Antigravity SDKがローカル対応｜API代ゼロに
A
AI Friends
3日前・11分で読める
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
AIエージェントに仕事を任せたいけど、API代がかさむのが怖い。社外にコードを出したくない。そんな悩みを抱えていませんか？Googleの開発者向けツール「Antigravity SDK」が、自分のPCの中だけでAIを動かせるようになりました。この記事では、何ができるのか、どんなPCが必要なのかをわかりやすく解説します。
2026年9月23日、Googleは開発者向けブログで大きなアップデートを発表しました。
Antigravity SDKが、ローカルAIモデル（自分のPCの中で動くAI）に正式対応したのです。
Antigravity SDKは、AIエージェント（指示を受けて自分で作業を進めるAI）を作るための道具です。ファイルを読む、書き換える、コマンドを実行するといった作業を、AIに任せられます。
これまでは基本的に、Googleのクラウド上にあるGeminiを呼び出して動かす仕組みでした。今回のアップデートで、頭脳の部分をPCの中のAIに置き換えられるようになります。
発表したのは、GoogleのグループプロダクトマネージャーSachin Kotwani氏と、プリンシパルエンジニアのTaylor Mullen氏です。なお、SDK自体はまだ「リサーチプレビュー（試験公開の段階）」という位置づけです。
一番の変化は、インターネットにつながっていなくてもエージェントが動くことです。
Googleは、メリットとして次の4つを挙げています。
接続方法は2通り用意されています。
1つ目は「LiteRTAgentConfig」です。GoogleのAI実行エンジン「LiteRT」で、モデルを直接PC上で動かします。Apple製チップのGPUやNVIDIAのGPU、NPU（AI専用の計算チップ）を自動で見つけて使ってくれます。
2つ目は「LocalOpenAIAgentConfig」です。こちらはOllamaやLM Studio、vLLMといった、すでに広く使われているローカルAIツールにつなぐ方法です。
すでにOllamaでAIを動かしている人なら、接続先のアドレスを書き換えるだけで試せます。ハードルはかなり低いと言えるでしょう。
最初の対応モデルとして選ばれたのが「Gemma 4 26B A4B」です。Googleが無料で公開しているオープンモデル（誰でもダウンロードして使えるAI）の一つです。
名前の「26B」は、全体で約252億個のパラメータ（AIの知識をためる目盛りのようなもの）を持つという意味です。
一方の「A4B」は、1回の計算で実際に使うのが約38億個だけ、という意味です。これはMoE（専門家の混合）と呼ばれる仕組みです。
MoEは、大きな病院にたとえるとわかりやすいかもしれません。患者が来るたびに全員の医師が集まるのではなく、症状に合った専門医だけが診察します。だから大きなモデルなのに、動きは小さなモデル並みに軽いのです。
ほかにも、次のような特徴があります。
ダウンロードサイズは約16.8GBです。公式ドキュメントでは、Antigravity SDKで使う場合は64K（約6万4000トークン）程度の文脈サイズが推奨されています。
Googleが見せたデモで特に注目されたのが、クラウドとローカルを組み合わせた「ハイブリッド構成」です。
役割分担はこうです。クラウド側のGemini 3.8 Flashが「設計担当」として作業の段取りを決めます。実際の作業は、PCの中にいる複数のGemma 4がこなします。
デモの内容は、プログラムの脆弱性（セキュリティの穴）を見つけて直す作業でした。ローカルのGemma 4たちが、穴を再現し、修正案を書き、互いの修正を批判し、テストで確かめるという流れを繰り返しました。
結果は驚くべきものでした。全体の97.2%にあたる3,322トークンがPCの中だけで処理されたのです。
クラウドのGeminiが使ったのは、わずか95トークンでした。しかもGeminiが見たのはファイル名と作業の説明だけで、ソースコード本体は一度もPCの外に出ていません。
いわば、現場監督だけを外部から呼び、職人はすべて自社の社員でまかなうような形です。コストと秘密保持の両方を守れる点が、このハイブリッド構成の強みです。
ある金融系の開発チームを想像してみてください。社内ルールで、顧客データに関わるコードを外部のAIサービスに送ることが禁止されています。
これまでは、AIエージェントの便利さを横目で見ているしかありませんでした。ローカルモデルなら、コードがPCの外に出ないため、ルールを守ったままテストコードの下書きやバグ探しを任せられます。
東京から大阪へ向かう新幹線の中で、トンネルのたびに通信が途切れた経験はありませんか？
クラウド型のAIだと、そのたびに作業が止まってしまいます。ローカルモデルなら、電波がなくてもエージェントがコードの整形や単体テストの作成を続けてくれます。
週末にアプリを作っている個人開発者を考えてみましょう。AIエージェントを一晩中動かして細かい修正を繰り返させると、翌朝の請求額に青ざめることがあります。
単純な繰り返し作業はローカルのGemma 4に任せ、難しい判断だけクラウドに聞く。こうした使い分けで、毎月の費用を大きく抑えられる可能性があります。
AIエージェントを作る道具は、ほかにもいくつかあります。主なものと比べてみましょう。
大きな違いは、「モデルを作る会社」が自社SDKでローカル実行を正式にサポートした点です。Googleはクラウドの売上を持ちながら、あえてAPIを使わない道も用意しました。
もちろん課題もあります。ローカルモデルの実力は、長く複雑な作業ではクラウドの最上位モデルに及ばないと見られています。Antigravityと組み合わせた場合の独立した性能評価も、まだ公開されていません。
日本の開発者にとって、このアップデートはどんな意味があるのでしょうか。
まず、情報を社外に出せない業界での導入が進みやすくなります。金融、医療、行政、製造業の設計部門などでは、クラウドAIの利用に慎重な組織がまだ多いのが実情です。PCの中だけで完結するなら、社内の審査も通しやすくなるでしょう。
次に、ハードウェアの問題です。推奨は24GB以上のGPUメモリ、またはユニファイドメモリ（CPUとGPUが共有するメモリ）です。
一般的な事務用ノートPCは8〜16GBが多いため、そのままでは足りません。メモリを多めに積んだMacや、大容量のGPUを載せたPCが必要になります。
当サイトでも、Mac StudioでAIを自作した院長の事例を紹介しました。こうした「手元にAIマシンを置く」流れが、エージェントの分野にも広がりそうです。
日本語への対応については、Gemma 4は多言語に対応したモデルです。ただ、日本語での長いエージェント作業の精度は、実際に試して確かめるのが安心です。
ローカルで動かす分には、API料金はかかりません。ただし、PC本体の購入費や電気代は必要です。ハイブリッド構成でGeminiを使う場合は、その分の料金がかかります。
Gemma 4 26B A4Bは、24GB以上のメモリが推奨されています。メモリが足りないPCでは、より小さなGemma 4（E2Bなど）をOllama経由で使う方法も紹介されています。ただし、小さいモデルほど賢さは下がります。
公式のPython版（v0.1.18）に加えて、Java版（v0.2.17）も同じ機能に対応しました。Windows、macOS、Linuxの計6種類の環境で動く実行ファイルが用意されています。
使えます。OllamaやLM Studio、vLLMにつなぐ方法なら、そこで動くほかのオープンモデルも選べます。ただし、公式に最適化されているのは今のところGemma 4 26B A4Bです。
Gemma 4はApache 2.0ライセンスなので、商用利用も可能です。ただしSDKはまだ試験公開の段階なので、仕様が変わる可能性がある点には注意しましょう。
まずは手元のPCのメモリ容量を確認し、Ollamaで小さなGemma 4から試してみるのがおすすめです。
この記事は AI Friends からのクロスポストです。
