分开计费」——智能体要规模化,账必须先算得过来。