Google 把 Antigravity SDK 的本地模型工作流正式放出来了，首发通道是 Google AI Edge 的 LiteRT，模型点名 Gemma 4 26B A4B。官方文档里那句硬件建议一点不含糊：显存或统一内存 24GB 以上。换句话说，智能体可以拔掉网线干活——不是演示视频里那种"离线"，是真离线。这件事的分量不在于 Google 又支持了一个模型，而在于编排层开始往端侧沉降。
24GB 那道坎，卡住的不是技术是钱包
门槛为什么落在 24GB 而不是 16GB
26B 的权重，即便压到 4bit 量化，光是把参数塞进去就要吃掉十几 GB。剩下的额度得留给 KV cache、上下文窗口和 LiteRT 运行时本身。24GB 更像"能跑"和"跑得舒服"的分界线，而不是最低启动条件——16GB 的机器大概率也能加载，但上下文一拉长、工具调用一密集，就开始往磁盘上换页，单轮延迟从几百毫秒掉到几秒。智能体最怕这种抖动：一次任务可能循环几十轮工具调用，每轮慢一点，累积起来就是不可用。
苹果统一内存用户的顺风局
M 系列芯片在这件事上占了个便宜。48GB 或 64GB 的 MacBook Pro、Mac Studio，内存和显存共用同一个池子，官方那句"VRAM 或统一内存"基本是给这批人递话。反观消费级独显，24GB 以上的选择并不多，得 RTX 4090、5090 这个档位才够看。于是出现一个略反直觉的局面：本地智能体最舒服的开发机，可能是一台笔记本，而不是插满显卡的工作站。前提是你忍得了它的推理吞吐。
LiteRT 站到了台前
推理引擎换了个位置
LiteRT 前身是 TensorFlow Lite，过去几年的标签一直是"手机端小模型推理"。这次它出现在 Antigravity SDK 的本地工作流里，角色变了——不再只是把模型跑起来，而是要接住智能体的调度、工具调用和上下文管理。这个位置以前属于云端推理服务。Google 把 AI Edge 这条线拉进开发者工具链，等于承认端侧不只是推理的终点，也可以是编排的起点。
真正值钱的是混合编排
官方这次给了混合编排的示例代码，这比"支持本地模型"六个字重要得多。纯离线和纯云端都是简单题，难的是任务跑到一半，本地模型搞不定，需要把上下文递交给云端模型接着做。中间涉及状态怎么序列化、敏感信息怎么在出机器之前剥干净、两边的上下文窗口怎么对齐。这些没有现成答案，Google 给的是样板而不是银弹。但对想搭私有智能体的人来说，有样板和没样板，差着好几周的踩坑时间。
离线智能体，谁最先受益
代码不出内网的那批团队
金融、医疗、军工，还有一堆签了保密协议的外包团队，代码库是不能往任何第三方 API 上送的。过去这些团队要么用效果打折的开源方案自己糊，要么走本地部署的大模型服务，运维成本高得离谱。Antigravity SDK 这条路如果走得通，至少把"开发体验"这一环补齐了——IDE 里的补全、重构、跨文件检索，全在本地闭环完成。
按 token 计费的账要重算
智能体的成本模型很畸形。一次重构任务可能触发上百次模型调用，token 消耗是普通对话的几十倍。按量付费的模式下，这类工作流的账单能吓退一多半人。本地推理把边际成本压到接近电费，代价是一次性的硬件投入和明显更慢的响应。什么算得过来？高频、重复、结构化的任务。什么算不过来？偶尔跑一次、要求一次做对的复杂推理。
云端的活不会消失，只会往上走
本地跑 26B，云端跑什么？答案大概率是那些需要长上下文、需要最强推理的硬骨头。分层会变得清晰：日常编辑、代码检索、单元测试生成交给本地；架构级重构、跨仓库依赖分析、模糊需求拆解交给云端。这个分层不是 Google 发明的，但它在工具链里把这条路铺平了，会让更多团队认真掂量一次。
有几个坑，现在就该看见
26B 到底够不够用
A4B 这个后缀暗示着激活参数远小于总参数量，接近 MoE 的思路——用大容量存知识，用小激活换速度。听起来很美，实际效果要看具体任务。代码补全、局部修改这类活儿，26B 级别已经能打；但跨文件语义理解、需要长链条推理的重构，和旗舰级云端模型之间仍会有肉眼可见的差距。别指望它第一天就能替你现有的工作流。
绑定成本比想象中高
Antigravity SDK 眼下只给了 LiteRT 这一条本地通道。模型格式、量化方案、运行时优化，全跟着 Google 的节奏走。想换成 llama.cpp 或者 vLLM 跑别的开源模型？大概率要自己写适配层。工具链的锁定从来不是发布会当天发生的，是在你写完几百行集成代码、跑通 CI 之后才慢慢显现的。
先拿一个真实任务试水
最务实的做法，是挑一个团队里真实存在、又不太关键的任务——给老项目补测试，或者批量清理废弃接口——在本地环境跑两周。看它真实的工具调用成功率，看长上下文下的稳定性，看硬件是否够用。跑完再决定要不要往主工作流里迁。发布会上的 demo 和 token 数据都很好看，但你的代码库不是 demo。
