Google Antigravity: el IDE donde dejas de picar código y empiezas a coordinar agentes

Los últimos años han ido de “copilots” que te sugieren líneas dentro del editor. Antigravity apunta a otra liga: un entorno donde varios agentes de IA tienen acceso directo al editor, a la terminal y al navegador, y tú pasas a coordinar el trabajo en vez de limitarte a escribir cada línea.

No es sólo una extensión más para Visual Studio Code: es un IDE pensado desde el principio para un futuro agent-first.

Qué es Antigravity en pocas palabras

Resumiendo lo que ha contado Google y la prensa especializada:

IDE nuevo, basado en la experiencia de un editor tipo VS Code. La interfaz por defecto se parece a la de un IDE clásico, pero con agentes integrados que pueden tocar archivos, ejecutar comandos y abrir un navegador embebido para probar lo que construyen.
Construido alrededor de Gemini 3 Pro, pero no exclusivo. Antigravity está optimizado para Gemini 3 Pro, el nuevo modelo de Google orientado a razonamiento y código, pero también admite otros modelos como Claude Sonnet 4.5 y variantes de modelos de OpenAI, todo desde el mismo entorno.
Dos modos de trabajo: Editor y Manager.
Artifacts: pruebas de lo que ha hecho la IA. Cada tarea genera “Artifacts”: planes, listas de pasos, capturas de pantalla o grabaciones del navegador que resumen qué ha hecho el agente y qué piensa hacer. Son una capa de evidencia mucho más digerible que un log infinito de llamadas a herramientas.

Todo esto está disponible en preview gratuita para Windows, macOS y Linux, con límites de uso “generosos” para Gemini 3 Pro.

En qué se diferencia de “otro Copilot más”

Hoy el mercado ya está lleno de asistentes de código: Copilot, Cursor, extensiones para JetBrains, Gemini Code Assist en VS Code, etc. ¿Dónde se sale Antigravity del guion?

1. El objetivo ya no es ayudarte a escribir, sino a delegar tareas

En lugar de centrarlo todo en autocompletar, Antigravity está diseñado para que formules tareas completas: “monta este microservicio”, “añade autenticación a esta API”, “crea una prueba end-to-end para este flujo”.

A partir de ahí, los agentes:

inspeccionan el repo,
proponen un plan,
ejecutan comandos en la terminal,
levantan un navegador embebido para pruebas,
y generan artifacts con el resultado.

El cambio mental es gordo: pasas de tirar de snippets a diseñar trabajo para agentes semi-autónomos.

2. Multi-modelo como algo nativo

Antigravity no te ata a un solo modelo: la propia Google lo presenta funcionando con Gemini 3 Pro, Claude Sonnet 4.5 y modelos tipo GPT-OSS en paralelo.

Esto abre escenarios interesantes:

usar un modelo para generación de código, otro para documentar, otro para refactor;
elegir motor según lenguaje, coste o requisitos de privacidad;
mantener una estrategia multi-proveedor sin cambiar de herramienta cada vez.

3. El IDE como cockpit para agentes

El modo Manager convierte el IDE en una especie de consola donde:

arrancas nuevos agentes para tareas específicas,
ves en qué está cada uno,
revisas artifacts y decides qué aceptar o repetir.

Si te suena a “torre de control de agentes” más que a editor de texto vitaminado, es precisamente la idea.

Qué puede cambiar en el día a día de un equipo de desarrollo

Si este tipo de herramienta se asienta, el impacto va mucho más allá del hype.

1. Nuevo reparto de tiempo: menos tecleo, más diseño de trabajo

El desarrollador deja de ser “la máquina que escribe código” para ocupar más tiempo en:

definir bien objetivos y restricciones,
partir tareas grandes en bloques delegables,
revisar artifacts y pull requests,
decidir qué se automatiza y qué no.

La habilidad clave ya no es solo conocer un framework, sino saber explicar bien la intención a un agente y saber leer las evidencias que devuelve.

2. Trazabilidad incorporada

Uno de los puntos débiles de muchos copilots actuales es que a veces cuesta responder a preguntas tipo:

“¿Por qué se cambió esto?”
“¿Quién generó este trozo, una persona o la IA?”
“¿Dónde está la prueba de que esta ruta fue testeada en el navegador?”

Antigravity intenta cubrir ese hueco con artifacts estructurados (planes, capturas, grabaciones) en lugar de limitarse a logs internos.

Para equipos con requisitos de calidad, auditoría o regulación, esto es clave: no basta con que la IA haga cosas, hay que poder demostrar qué hizo y cómo llegamos ahí.

3. Estrategia multi-proveedor aterrizada al puesto de trabajo

Llevar varios modelos a producción ya es un tema en muchas arquitecturas (Gemini, Claude, modelos open-source, etc.). Antigravity mete esa decisión también en el IDE:

el propio equipo puede comparar modelos en tareas reales,
se pueden fijar políticas internas (p. ej. “para código sensible sólo uso modelos que cumplan X”),
se puede balancear coste y calidad a nivel de workspace, no sólo en backend.

Los peros: riesgos y límites que conviene tener presentes

No todo son luces. Hay varias sombras que conviene poner encima de la mesa:

Ecosistema joven. VS Code lleva años acumulando extensiones, plantillas y comunidad. Aunque Antigravity herede parte de esa experiencia, su propio ecosistema alrededor de los agentes está todavía arrancando.
Seguridad y superficie de ataque. Dar a un agente acceso directo a la terminal y al navegador no es gratis. Ya se han visto vulnerabilidades en herramientas similares como Gemini CLI, donde ciertas respuestas podían disparar comandos peligrosos si no se filtraban bien. Con Antigravity habrá que vigilar muy de cerca políticas de permisos, aislamiento de entornos y revisión de lo que ejecuta la IA.
Dependencia psicológica de los agentes. Cuanto más autónomos son, más fácil es caer en “lo habrá hecho bien, adelante”. La cultura de revisión y de tests deja de ser opcional: si no se refuerza, la deuda técnica se dispara todavía más rápido.
Modelo de negocio a medio plazo. El acceso actual en preview es gratuito con límites relajados, pero todo apunta a que habrá planes de pago por equipo y uso intensivo. Esto entra de lleno en el cálculo de coste total de herramientas de desarrollo.

Antigravity no va a sustituir mañana a todos los IDEs ni a todos los desarrolladores. Pero sí marca una dirección clara: el IDE pasa de ser un editor potenciado por IA a convertirse en un mission control donde humanos y agentes coordinan trabajo, decisiones y evidencias.

Quien antes aprenda a gobernar este tipo de entorno —con reglas claras, métricas y foco en trazabilidad— tendrá ventaja cuando los agentes dejen de ser un experimento y se conviertan en la forma normal de desarrollar software.