Editor de Código AI Antigravidade do Google analisado – Desempenho com Gemini 3

Introdução

A mais recente incursão da Google no desenvolvimento assistido por IA chega sob o nome Antigravity. Comercializado como um editor de código de nova geração que combina autocompletar, um agente de IA e um gerenciador de agentes a nível de projeto, o Antigravity foi construído sobre a mesma pilha tecnológica que alimentou o editor anterior Windsurf. Esta análise examina como o produto corresponde às suas promessas, especialmente quando emparelhado com o novo modelo Gemini 3.

Contexto e Aquisição

A linguagem visual e os recursos centrais do Antigravity são inconfundivelmente derivados do Windsurf. Depois que a Google adquiriu a base de código do Windsurf — e sua equipe fundadora — esses engenheiros foram integrados à DeepMind. O produto original Windsurf foi posteriormente vendido à Cognition, criadora do Devon, deixando a Google com o motor subjacente e um roteiro para uma experiência rebatizada.

Pontos principais da aquisição:

• A Google obteve o código-fonte completo do Windsurf e o pessoal chave.
• A antiga equipe do Windsurf ingressou na DeepMind, onde o Antigravity foi desenvolvido.
• A Cognition agora mantém o produto legado Windsurf, enquanto a Google foca no Antigravity.

Instalação e Interface do Usuário

O Antigravity está disponível para macOS, Windows e Linux. Após o download, o instalador oferece importar as configurações do Windsurf, facilitando a transição para usuários existentes.

A UI espelha o layout do Windsurf:

• Explorador de Arquivos à esquerda, com os mesmos ícones coloridos que eram exclusivos do Windsurf.
• Painel do editor no centro, onde o código é escrito.
• Painel do agente à direita, onde os prompts são inseridos e as respostas exibidas.
• Uma caixa de diálogo Configurações que replica as opções de configuração do Windsurf, incluindo dicas de ferramenta que simplesmente substituem o termo “cascade” por “agent”.

No geral, a interface parece uma versão mais antiga do Windsurf que recebeu um leve refresco, em vez de um redesign completo.

Gerenciador de Agentes – Um Verdant de Baixo Orçamento?

Um dos recursos anunciados do Antigravity é o Gerenciador de Agentes, destinado a ajudar desenvolvedores a supervisionar múltiplos agentes de IA em diferentes projetos. O conceito lembra o Verdant, um ambiente baseado no VS Code elogiado por seu fluxo de trabalho intuitivo com agentes.

Observações comparativas:

• O Verdant oferece uma visão limpa e centrada no projeto, com navegação clara de caixa de entrada, tarefas e threads.
• O gerenciador do Antigravity apresenta seções semelhantes, mas carece do polimento e da coesão do Verdant.
• A UI parece colada, com estilos inconsistentes e mecanismos de feedback limitados.

Embora funcional, o Gerenciador de Agentes fica aquém da experiência fluida que o Verdant estabelece como referência.

Testes de Benchmark

Para avaliar o desempenho prático, uma série de prompts de benchmark foi executada no Antigravity alimentado pelo Gemini 3. As tarefas incluíram:

• Implementar uma calculadora TUI em Go
• Construir um jogo simples “Godo” em Go
• Concluir um benchmark de correção ortográfica de longa duração
• Desenvolver pequenas aplicações (Nux, Tari) que exigem raciocínio em múltiplas etapas

Resultados:

• Calculadora TUI em Go: concluída com um pequeno erro que foi facilmente corrigido.
• Jogo Godo: falhou após várias tentativas; o agente não conseguiu gerar uma solução funcional.
• Benchmark de correção ortográfica: expirou e produziu erros, indicando dificuldade com tarefas de longa duração.
• Aplicativos Nux e Tari: falhas semelhantes, com o agente abortando após alguns prompts.

O padrão mostra que o Antigravity lida razoavelmente bem com tarefas simples e de passo único, mas tem dificuldades com fluxos de trabalho complexos e de múltiplas etapas. Os erros frequentemente exigiram intervenção manual, reduzindo a produtividade geral.

Deficiências Técnicas

Vários problemas técnicos surgiram durante os testes:

• Integração com navegador: o Antigravity pode invocar um navegador para verificar a conclusão da tarefa, recurso herdado de modelos Gemini anteriores. Na prática, as verificações eram superficiais e deixavam passar bugs óbvios na UI.
• Heurísticas de economia de tokens: o agente costuma truncar o contexto para economizar tokens, o que degrada a qualidade do código gerado.
• Estrutura de agente com bugs: apesar das capacidades do Gemini 3, a camada que o envolve introduz instabilidade, levando a travamentos e saídas incompletas.
• UI inconsistente: os elementos parecem retroajustados, criando uma experiência fragmentada que se assemelha a um protótipo rápido em vez de um produto refinado.

Comparação com Ferramentas Google Existentes

A Google já oferece várias soluções de desenvolvimento aprimoradas por IA:

• Firebase Studio: fornece uma UI leve com integração ao VS Code.
• Extensão Gemini Code Assist para VS Code: entrega autocompletar e sugestões baseadas em agentes diretamente no editor popular.
• Gemini CLI: permite interações via linha de comando com modelos Gemini para geração de código.

O Antigravity sobrepõe-se fortemente a essas ferramentas, mas não oferece uma vantagem clara. Seu ponto de venda único — um editor integrado com um gerenciador de agentes embutido — não justifica a curva de aprendizado adicional, considerando a disponibilidade de alternativas mais maduras.

Conclusão

O Antigravity da Google é essencialmente um editor Windsurf rebatizado, com uma reformulação superficial da UI e um Gerenciador de Agentes adicionado, porém pouco desenvolvido. Embora consiga lidar com prompts de codificação simples quando emparelhado com o Gemini 3, falha em tarefas mais exigentes, de múltiplas etapas, e apresenta uma série de bugs de usabilidade.

Para desenvolvedores já investidos no VS Code ou no Firebase Studio, o Antigravity oferece pouco incentivo para a migração. O produto parece apressado, e a integração do Gemini 3 não compensa a instabilidade subjacente.

Em seu estado atual, o Antigravity é um experimento interessante, mas não uma substituição viável para as ferramentas de desenvolvimento assistidas por IA já consolidadas. Iterações futuras precisarão de uma UI mais coesa, orquestração de agentes robusta e integração mais profunda com o ecossistema Google antes de ser considerado uma oferta competitiva.