Antigravity 2.0: o IDE agêntico do Google que orquestra equipes de IA

Resumo: No Google I/O 2026, o Google relançou o Antigravity como uma plataforma de desenvolvimento “agent-first”: um IDE de desktop, um CLI em Go e um SDK para construir agentes próprios, todos rodando sobre o Gemini 3.5 Flash a 289 tokens por segundo. A proposta é o desenvolvedor descrever a aplicação em linguagem natural e deixar agentes orquestrarem o trabalho — codar, testar, criar marca visual e fazer deploy em paralelo. Para quem programa, é o sinal mais claro até agora de que o IDE moderno deixou de ser um editor e virou um maestro de agentes.

O que é o Antigravity 2.0

Como analisado em coberturas técnicas de veículos como Ars Technica e em comunicados oficiais do Google, o Antigravity 2.0 não é uma evolução incremental. É uma reescrita completa do produto que estreou em 2025, agora estruturado em três componentes:

• Desktop app: o IDE com orquestração multi-agente em primeiro plano. O desenvolvedor pode disparar vários agentes simultâneos — um para escrever o backend, outro para gerar identidade visual, outro para escrever testes.
• Antigravity CLI (em Go): para uso em terminal, integração com pipelines de CI/CD e automação headless. Substitui oficialmente o antigo Gemini CLI, que será descontinuado em 18 de junho de 2026 para usuários AI Pro e Ultra.
• Antigravity SDK: para construir agentes personalizados, com workflows configuráveis e execução agendada em background.

O cérebro da operação é o Gemini 3.5 Flash, com latência baixa e velocidade de geração próxima de 289 tokens por segundo — números que importam porque agentes que esperam dois minutos para “pensar” matam a experiência. O Google também introduziu Managed Agents na Gemini API: uma única chamada cria um agente que raciocina, usa ferramentas e executa código em ambiente Linux isolado.

Por que o “agent-first IDE” é diferente

Em 2024 e 2025, ferramentas como GitHub Copilot, Cursor e Claude Code consolidaram o autocompletar inteligente: você escreve, a IA sugere. O Antigravity 2.0 muda o eixo. Em vez de um par humano-IA digitando o mesmo arquivo, há um humano emitindo objetivos e uma equipe de agentes executando — cada um responsável por uma camada do produto.

Na prática, o fluxo lembra menos um editor e mais um quadro de Kanban automático: cards são criados, agentes pegam tarefas, testes rodam, build é feito, deploy acontece. O desenvolvedor revisa diffs, corrige rotas estratégicas e arbitra conflitos entre agentes.

Como se compara à concorrência

O Google entra em um mercado quente. A Anthropic consolidou o Claude Code como referência para times que tratam o terminal como produto, com adoção corporativa que ajudou a empurrar a receita da empresa rumo aos dois dígitos de bilhões. A Microsoft acelerou o Copilot Workspace com agentes orquestrados no GitHub. A OpenAI integrou Codex em fluxos agênticos do ChatGPT. Cada um disputa o mesmo espaço, mas com filosofias distintas: Claude Code aposta em CLI e contexto longo, Microsoft em integração GitHub-Visual Studio, Google em IDE desktop com SDK aberto.

Vale notar a estratégia comercial: o Google introduziu um plano AI Ultra a US$ 200/mês (antes US$ 250) com cota 20x maior que o plano Pro, e um novo plano intermediário com 5x mais uso de Antigravity. Para freelancers e times pequenos, a equação preço/produtividade ficou mais favorável.

Por que importa

Três efeitos práticos:

• Encurtamento brutal do ciclo de prototipagem: o que levava sprints agora pode caber em um dia. MVPs e provas de conceito ficam triviais.
• Mudança no papel do desenvolvedor: o trabalho desliza de “escrever código” para “definir arquitetura, revisar e auditar”. Quem souber especificar bem ganha vantagem.
• Pressão sobre IDEs tradicionais: VS Code, JetBrains e até o próprio Cursor têm que decidir se viram plataformas de orquestração de agentes ou se mantêm o foco no humano-que-edita.

Status no Brasil

O Brasil tem um dos maiores contingentes de desenvolvedores da América Latina e adoção rápida de assistentes de IA — Copilot, Cursor e Claude Code já são padrão em fintechs, e-commerces e bigtechs locais. Antigravity 2.0 chega em português via Gemini e tende a entrar primeiro em startups com cultura de experimentação. Para grandes empresas, o desafio será o de sempre: governança, dados sensíveis e compliance com LGPD ao deixar agentes executarem código com acesso a bases internas.

Riscos e limitações

• Qualidade de código gerado: agentes podem produzir código que parece funcionar mas falha em casos de borda. Revisão humana segue obrigatória, especialmente em sistemas críticos.
• Custo invisível: agentes que rodam em background consomem tokens. Sem monitoramento, a conta no fim do mês surpreende.
• Lock-in: SDK e formato de workflow são proprietários. Migrar para outra plataforma de agente exige refatoração.
• Privacidade e segurança: código rodando em ambientes isolados ainda implica envio de contexto a servidores do Google. Setores regulados (finanças, saúde, jurídico) precisam revisar contrato e residência de dados.

Cenário 2026–2027

Espere uma convergência rápida: todos os grandes fornecedores de IDE/IA vão adotar abstrações similares de “agente gerenciado” + “subagente especialista”. A diferenciação migrará para qualidade dos modelos base, integrações nativas (cloud, banco, observabilidade) e governança corporativa. Para o desenvolvedor individual, a curva de aprendizado mais valiosa é menos “qual ferramenta” e mais “como descrever objetivos de forma testável”.

Análise SWOT — Antigravity 2.0

Conclusão prática

Se você desenvolve software hoje, vale separar uma tarde para um piloto no Antigravity 2.0 — idealmente refazendo um projeto pequeno que você já conhece para comparar tempo, custo e qualidade. O ganho mais importante não é “deixar de programar”; é descobrir quais partes do seu fluxo merecem ser delegadas e quais ainda exigem mãos humanas. Quem fizer essa distinção primeiro vai ter uma vantagem competitiva concreta nos próximos doze meses.

Fonte original: Ars Technica — cobertura de Artificial Intelligence.