Agenty AI
Gemini 4 w Antigravity: modele, Orchestrator i /swarm
, Carbon i Hydrogen pełnią w różne role. Pokazujemy, który model wybrać, czym Orchestrator różni się od /swarm i gdzie nadal potrzebna jest kontrola człowieka.

Stan źródeł na 18 listopada 2026 r.
Dostępność modeli, limity i plany Antigravity zmieniają się szybko. Tekst opiera się na bieżącej dokumentacji Google; przed decyzją zakupową lub wdrożeniową sprawdź aktualny plan i warunki w oficjalnym panelu.
Trzy modele, trzy role — nie jeden „najlepszy Gemini”
Fakty — mamy źródła.Google opisuje rodzinę 4 przez role, a nie prostą drabinkę „słaby–mocny”. Model card Gemini 4 Argon (otwiera się w nowej karcie) przedstawia model do złożonych przepływów inżynierskich i pracy eksperckiej; model card Gemini 4 Carbon (otwiera się w nowej karcie) — model do długohoryzontowych zadań agentowych, złożonego kodu i pogłębionej analizy; a model card Gemini 4 Hydrogen (otwiera się w nowej karcie) — model nastawiony na szybkie wykonanie codziennych zadań agentowych.Źródła: Google DeepMind — ArgonGoogle DeepMind — CarbonGoogle DeepMind — Hydrogen
Orchestrator: jeden przebieg, dwie wyspecjalizowane role
Fakty — mamy źródła.Dokumentacja modeli Google Antigravity (otwiera się w nowej karcie) opisuje Orchestrator jako wybór modelu łączący planistę z wykonawcą w jednej rozmowie. Carbon albo Argon planuje i przegląda pracę, a Hydrogen wykonuje zmiany, uruchamia testy i wraca do planisty, gdy pojawi się nieoczekiwany problem.Źródło: Antigravity — modele
To ważne rozróżnienie: Orchestrator nie jest mechanizmem, który jednorazowo wybiera jeden model dla całego polecenia. Jest też czymś innym niż równoległy zespół — przekazanie sterowania odbywa się w obrębie jednego zadania i jednego przebiegu rozmowy.Źródła ↓
/swarm to osobny mechanizm pracy równoległej
Fakty — mamy źródła.Dokumentacja /swarm Google Antigravity (otwiera się w nowej karcie) opisuje funkcję w wersji zapoznawczej, w której koordynator dzieli większe zadanie na role, uruchamia równoległych agentów wykonawczych i zwykle dodaje weryfikatora sprawdzającego wyniki oraz testy.Źródło: Antigravity — /swarm
Różnica jest praktyczna: Orchestrator porządkuje planowanie i wykonanie wewnątrz jednej rozmowy, a /swarm służy koordynacji wielu agentów pracujących równolegle.Źródła ↓
Dostępność i ceny: dwa różne pytania
Fakty — mamy źródła.Stan na 18 listopada 2026 r. w Antigravity: Carbon jest dostępny w Google AI Ultra i Enterprise. Argon działa w płatnym Google AI Pro, Ultra i Enterprise, a także w okresie próbnym na kwalifikującym się urządzeniu premium. Hydrogen w Pro wymaga płatnej subskrypcji niebędącej okresem próbnym; jest też dostępny w Ultra i Enterprise. Orchestrator (Carbon) wymaga Ultra, a Orchestrator (Argon) jest dostępny w Ultra oraz w tych samych kwalifikujących się wariantach Pro co Argon. /swarm jest funkcją w wersji zapoznawczej dla Google AI Pro i Ultra. Dostępność zależy od planu i może się zmienić.Źródła ↓
Cennik Gemini Developer API (otwiera się w nowej karcie) dotyczy osobno rozliczeń za użycie , a nie tego samego co limity lub cena subskrypcji Antigravity. Google zapowiada zmiany stawek API dla modeli Carbon i Argon od 1 grudnia 2026 r.Źródło: Gemini API — cennik
Jak wybrać tryb pracy bez magii
Wnioski redakcji.Nie ma jednego modelu, który automatycznie wygrywa każdy problem. Dla szybkich, dobrze zdefiniowanych zadań rozsądny punkt wyjścia stanowi Hydrogen. Carbon warto rozważyć przy trudnych, długohoryzontowych zadaniach wymagających pogłębionej analizy, a Argon przy złożonej pracy eksperckiej i inżynierskiej. Dobór powinien wynikać z ryzyka błędu, czasu odpowiedzi i kosztu, nie z samej nazwy modelu.
Gdy potrzebujesz planu i przeglądu wykonania przez planistę, sensowniejszy może być Orchestrator. Dla dużego problemu, który dzieli się na niezależne , pakiety, testy albo pytania badawcze, użyj /swarm dopiero po rozdzieleniu odpowiedzialności. W obu przypadkach człowiek nadal określa cel, zakres uprawnień i kryterium akceptacji rezultatu.
Równoległość nie usuwa konieczności przeglądu: może za to szybciej pomnożyć błędne założenie, jeśli nikt nie sprawdza wspólnego celu.
Granice: benchmark nie jest odbiorem produkcyjnym
Fakty — mamy źródła.Karty modeli wprost wskazują ograniczenia charakterystyczne dla modeli podstawowych, w tym możliwość , problemy z opóźnieniami lub przerwaniem po przekroczeniu czasu oraz ograniczoną aktualność wiedzy bez dostępu do bieżących źródeł. Wyniki benchmarków dostawcy są przydatnym sygnałem porównawczym, ale nie są dowodem, że model poprawnie rozwiąże konkretny proces organizacji.Źródła ↓
Bezpieczny odbiór pracy agenta
Wnioski redakcji.Nadaj agentowi najmniejsze potrzebne uprawnienia, sprawdź plan, przejrzyj zestaw zmian (diff) lub rezultat, uruchom testy i pozostaw człowiekowi zatwierdzenie nieodwracalnych działań. Model może przyspieszyć wykonanie; odpowiedzialności za wdrożenie nie przejmuje.
Źródła i dalsza lektura
- 1.Gemini 4 Argon — Model Card Google DeepMind
- 2.Gemini 4 Carbon — Model Card Google DeepMind
- 3.Gemini 4 Hydrogen — Model Card Google DeepMind
- 4.Choose a model Google Antigravity Docs
- 5.Swarm (/swarm) Google Antigravity Docs
- 6.Gemini Developer API pricing Google AI for Developers
Powiązane materiały

Agenty AI: kiedy model zaczyna działać, a nie tylko odpowiadać
Agent łączy model językowy z narzędziami, planowaniem kroków i pętlą wykonawczą. Omawiamy wzorce architektoniczne, granice autonomii i zasady bezpieczeństwa.

Projektuj, deleguj, weryfikuj: wzorzec pracy z agentami AI
W epoce autonomicznych agentów rola człowieka przesuwa się z pisania kodu na trzy czynności: projektowanie intencji, delegowanie z kontekstem i weryfikację z pełną odpowiedzialnością.

Programowanie z asystentem AI: przegląd, testy, odpowiedzialność
Asystent kodu potrafi przyspieszyć pisanie funkcji, ale nie przejmuje odpowiedzialności za bezpieczeństwo ani architekturę. Zasada „rozumiem, zanim zatwierdzę”, audyt zależności i testy jednostkowe.
