Curso + Pacote Comercial · R$ 397 · Conhecer o curso

Ceridório

Um Modelo que Manda no Outro: o que o Orchestrator do Antigravity Muda (e o que Não É Novo)

Checamos o post sobre o Orchestrator do Google Antigravity, em que o Argon planeja e o Hydrogen executa: o que confere, o «metade do tempo» e quanto custa.

16 de novembro de 202611 min de leitura
Neste textomostrar

O Orchestrator do Google Antigravity põe um modelo para planejar e revisar e outro, mais rápido e mais barato, para executar. Quem trouxe o assunto foi Matheus Battisti, do canal Hora de Codar, num post no LinkedIn em 16/11/2026, que chama o recurso de «um chefe para a IA». Ele testou o modo em três projetos e gravou um vídeo com o teste.

O teste dele é útil: os prompts estão publicados e qualquer pessoa pode repetir. A pergunta desta checagem é outra: o que dá para concluir dele, e o que um empresário precisa saber antes de pôr um modelo para mandar no outro.

O veredito é sobre cada afirmação, nunca sobre a pessoa. Consultamos em 16/11/2026 o blog e a documentação do Antigravity, os anúncios do Google, dois textos de engenharia da Anthropic e a documentação do Claude Code. Não assistimos ao vídeo: usamos o título, a descrição e os capítulos publicados pelo autor no YouTube, e os prompts que ele publicou.

O que o post diz, com palavras nossas

  • O Google lançou no Antigravity um modo em que um modelo dá as ordens: o Argon planeja e revisa, e o Hydrogen, rápido e barato, executa.
  • Num vídeo anterior, esse modo fez um jogo de tiro em primeira pessoa (um FPS) na metade do tempo.
  • Para testar a fundo, ele rodou 7 agentes na assinatura: um sistema web de reservas, um jogo de táxi em 3D e um roguelite de mitologia grega em três etapas, comparando o Hydrogen sozinho, o Argon sozinho e o Orchestrator.
  • A imagem do post mostra o símbolo do Antigravity ligado a três bolhas com o símbolo do Gemini, com a frase «um modelo manda no outro».

A checagem, afirmação por afirmação

AfirmaçãoVeredito
O Antigravity é do Google e tem um modo chamado OrchestratorConfere
O Argon planeja e revisa, o Hydrogen executaConfere
Argon e Hydrogen são modelos do GoogleConfere
O Hydrogen é rápido e baratoConfere
O Orchestrator fez o FPS na metade do tempoNão conseguimos verificar
«O Google criou um chefe para a IA»Confere em parte
Rodou 7 agentes na assinaturaConfere

1. O Antigravity e o Orchestrator: confere

O Antigravity é a plataforma de programação com agentes do Google. O Orchestrator foi anunciado em 12/11/2026 no blog oficial do Antigravity, junto com o modelo Gemini 4 Hydrogen. Ele aparece no seletor de modelos em duas versões: Orchestrator (Carbon), só no plano Google AI Ultra, e Orchestrator (Argon), no Ultra e no Google AI Pro pago. Não existe no plano gratuito.

Veredito: confere. Fonte: blog do Antigravity e a página «Choose a model» da documentação.

2. Quem planeja e quem executa: confere

A documentação descreve o fluxo assim: cada mensagem começa numa fase só de leitura, em que o modelo maior explora o código e escreve um plano, incluindo as situações em que o plano deve ser refeito. Depois o Hydrogen edita os arquivos, roda o build e os testes e confere o resultado contra o plano. Se uma verificação falha duas vezes, ou se o plano deixou uma decisão em aberto, o Hydrogen devolve o controle ao planejador, que conserta o plano. Em tarefas longas, o planejador também confere o que foi feito.

Um detalhe que o post não diz: o Orchestrator não é um time de agentes. É um agente só, que troca de modelo dentro da mesma resposta. A documentação também avisa que ele não escolhe um modelo no início, como um roteador faz.

Veredito: confere. Com o Argon no plano Pro; no Ultra, o planejador pode ser o Carbon.

3. Argon e Hydrogen existem: confere

Não são apelidos nem codinomes. São nomes oficiais da linha Gemini 4: o Argon foi lançado em 13/10/2026, o Hydrogen em 12/11/2026 e o Carbon poucos dias antes dele, segundo os anúncios do Google.

Veredito: confere.

4. «Rápido e barato»: confere, mas o preço é o da API

O preço oficial por milhão de tokens, na API:

ModeloEntradaSaída
Gemini 4 HydrogenUS$ 1,50US$ 7,50
Gemini 4 Argon, até 30/11/2026US$ 2US$ 10
Gemini 4 Argon, a partir de 01/12/2026US$ 4US$ 20

Hoje o Hydrogen custa 25% menos que o Argon. Em dezembro, quando acaba o preço de lançamento do Argon, a diferença sobe para 62,5%. Sobre a velocidade, o Google diz que o Hydrogen termina tarefas 2,5 vezes mais rápido que o Gemini 3.8 Flash. É medida do próprio fabricante.

Só que, na assinatura, não há preço por token. O que existe é uma cota, e a página de planos do Antigravity não publica números: diz apenas que a cota do Pro se renova a cada cinco horas, até um limite semanal, e que tarefas mais complexas consomem mais.

Veredito: confere. Para quem usa pela assinatura, «barato» quer dizer que a cota rende mais, não que a conta cai.

5. «Na metade do tempo»: não conseguimos verificar

A frase vem do vídeo anterior do autor, de 14/11/2026, cujo título diz que o Orchestrator «fez na metade do tempo». No vídeo novo, um capítulo dá os números: o mesmo FPS em 38 e em 16 minutos. Pelos números dele, foi até menos da metade.

O que limita a conclusão:

  • É uma rodada de cada lado. Na página de prompts daquele vídeo, o autor diz que cada pedido rodou de primeira, numa pasta vazia. Tempo de agente varia de uma execução para outra, com a carga do servidor e com o caminho que o modelo escolhe.
  • A comparação é contra o Hydrogen sozinho, e não contra o planejador. A medida do Google é outra: no Terminal-Bench 4.1, o Orchestrator chegou perto da taxa de sucesso do Carbon gastando 24% menos cota e terminando 19% mais rápido, em média, contra o Carbon sozinho. O Google não publicou a taxa de sucesso em número absoluto.
  • Tempo não é tudo. Sem a cota gasta e sem um critério de qualidade igual para os dois lados, 16 minutos podem ser um jogo mais simples.

Veredito: não conseguimos verificar. O número é do autor e é plausível; a generalização pede mais rodadas.

6. «Um chefe para a IA»: confere em parte

O produto é novo. O padrão, não. Em dezembro de 2024, a Anthropic descreveu no texto «Building effective agents» o fluxo orquestrador e trabalhadores: um modelo central divide a tarefa, delega a outros modelos e junta os resultados. No mesmo texto está o avaliador e otimizador, em que um modelo gera e outro avalia, em laço.

O Claude Code, da Anthropic, também já separa planejar de executar: o modo de modelo opusplan usa o Opus no plano e passa para o Sonnet na execução. E cada subagente pode rodar num modelo diferente; a documentação sugere um modelo menor para controlar custo.

O que o Google trouxe de novo é a troca automática dentro da mesma resposta, com regras de devolução ao planejador, pronta no seletor de modelos.

Veredito: confere em parte. O padrão é anterior; a implementação é do Google, e é bem feita.

7. «7 agentes na assinatura»: confere

Os prompts publicados batem com a conta: o sistema de reservas e o jogo de táxi rodaram duas vezes cada (Hydrogen e Orchestrator), e o roguelite rodou três (Hydrogen, Argon e Orchestrator). São 7 execuções, no plano Google AI Pro.

Vale a precisão: foram sete execuções separadas, não sete agentes trabalhando juntos no mesmo projeto. Nem o post nem a descrição do vídeo dizem quanto da cota cada uma consumiu.

Veredito: confere.

Separar quem planeja de quem executa não é o mesmo que colocar vários agentes para trabalhar. O primeiro pode baratear o trabalho. O segundo, quase sempre, encarece.

Quanto custa pôr um modelo para mandar no outro

Aqui está a parte que o título do post esconde. Existem dois desenhos diferentes:

  • Planejador e executor no mesmo agente, como o Orchestrator. O modelo caro só entra no plano e na revisão; o barato faz o volume. O Google diz que isso gasta menos que o planejador sozinho. Comparado com o executor sozinho, há o custo extra do plano e da revisão, e esse número o Google não publica.
  • Vários agentes em paralelo, cada um com o seu contexto. Aqui entra o que chamam de imposto do multiagente. A Anthropic mediu no próprio sistema de pesquisa: um agente usa cerca de 4 vezes os tokens de uma conversa comum, e um sistema com vários agentes, cerca de 15 vezes. O mesmo texto avisa que esse desenho serve mal quando todos precisam do mesmo contexto, como acontece na maioria das tarefas de programação.

O próprio Google diz o mesmo do outro recurso de agentes do Antigravity, o /swarm: como cada trabalhador é um agente, o enxame consome a cota muito mais rápido que uma conversa. E a documentação do Claude Code avisa que os subagentes contam nos mesmos limites de uso da conversa principal.

Por que a revisão vale mais que a velocidade

O ganho mais durável do Orchestrator não é o relógio. É que quem executa não é quem confere. O planejador escreve o critério antes, e o executor tem de devolver o controle quando falha. É a mesma lógica de controle interno que separa quem faz de quem aprova numa empresa.

Mas há um limite: aqui, quem confere também é um modelo, e do mesmo fabricante. A revisão de uma IA reduz o erro; não substitui alguém da empresa responsável pelo resultado. Já mostramos como esse erro passa despercebido em o gap de detecção dos agentes de IA.

O que vale para você

  • Separe planejador e executor quando a tarefa é longa e tem critério claro de pronto. Um sistema com regras de negócio, uma migração, um relatório com conferência de números. Para tarefa curta e rotineira, o próprio Google recomenda o modelo rápido sozinho.
  • Conte o custo antes de multiplicar agentes. Se o trabalho não se divide em partes independentes, vários agentes pagam o imposto sem devolver o ganho. Um agente bem instruído costuma bastar. Veja quanto custa implementar IA na sua empresa.
  • Comece pequeno: uma revisão por outra IA antes de usar o resultado. Peça a um segundo modelo, ou a uma segunda conversa, que confira o trabalho contra o pedido original e liste o que falta. É o Orchestrator em versão manual, e custa uma mensagem.
  • Meça você mesmo, com mais de uma rodada. Repita o mesmo pedido duas ou três vezes em cada configuração e anote tempo, cota gasta e o que ficou faltando. Uma rodada só diz como foi aquela vez.
  • Deixe uma pessoa com o nome no resultado. A IA que revisa ajuda; quem responde pelo que vai para o cliente é da empresa.

Para entender o desenho com vários agentes, leia sistemas multiagentes de IA.

Leia também nesta série


Fontes


Quer a IA fazendo o trabalho que se repete, do jeito da sua empresa? Conheça o curso Time de IA.