Google Antigravity ao vivo: bastidores do produto e Gemini 4 Argon

Ver no idioma original →

Autoria: Google Antigravity · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Google Antigravity Livestream: Behind the Product and Gemini 4 Argon · Canal: Google Antigravity · 37:08 · Assistir no YouTube

Tópicos: Agentes de IA, Aplicações empresariais de IA, Engenharia de prompts e contexto, Ferramentas de desenvolvimento com IA, Modelos de IA

Resumo

A equipe do Google Antigravity apresenta novidades recentes do produto, incluindo o app para desktop, a aba de customizações e mudanças no painel lateral. Kevin explica como modelos mais capazes estão alterando o uso de ferramentas, skills e comandos de terminal, além de permitir delegar tarefas maiores com menos instruções explícitas. A conversa aborda o Gemini 4 Argon, suas diferenças em relação ao Flash e como escolher entre os modelos conforme a tarefa. No fim, os participantes falam sobre contexto, navegador, recursos subestimados e formas de enviar feedback à equipe.

Pontos-chave

• O painel lateral está sendo repensado para comportar conversas, artifacts, subagents e outros elementos de apoio.
• A nova área de customizações reúne plugins e facilita conectar serviços do Google, como Google Drive e Chrome DevTools.
• Modelos mais capazes podem realizar tarefas diretamente pelo terminal, reduzindo a necessidade de MCPs e ferramentas especializadas mais simples.
• O Gemini 4 Argon permite delegar projetos maiores e tarefas com vários objetivos, enquanto o Flash é útil para iteração rápida.
• A escolha entre delegação e acompanhamento próximo depende de quanto a tarefa pode ser verificada pelo agent e da importância do contexto humano.
• Conversas mais longas e separadas por área de trabalho ajudam a manter o contexto organizado, mas trocar de tarefa pode ser um bom momento para arquivar uma conversa.
• Usar todo o context window disponível nem sempre é ideal: pode aumentar latência e custo sem garantir memória perfeita.
• A equipe planeja evoluir a integração com o navegador e quer tornar a seleção de modelo e outras configurações menos importantes para os usuários.
• A equipe recebe feedback por redes sociais, fóruns, plugins compartilhados e pelo botão de feedback dentro do produto.

Capítulos

Início	Capítulo	Resumo
02:30	Novidades recentes e o painel lateral	Os participantes comentam o app Gemini para desktop, a chegada do Antigravity ao Google Books e a reformulação do painel lateral.
05:03	Customizações, plugins e integrações	A equipe apresenta a nova área de customizações e discute como facilitar o acesso a plugins e serviços do Google.
07:05	Quando ferramentas e MCPs deixam de ser necessários	Kevin explica por que modelos mais capazes podem substituir atalhos e ferramentas simples usando comandos de terminal.
12:16	A equipe e a chegada do Gemini 4 Argon	Kevin e Rodie se apresentam e conversam sobre a disponibilidade do Gemini 4 Argon e suas capacidades multimodais.
13:48	Argon, Flash e colaboração com o modelo	Os participantes comparam a execução rápida do Flash com a capacidade do Argon de interpretar objetivos e avançar em projetos maiores.
16:58	Delegação, verificação e tarefas longas	A conversa aborda quando delegar ao agent, quando manter supervisão próxima e como a autonomia permite deixar tarefas em andamento por mais tempo.
21:05	Ambição, voz e automações	Kevin incentiva os usuários a pedir mais do produto e destaca a voz, os plugins e as automações em segundo plano.
23:39	Conversas longas e organização do contexto	Os participantes explicam como usam conversas separadas para diferentes áreas de trabalho e quando arquivam uma conversa.
27:19	Limites do context window e evolução do navegador	Kevin explica os custos e as limitações de usar muito contexto e comenta a evolução das ferramentas de interação com o navegador.
29:22	Priorização de recursos e escolha de modelo	A equipe discute como alinhar o lançamento de recursos à evolução dos modelos e quando escolher Argon ou Flash.
33:03	Recursos subestimados e controle remoto	Os participantes destacam a generative UI, o terminal, o controle remoto e as notificações como recursos úteis no dia a dia.
35:36	Como enviar feedback	Kevin recomenda compartilhar feedback em redes sociais, fóruns, plugins e pelo botão disponível no produto.

Citações

Não atrapalhe o modelo. — 07:05

Confie, mas verifique. — 11:45

Seja ambicioso com o que você quer que o Antigravity faça. — 21:05

Só porque ele consegue não significa necessariamente que deva. — 27:19

O produto simplesmente faz o trabalho para você. — 32:32

Conceitos e entidades

• Google Antigravity (ferramenta): Produto de desenvolvimento com agentes discutido pelos participantes, também chamado de Antigravity na conversa.
• Gemini desktop app (ferramenta): Aplicativo para desktop do Gemini mencionado entre os lançamentos recentes.
• customizations (conceito): Área do produto que reúne opções de personalização, plugins e itens instalados.
• Google Drive (ferramenta): Serviço do Google que pode ser conectado ao agent por meio das customizações.
• Chrome DevTools (ferramenta): Ferramenta de desenvolvimento do Chrome citada como uma das integrações disponíveis.
• Gemini 4 Argon (modelo): Modelo apresentado como capaz de lidar com tarefas complexas e projetos maiores com mais autonomia.
• Flash (modelo): Modelo descrito como adequado à iteração rápida e a tarefas que exigem acompanhamento próximo.
• Kevin (pessoa): Integrante da equipe de produto que fala sobre o desenvolvimento do Antigravity e o uso dos modelos.
• Rodie Devril (pessoa): Participante que representa a comunidade e compartilha feedback dos usuários com a equipe.
• Google (empresa): Empresa responsável pelos produtos e modelos discutidos na transmissão.
• CDP (ferramenta): Sistema citado como uma alternativa mais leve para interagir com o navegador.
• Playwright (ferramenta): Ferramenta mencionada para automação e verificação de aplicações no navegador.
• generative UI (conceito): Recurso que apresenta informações de automações em uma interface visual mais rica do que um bloco de texto.
• Remote control (ferramenta): Recurso que permite controlar o produto remotamente, inclusive de dispositivos móveis.
• Google I/O (conceito): Evento do Google citado como palco de uma demonstração de orquestração multi-agent.

Tradução completa (pt-BR)

02:30 Certo, estamos de volta, ao vivo e muito animados para conversar com vocês de novo. Desta vez, faz só uma semana desde a nossa última transmissão ao vivo, e temos um convidado legal aqui. Oi, pessoal. Só queríamos passar rapidamente por algumas coisas que lançamos

03:00 desde a última transmissão ao vivo. Primeiro, lançamos o app Gemini para desktop. Você teve a chance de usar? >> Sim, é bem legal. >> Sim, eu pude experimentar, e é só uma alternância simples. O que eu mais gosto é o Command+Shift+A, acho, para alternar. >> Esse é o atalho de teclado? >> Sim. Sim. Sim. Sei que talvez ainda não tenha todos os recursos. Pode ser que falte alguma coisa, mas eu, pessoalmente, adoro o app Gemini para desktop. Ele tem o essencial da maioria das coisas de que você precisa. >> Sim. Sim, com certeza. >> Além disso, é conveniente. É só… >> Sim, sem dúvida. Também lançamos no

03:31 Google Books. >> Esse lançamento foi divertido. >> Sim. Acho muito legal ver o Antigravity começando a aparecer em vários lugares diferentes. Então… também temos repensado o painel auxiliar. Você tem alguma opinião sobre como ele vem mudando e sobre o novo design? >> Sim. O painel auxiliar é uma daquelas coisas que, no começo, existia no mundo das IDEs, certo? Com o tempo, o painel auxiliar foi ficando cada vez mais carregado de coisas que precisamos visualizar e com as quais o usuário precisa interagir.

04:02 >> Está se tornando uma via de mão dupla, com gerenciamento de janelas e de painéis. Então precisamos repensar muitos desses padrões para torná-los escaláveis para esse conceito de um superapp, em que você vai passar todo o seu tempo dentro dessa interface. >> O painel da direita só precisa amadurecer um pouco. >> Sim. Acho que uma das preocupações ou perguntas que as pessoas tinham era que, às vezes, algumas coisas ficavam ocultas — por exemplo, ali apareciam os subagents em execução e coisas assim. Então, o que há de novo? O painel auxiliar é o que aparece quando a barra lateral está recolhida? >> Então, do ponto de vista técnico, definimos o painel auxiliar como qualquer coisa

04:33 que fica ali, do lado direito, se você estiver de frente para a tela. A conversa acontece, os artefatos aparecem, os subagents aparecem; qualquer coisa que seja secundária à conversa ou que sirva de evidência de apoio, ou ainda comandos do terminal e artefatos de apoio, tudo isso aparece do lado direito. E cada vez mais coisas estão aparecendo. >> Sim, justo. Sim, totalmente. Quer mostrar também a outra coisa que fizemos? >> Mostramos a aba de personalizações. É uma seção nova e bem grande.

05:03 >> Sim, podemos entrar aqui. Fiquei bem animado ao ver isso aparecer, porque as coisas estavam ficando meio escondidas e parecia que tudo ia parar na janela de configurações. >> Sim, estamos investindo bastante em personalizações e plugins em geral. Acho que, se você olhar de uma perspectiva de engenharia, o agent é bastante capaz de fazer muitas coisas. Vimos isso internamente no Google, com a versão do Antigravity que temos aqui. Também vimos isso externamente, com pessoas configurando o produto de todas essas maneiras diferentes, e

05:33 a barreira de habilidade — vamos chamar assim — é que você precisa entrar na sua configuração do Gemini, abrir o terminal, precisa… >> Precisa ser desenvolvedor. >> Precisa ser desenvolvedor, certo? E todo mundo quer poder entrar e personalizar o produto. Então, queremos muito oferecer uma ótima experiência. O primeiro passo é: somos um produto do Google e temos esse conjunto incrível de ferramentas do Google. Vamos colocá-las em um lugar onde os usuários possam autenticar com um clique, usar e começar a trabalhar, e simplesmente

06:04 dar ao agent acesso a coisas como o Google Drive ou as Chrome DevTools. Estamos muito animados para ver isso decolar. Ainda há muito espaço para amadurecer e crescer, mas estamos bem animados por termos um bom ponto de partida. >> Também gosto disso. Primeiro, esta é a seção “Crie com plugins do Google”. Eles já estavam lá, mas muito escondidos. E também temos uma aba de instalados que mostra, em todo o sistema, onde está cada coisa. Acho que isso é sempre bom, porque às vezes você fica se perguntando quanto da context window está sendo ocupado pelas diferentes coisas. >> Totalmente. E é muito fácil. Eu sou culpado disso: coloco alguma coisa nos meus plugins, nas minhas personalizações, e esqueço. Só percebo depois que já instalei. Agora está tudo em um só lugar.

06:34 >> Vamos dar mais dicas depois, mas, já que estamos nesta tela, você tem alguma opinião sobre quando devemos avaliar se é hora de remover MCPs ou diferentes tipos de skills que talvez fossem necessários para modelos menores, mas não para modelos maiores? >> Sim. Uma das maiores lições que aprendi ao longo dos anos é — já falamos sobre escala com inteligência, não sei se falamos disso especificamente neste podcast — que a ideia de não atrapalhar o modelo continua surgindo, de novo e de novo. Percebi que tenho coisas instaladas que talvez direcionassem o modelo para uma funcionalidade específica que agora poderia ser só comandos do terminal. O agent é tão bom em usar o terminal e executar comandos que, francamente, um MCP relativamente simples, talvez um depurador ou algo que inicia alguns processos, era quase um atalho para o modelo. O modelo agora é tão bom que não precisa mais desses

07:05 atalhos. Ele simplesmente consegue fazer essas coisas. >> Talvez uma coisa que a comunidade mencionou várias vezes é que algumas pessoas acham que é um modo de falha quando o modelo deixa de usar as ferramentas integradas de gravação de arquivos, ou algo assim, e passa a executar Python. Você poderia explicar melhor como isso economiza tokens ou por que isso acontece? >> Claro. Se pensarmos nisso de uma perspectiva bem básica de treinamento, a distribuição dos dados que fornecemos ao modelo — pense em todos os lugares em que comandos de terminal aparecem em publicações de blog

07:36 e livros didáticos, e em todo o volume de informações disponível online, e há quanto tempo isso é usado. É isso que o modelo conhece muito, muito bem. Está incorporado no núcleo do modelo. Depois, você pode adicionar camadas a isso. Um exemplo é dar ao modelo a capacidade de raciocinar sobre o que é /text como uma skill. Claro. Você adiciona pequenos conjuntos de dados que dizem: “Ei, se você vir um MCP, é isto que deve fazer”, certo? E pode incorporar esses comportamentos ao modelo. Mas o que estamos percebendo é que, cada vez mais,

08:07 esses modelos estão ficando tão inteligentes que essa base é o que impulsiona o progresso e permite fazer mais. Então, quando pensamos: “Tudo bem, ele não usa a ferramenta certa para arquivos”, parte disso é uma questão de produto. Se ele exibe um arquivo no terminal, isso equivale a ler o arquivo. Deveríamos apenas encapsular isso e torná-lo um pouco mais previsível para o usuário. Mas, em segundo lugar, ele consegue fazer coisas realmente sofisticadas com comandos do terminal, lendo trechos do texto

08:38 Além disso, esses modelos estão ficando tão inteligentes que essa base é o que impulsiona o progresso e permite fazer mais. Então, quando pensamos: “Certo, ele não usa o arquivo certo”, parte disso é uma questão de produto. Se ele executa o comando cat para exibir um arquivo no terminal, isso equivale a ler o arquivo. E deveríamos simplesmente encapsular isso e torná-lo um pouco mais previsível para o usuário. Mas, em segundo lugar, ele pode fazer coisas realmente sofisticadas com comandos de terminal, em que talvez leia trechos do texto em

09:10 áreas específicas que só… os de intervalo. Sim, com certeza. Sim. Ou uma ferramenta personalizada, nossa ferramenta personalizada de leitura de arquivos talvez simplesmente não dê conta. No Linux, especialmente, é muito comum fazer um tail e pegar os últimos registros de erro desse arquivo enorme. Sim. O exemplo clássico é: se eu só lhe desse a capacidade de ler uma página de cada vez de um livro e você tivesse que encontrar um trecho específico, provavelmente leria o livro inteiro, do começo ao fim, para encontrar todos os trechos. Em vez disso, com um terminal, você não só pode ler os trechos que aparecem, como também pode pesquisar, certo? E, assim, ele faz o que for mais eficiente para

09:41 concluir o trabalho. Agora, é nosso trabalho garantir que o comportamento do modelo seja previsível, seguro e visível para o usuário. E, obviamente, há uma lista interminável de coisas que poderíamos fazer nesse sentido. Mas, em geral, essa é a direção que os agents estão tomando. E acho que, talvez seguindo essa mesma linha, uma das coisas que a princípio me deixou meio desconcertado, mas com as quais agora estou bem, é que as pessoas dizem: “Bom, ele está usando uma linguagem que eu não usaria”. Por exemplo, fiz um monte de coisas em TypeScript ou Dart e ele estava escrevendo Python. Eu não escrevi Python. Então, é… Você tem alguma opinião sobre isso?

10:12 Ah, sim, tenho muitas opiniões sobre isso. Quer dizer, agora estou questionando o que significa realmente entender uma linguagem de programação específica, porque agora penso: “Sim, escreveu algum script aleatório em algum lugar”, e estou meio que confiando que ele vai ser executado. Acho que, cada vez mais, obviamente, vamos implementar proteções. Estou até bem animado com alguns dos recursos de segurança que vamos lançar, relacionados ao sandboxing e a maneiras mais inteligentes de manter o modelo alinhado. Mas, mesmo sem isso, os modelos estão ficando muito bons. Se você

10:43 olhar para o Argon, por exemplo, confio na maioria dos scripts que ele produz. Há cerca de um ano, você revisava esses scripts para garantir que ele não estivesse saindo dos trilhos. Com certeza. Acho que parte disso pode até se dever ao fato de alguns benchmarks mostrarem que ele tem uma taxa de alucinação muito baixa, sabe? Obviamente, não é zero, mas sinto que notei muito mais isso: ele consegue fazer muito mais coisas em que confio, e posso ir muito mais longe por causa disso. Então, isso está elevando o limite. Com certeza. E, como em qualquer outra

11:13 política de segurança, muitas vezes há várias camadas. E uma delas é, sim, você pode ler cada linha do código ou usar, digamos, um modelo fora do ciclo que resume o que o script faz. Digamos que ele tenha mais de 90% de confiabilidade e não alucine. Quer dizer, provavelmente mais do que isso. Você lê o resumo. Certo. Aí começa a empilhar esses sistemas bastante confiáveis, mas não infalíveis, e chega a um ponto em que consegue confiar cada vez mais. Acho que uma área em que notei isso no curto prazo foi quando havia a possibilidade de a taxa de alucinação ser maior.

11:45 Eu sentia que escrevia muito mais testes para detectar todas as vezes em que ele não falhava, sabe? Então, talvez agora eu consiga ir mais longe com o que ele produz e fazer verificações pontuais, coisas assim. Sim. Confie, mas verifique. Exatamente. Com certeza. Sim. E talvez um último recurso que adicionamos desde então seja o Command K para a pesquisa avançada. Adoro o Command K. Sim. Para quem não sabe, Cameron, que participou da transmissão ao vivo da última vez, tem atalhos incríveis para tudo, e esse foi um que aprendemos com ele. Sim, sim, com certeza. Certo. Então, com esta transmissão ao vivo começando

12:16 você pode nos contar um pouco sobre você e quem você é? Claro. Sim. Meu nome é Kevin. Tenho tido o prazer de representar a Antigravity há algum tempo. Trabalho com ferramentas de desenvolvimento de IA há, nossa, três, quatro, cinco anos. E vi produtos como a Antigravity crescerem muito com o tempo. Trabalhei em tudo, desde o harness até o frontend e qualquer outra coisa que faça o produto dar certo. Agora lidero parte da equipe de produto

12:47 para simplesmente… levar a Antigravity até as pessoas, disponibilizá-la internamente para os Googlers e realmente maximizar o que o modelo consegue fazer. Como podemos levar isso às pessoas? Muito legal. Sim, incrível. E eu sou Rodie Devril, da Antigravity. Muitas vezes, consigo trabalhar com vocês e levar o que estão criando aos desenvolvedores e a todos os tipos de usuários. Tem sido ótimo ter Rodie aqui, porque ele pode nos dizer exatamente o que todos vocês estão pensando, e isso tem sido fundamental. Quer dizer, muitos recursos surgiram de… Com certeza. …feedback espontâneo, e não consigo ler

13:18 tudo. Os engenheiros, sabe, nenhum de nós consegue ler tudo e, de algum jeito, você conseguiu dar conta de tudo e descobrir isso por nós. Sim, é bem impressionante. Somos muito receptivos e gratos à nossa comunidade. Há muitas coisas muito legais. Muitas vezes — vamos falar mais sobre isso depois — os Googlers usam nosso produto. Então, tem sido interessante quando lançamos um recurso e os Googlers têm um jeito muito específico de usá-lo, mas, no primeiro dia, os usuários dizem: “Bom, não esperávamos que funcionasse assim”. Então, tem sido interessante. Sim. Jogando dos dois lados. Sim, sim, com certeza.

13:48 Sim. Um dos grandes anúncios que acabamos de fazer é que o Gemini 4 Argon está disponível no Ante para usuários Ultra. Você teve a chance de usá-lo? E o que acha até agora? Acho que podemos dizer publicamente que já estamos usando há algum tempo. Com certeza. Tem sido um prazer usá-lo. Quer dizer, minhas expectativas mudaram drasticamente. Obviamente, vimos diferentes versões do Gemini, e uma das partes principais para garantir que nossa equipe esteja desenvolvendo as coisas certas é entender para onde os modelos estão indo e ver esses checkpoints iniciais.

14:20 é uma boa maneira de dizer: “Ah, esse recurso” ou “podemos esperar esse nível de uso de tokens”, ou que a eficiência e as tendências do modelo estão indo nessa direção. Acho que se vê muito disso no que chamo de natureza multimodal do modelo. Você começa a ampliar o leque do que o agent é capaz de fazer. Há um ano, provavelmente eu não me sentiria à vontade para lançar um plugin do Google Docs, porque a modalidade geral do Google Docs não era algo que os modelos entendessem intuitivamente. Sim. Com o Gemini 4, essas coisas

14:51 mudaram completamente, e agora estou escrevendo muitos documentos com agents e coisas do tipo. Ah, sim. Tem sido legal acompanhar, usar e sentir o Gemini 4, além de desenvolver uma intuição sobre ele. Espero que as pessoas estejam gostando dele publicamente e adoraria ouvir mais feedback. Contem para a gente o que está funcionando muito bem e o que poderia melhorar. Com certeza. Acho que uma das coisas empolgantes do Argon é que adoro usar o Flash, porque sentia que podia colocar todas as proteções e fazer tanta coisa com ele. Mas, com o Argon, é como se…

15:23 Eu, eu reconstruí aplicativos em que trabalhei por dois anos em um único dia. É simplesmente… é humilhante. — Sim, é. [risos] E eu simplesmente não esperava isso. Bem, primeiro, ele é tecnicamente capaz de fazer algo, certo? Mas ele está fazendo isso num nível em que, sabe, consigo colaborar muito mais com ele. É como se ele entendesse melhor minha intenção, sabe, ao criar documentos e coisas assim. Antes, parecia que o modelo só produzia um artefato; agora, parece que estou trabalhando junto com ele, e ele consegue transmitir muito mais da minha intenção.

15:54 — Totalmente. Uma das grandes diferenças — se eu tivesse que fazer uma generalização ampla sobre talvez o salto do Flash para o Argon —, acho que, com o Flash, a gente só estava chegando aos resultados mais rápido. É um modelo mais rápido, e você ficava muito num ciclo de colaboração em que ele produzia um plano de implementação. Você lia esse plano e passava bastante tempo elaborando-o. E os modelos já eram bons o suficiente para você dizer: “Certo, se meu plano for bom, o resultado deve ser bem bom.” Agora estamos quase chegando ao ponto em que falamos de ciclo interno e ciclo externo: você só especifica qual quer que seja o objetivo final, e o modelo

16:27 vai descobrir muitos dos detalhes por conta própria, e você pode confiar que, se quiser reconstruir esse jogo e ele for capaz de jogá-lo e observá-lo, fazendo capturas de tela, você terá bastante confiança de que chegará ao resultado certo. — Sim, sim, sim, com certeza. Talvez, falando nisso, como você sabe quando usar certos tipos de comandos de barra e quando devemos deixar o modelo assumir o controle? E também é só saber que, obviamente, se você estiver fazendo algo híbrido, como Argon versus Flash,

16:58 pode ser que isso também seja diferente. — Com certeza. Há certas coisas… É difícil expressar em palavras a intuição que desenvolvi. — Sim. — Acho que muito disso vem de usar essas ferramentas todos os dias e perceber que certos tipos de tarefas — sei lá, fazer algumas mudanças de estilo em um frontend, por exemplo —, se acho que o agente consegue verificar bem o resultado, fico muito mais confortável em não trabalhar num estado de programação em dupla e em adotar mais um estado de delegação, usando subagents ou o que for, só para

17:29 dizer: “Certo, descubra como fazer”, e eu só vou verificar se a sua verificação estava mesmo correta. — Sim. — Há outras categorias de problemas em que penso: “Ah, na verdade, os detalhes minuciosos da implementação… provavelmente há cinco caminhos diferentes para chegar a esse resultado final.” E é preciso um pouco mais de nuance humana para entender: “Certo, essa pessoa interessada quer isto. Esse cliente gostaria disto. Há uma implicação de segurança aqui.” É meu trabalho manter esse contexto e orientar de acordo com ele. E é nessas horas que acho que vou recorrer mais a um modelo Flash

18:00 porque estou iterando muito rápido com esse agente. — Sim. Sinto que, especialmente com o Argon, basta eu passar cinco coisas diferentes num prompt e ele sai fazendo todas. Mas também é provavelmente um dos primeiros modelos com que me senti à vontade para deixar rodando durante a noite, sabe, sem usar Teamwork nem nada do tipo. Ele simplesmente… Sei que, quando eu voltar para conferir daqui a três horas, estará pronto e terá feito tudo. Talvez precise de alguma orientação, mas, quanto à tarefa em si, ela estará

18:30 — Sim. Podemos fazer uma análise aprofundada das implicações do que isso significa, mas vou contar uma das minhas histórias favoritas sobre a escala da inteligência. Ajudei a trabalhar em parte do trabalho de orquestração multiagente que mostramos no Google I/O, há poucos meses, e reconstruímos Doom, o que foi… — Sim, claro. — Foi extraordinário para mim. Estávamos usando Teamwork, e a ideia era inserir pontos de injeção aleatórios, barreiras de proteção aleatórias, dizendo: “Continuem, continuem. É assim que se executa. Façam uma captura de tela de vocês mesmos.” Tipo: “Por favor, por favor, façam uma captura de tela e verifiquem.”

19:02 “Verifiquem.” E usar 10 agents, por exemplo, com cinco agents de frontend diferentes e outros cinco… De repente, essas barreiras de proteção estão simplesmente desaparecendo, porque isso está se tornando… Não quero usar a expressão “natureza humana”; essa não é a expressão certa. Está se tornando parte da natureza do modelo configurar sistemas assim, e é aí que se veem alguns desses ganhos, em que você fica à vontade para deixá-lo trabalhando durante a noite. Isso é simplesmente… É de cair o queixo. — Sim. Porque às vezes você precisa dessa burocracia, digamos, para detectar as coisas ao longo do

19:33 caminho, porque, durante essa transferência, normalmente é tipo: “Ah, fiz três das cinco coisas”, ou então havia outra pessoa. Mas estou percebendo que ele é simplesmente mais capaz de produzir muito mais. Sei que o modelo tem um contexto de saída muito mais longo e também consegue ser mais conciso, acho. Enquanto o Flash ficava gerando uma coisa, gerando outra, gerando mais uma, o Argon consegue pensar: “Ah, entendo como isso funciona em conjunto; vou criar uma abstração unificada.” E tenho gostado muito disso. — Sim, é aqui que os benchmarks e o uso real não necessariamente coincidem.

20:04 E acho que descobrimos algo nos últimos três ou quatro meses no GDM. Sim, queremos mostrar resultados positivos em benchmarks. Mas a presença do Antigravity dentro do Google também tornou possível fazer testes A/B de forma muito eficaz e eficiente. Há 200 mil… não sei quantas pessoas trabalham no Google. Alguém confirme esse número. Há muita gente usando este produto todos os dias, contando com ele por 8, 10, 12 horas por dia, e dá para receber bastante feedback do tipo: “Esse modelo tem esta tendência.”

20:35 É possível analisar os dados e o feedback qualitativo. Então, sim, estamos olhando para o que acontece externamente e internamente, e ambas as coisas nos permitem ter um bom ciclo de iteração com nossos clientes. — Sim, isso é ótimo. Então, talvez alguma consideração final sobre o que isso significa para o futuro do Antigravity, como o Argon? — Acho que vocês deveriam ser ambiciosos com o que querem que o Antigravity faça. Acredito que vamos lançar recursos nas próximas semanas e meses que, espero, incentivem esse nível de ambição e tornem possível

21:05 construir projetos de grande escala, fazer grandes refatorações, trabalhar em bases de código complexas e realizar tarefas complexas com cada vez mais facilidade. É extraordinário pensar no que as pessoas estão fazendo internamente, simplesmente improvisando soluções. Queremos levar esse tipo de experiência para usuários avançados a todos. Mas o que vocês podem fazer agora é se perguntar: “O que estou fazendo que talvez esteja limitando o agente? Talvez eu esteja usando prompts desnecessários ou criando uma automação que talvez esteja… complicando demais, quando eu poderia simplesmente usar

21:37 a linguagem natural, talvez até usar minha voz agora que temos um ótimo modelo de voz.” Há muita coisa que vocês podem esperar do produto. — Aham. Sim, sem dúvida. Já que você trabalha bastante pensando no produto, qual é seu recurso favorito entre os que temos? — Meu recurso favorito? Puxa… Acabei de mencionar a voz, então seria difícil voltar atrás agora. Adoro… A modalidade de voz é interessante porque, quando estou no escritório, não necessariamente falo com o computador, já que isso provavelmente incomodaria as pessoas — é muito silencioso aqui. [risos] Com os AirPods, sabe, mas…

22:07 capacidade de… Como eu digo isso de forma concisa? Antes, você precisava ser muito, muito preciso na linguagem para que o modelo fizesse apenas aquilo que você queria. Agora, com a introdução desses modelos de voz e do que chamamos de cérebro do Antigravity, você pode meio que despejar palavras. Pode simplesmente falar sem parar e, desde que haja alguns fragmentos de informação, a ideia geral será executada. E acho que essa é uma forma realmente poderosa de…

22:38 …simplesmente reduzir o atrito na entrada de informações. Então, tenho gostado muito de usar voz. Plugins também são algo de que tenho gostado bastante. Na verdade, comecei a usar Sidecars. Reconheço que é um recurso um pouco mais avançado. Então, para os devs avançados que estão por aí, continuem explorando. Vamos trabalhar nessa parte. Mas agora tenho essas automações aleatórias acontecendo na minha vida, desde coisas voltadas ao consumidor, sabe, verificar o preço de X de tempos em tempos, até, sempre que alguém me marca em um PR, executar esta análise para que eu possa chegar e…

23:08 …simplesmente estar pronto, preparado para esse evento. Tem muita coisa legal aí. Eu uso Sidecars para… tenho um servidor e faço uma verificação de integridade todos os dias; se houver algum problema, ele pode automaticamente colocar algo de volta no ar. E é tipo: é aí que eu quero um agent, então eu não consigo fazer isso. Sim. >> É insano. >> Muito bom. Sim. Sim. Então, será que você mudou seu estilo de prompting desde as versões anteriores do Antigravity até agora? Porque sinto que os modelos estão sempre mudando. Antes, eu sentia que precisava ser muito explícito, como você disse, mas…

23:39 Acho que talvez isso também se aplique até à forma como uso skills. Sinto que estou entrando num modo em que penso: só quero terminar o trabalho… >> e sinto que está ficando muito mais fácil fazer várias coisas. >> Sim. Talvez a maior mudança no meu comportamento — e um salve para algumas pessoas da nossa equipe, que foram pioneiras nisso e tornaram tudo um pouco mais fácil — seja que comecei a usar, não quero dizer menos conversas, mas conversas mais longas. >> Ah, verdade. >> E esse comportamento…

24:10 …desbloqueou muitas coisas boas, como a memória. O tamanho do contexto aumentou, e o gerenciamento do contexto melhorou muito, a ponto de você poder acumular conversas bastante longas; isso me ajudou a manter a organização mental. Então, tenho diferentes frentes na minha vida: por exemplo, um agent que me ajuda com gestão, um agent que me ajuda com mudanças no backend, outro para mudanças no frontend e outro para mudanças no harness. E poder manter tudo isso organizado…

24:40 em espaços separados. Esse é um comportamento novo que descobri, possibilitado principalmente pelo fato de que… >> os modelos mais novos são muito melhores em auto-orquestração. Sim. >> Já não acontece que cada etapa anterior simplesmente polua o contexto e faça com que sua próxima tarefa seja completamente diferente. Agora é mais como: se a tarefa for grande o suficiente, ele a envia para um subagent. Envia para outra conversa e [fungando] >> na verdade, essa tarefa… >> não ocupou tantos tokens no resumo daquele fluxo principal. Então, isso…

25:12 foi uma forma de mudar meu comportamento de trabalho e meu prompting. >> Sim. Sinto que antes eu sempre precisava ser muito explícito, dizendo para usar subagents para isso ou delegar com este comando. Mas definitivamente notei que, nas versões mais novas, isso acontece de forma mais natural. Sim. >> Sim, com certeza. Nessa linha, há alguma dica de contexto sobre como você está gerenciando essas conversas longas e o que fazer? Sei que as pessoas… ou fica mais lento quando a conversa é muito longa, ou você tem muitos artefatos. Quando…

25:43 preciso criar uma nova conversa? Sinto que essa é uma [risos] dúvida frequente. >> Não sei se esse problema já foi realmente resolvido. Acho que, para mim… tenho certos marcos de funcionalidades em mente, e agrupo várias funcionalidades. Por exemplo, algo que eu estava fazendo internamente: eu tentava levar o Google Docs para o Antigravity e pensei: bom, provavelmente há uns 10 PRs envolvidos nisso. Vou manter a mesma conversa durante esses 10 PRs. Ela vai acumular esse contexto, quaisquer documentos que eu tenha vinculado ou planos de implementação em Markdown…

26:15 que temos na memória. Mas aí penso: certo, agora vou passar para algo completamente novo. Então, simplesmente arquivo aquela conversa e mudo para outra. Não tenho uma resposta ótima para isso, porque percebi que minha lista de artefatos está ficando bem longa. Há algumas coisas que estamos analisando agora para tornar essa experiência mais agradável. Mas… >> não é uma ciência exata; quando mudo completamente de tarefa, acho que geralmente… >> Sim. Sim. Para mim, é tipo: quando termino de fazer a coisa, às vezes executo /learn, mas…

26:47 é que gosto de pensar assim: começo, faço a coisa, encerro, arquivo e sigo em frente. Então, basicamente, tenho issues abertas e estou tentando vincular boa parte do meu trabalho a issues no GitHub ou algo assim, principalmente para ter um artefato, como um arquivo Markdown com uma lista do código que realmente foi alterado, e assim tudo pode ficar… >> totalmente… >> no mesmo lugar. Totalmente. Talvez algo que nossa comunidade sempre pergunte seja: se o Gemini tem um context window de entrada de 1 milhão e agora também de saída, por que os harnesses não usam todo o contexto?

27:19 >> Acho que, embora seja possível, isso não significa necessariamente que deva ser feito. O motivo são coisas como latência ou simplesmente a qualidade ao lidar com tantos tokens. Também é muito caro. >> Verdade. >> Então, tentamos encontrar esse equilíbrio. Fica mais lento, custa mais e não é perfeito: não é uma memória perfeita, certo? Só porque tenho mais capacidade para lembrar… >> sabe… >> se eu assistir a sete filmes e conseguir me lembrar dos sete, em vez de assistir a apenas um…

27:49 filme, provavelmente vou me lembrar muito melhor dos detalhes de um do que dos sete. É verdade. >> E, da mesma forma, acho que o contexto dos modelos não é perfeito e há alguma degradação ao longo do tempo. E outra coisa que talvez também tenha mudado: muita gente, especialmente os primeiros usuários do Antigravity, usa o navegador. Como estamos pensando na evolução do navegador em geral? Porque, no começo, era tipo: “Nossa, posso controlar o navegador”, e isso foi algo muito importante. Mas tem sido interessante ver essa evolução ao longo do tempo. >> Sim, em breve teremos muitas notícias empolgantes…

28:19 sobre o navegador. Acho que a forma como penso nisso é a seguinte: antes, a única maneira de o agent — com aquelas proteções — verificar se seu app web ou jogo estava funcionando era iniciar um sistema Chrome completo e executar uma extensão. E era muito legal, de cair o queixo na época. Agora, você começa a ver que ele é bastante bom em usar bibliotecas open source e sistemas como CDP ou Playwright, sabe, e não precisa…

28:50 para recorrer à infraestrutura pesada que colocamos diante dele. >> Então, estamos trabalhando nisso porque ainda acho que a premissa central continua sendo esta: a ideia central é que você tem contexto e informações no seu navegador e tem ações — basicamente, botões nos quais precisa clicar >> dentro de um navegador. >> Agora, o agent consegue >> fazer isso razoavelmente bem. Então, estamos tentando preencher essa lacuna e acho que teremos algo legal para mostrar e… >> incrível. Sim. E talvez também estejamos trabalhando em um produto como o Antigravity. Sinto que, nesse caso, isso vem

29:22 com uma infinidade de opiniões; temos pessoas de todos os lados, inclusive da comunidade. É tipo: “sabe, eu queria que tivesse feito isso” ou “isso, na verdade, não funciona”, e aí você tem opiniões conflitantes. Como você pensa no que priorizar? E talvez a resposta seja “quando”, em vez de “se deveria ou não”. Com certeza. [fungada] Esta indústria está bem engraçada agora, porque as ideias estão ficando cada vez mais baratas, já que é muito fácil experimentar. E, sabe, talvez tivéssemos tido ideias >> há dois anos que continuam válidas, certo? A ideia de… qual seria um exemplo novo? Não sei, plugins existem há muito tempo. Talvez não seja um bom exemplo, mas, tipo, orquestração >> talvez seja um bom exemplo >> e, com o tempo, simplesmente não estava pronta naquela época. Os modelos não eram bons o bastante. E é muito importante estar perto do modelo e entender para onde ele está indo, porque isso vai determinar: certo, no roadmap, provavelmente deveríamos fazer isto, que vai chegar por volta dessa época, quando o modelo também vai conseguir atender a essa parte do produto. Porque, se você lançar algo cedo demais,

29:54 não sei, plugins existem há muito tempo. Talvez não seja um bom exemplo, mas, tipo, orquestração >> talvez seja um bom exemplo >> e, com o tempo, simplesmente não estava pronta naquela época. Os modelos não eram bons o bastante. E é muito importante estar perto do modelo e entender para onde ele está indo, porque isso vai determinar: certo, no roadmap, provavelmente deveríamos fazer isto, que vai chegar por volta dessa época, quando o modelo também vai conseguir atender a essa parte do produto. Porque, se você lançar algo cedo demais

30:26 >> você não vai colher os benefícios de verdade, porque construiu toda essa infraestrutura pesada e, sim, está compensando as limitações do modelo. Se lançar tarde demais, aí simplesmente vai estar atrasado e haverá um excedente de capacidade do modelo [limpa a garganta], e não queremos isso. Então, você precisa acertar o momento, quando a inteligência necessária para esse recurso estiver exatamente no ponto certo, no momento certo. E isso é desafiador. Por isso, receber feedback interno e iterar muito rapidamente na versão interna do Antigravity ajuda a entender: certo, para o Antigravity externo, chegou a hora. >> Sim, porque sinto que, às vezes, talvez… há recursos que, para mim, tínhamos internamente há uns seis meses, sabe, antes de lançá-los externamente, e… >> sabe, às vezes temos casos de uso diferentes, em que talvez as pessoas não encontrassem os mesmos problemas, mas aí chegou um momento em que senti que aquilo se tornou útil. >> Com certeza. Sim. Quer dizer, nosso trabalho é oferecer aos usuários a inteligência de fronteira mais capaz e melhor, e às vezes os modelos só precisam alcançar um pouco o que queremos fazer. >> Com certeza. Sim. Falando nisso, obviamente, com as pessoas tendo uma certa quantidade de cota e capacidade nos planos, como você decide quando usar o Argon, o Flash ou talvez uma combinação?

30:56 para decidir quando usar o Argon, o Flash ou talvez uma combinação? Sim, acho que isso depende, de certa forma, do que estávamos falando antes. Há certas tarefas que já estão preparadas para dar certo no mundo do Argon. E, quanto ao Flash, uso o Flash… não quero dizer que uso na maioria das vezes. Na verdade, não sei qual porcentagem das vezes recorro ao Flash, mas uso bastante. Esse feedback imediato é incomparável. Você não consegue isso com outro modelo. E então… ouvi algumas correntes de pensamento que dizem: certo, você cria um plano, e esse plano exige

31:29 de muita pesquisa. M… certo, agora vá executar usando um modelo menor, como o Flash. Dá para fazer essas coisas. Também vi… talvez as tarefas noturnas sejam um caso em que a velocidade não seja tão importante e você possa aceitar uma velocidade menor. >> Então, sim, há diferentes intuições. >> Com certeza. Certo, faz sentido. Sim, acho que… >> sim, tem sido interessante pensar: certo, até quando estou escrevendo meu prompt, penso: “Não vou gastar um Argon com isso”. [risos] Então, o Flash é

32:00 de muita pesquisa. M… certo, agora vá executar usando um modelo menor, como o Flash. Dá para fazer essas coisas. Também vi… talvez as tarefas noturnas sejam um caso em que a velocidade não seja tão importante e você possa aceitar uma velocidade menor. >> Então, sim, há diferentes intuições. >> Com certeza. Certo, faz sentido. Sim, acho que… >> sim, tem sido interessante pensar: certo, até quando estou escrevendo meu prompt, penso: “Não vou gastar um Argon com isso”. [risos] Então, o Flash é

32:32 Com o tempo, espero muito que os modelos continuem ficando mais rápidos, melhores e mais baratos, e que os usuários precisem pensar cada vez menos nisso. E a direção que eu gostaria que o produto seguisse é: >> ele simplesmente faz o trabalho por você. Você não precisa se preocupar com os detalhes minuciosos de qual projeto, quais permissões você configurou, qual modelo está selecionando. Acho que muitas coisas vão desaparecer em segundo plano >> em breve. Já vimos isso, certo? De repente, estamos executando várias conversas ao mesmo tempo. Nunca imaginaria que seria assim há um ano e meio. Com certeza.

33:03 >> Então, como será isso daqui a um ano? E acho que >> a seleção de modelos, tomara, >> com certeza, >> talvez seja uma dessas coisas. >> Sim. É, isso é ótimo. Talvez haja algum recurso subestimado de última hora que você ache que mereça mais atenção. >> Recursos subestimados de última hora. A UI generativa é muito legal. >> É muito legal mesmo. >> Adoro a UI generativa. Configurei algumas automações para rastrear o Twitter e fóruns online, como métricas de produto, e

33:33 e ver isso de uma forma mais rica, em vez de apenas como um bloco de texto >> é um recurso tão legal. Sim. >> Um recurso tão legal. >> Sei que é algo pequeno, mas ainda adoro usar o terminal. Há tantas vezes em que estou conectado remotamente com o controle remoto ou algo assim. É simplesmente >> muito bom. O controle remoto também tem sido muito útil. Muito bom. >> É bom sentir que as coisas estão sempre acontecendo por você. Sinto que agora o uso em 80% ou 90% do tempo, no meu uso dele. E, claro, a versão interna é usada principalmente com o controle remoto. >> Principalmente com o controle remoto. Sim. Esse é um dos motivos pelos quais estávamos convictos disso.

34:04 >> Sim. Com certeza. Sinto que estou começando a usar muito mais no meu Fold. Aí está. Sim. >> Ótimo. Sim. Acho que as coisas que… isso chegou até a influenciar a escolha do computador. Antes, eu comprava aquele laptop superpotente, com toda aquela RAM. Executava tudo localmente. Mas agora só tenho um MacBook Air pequeno e fico usando o controle remoto, e nunca pensei que, como desenvolvedor, não precisaria daquela máquina potente. Tem sido muito bom poder simplesmente levá-lo no avião e fazer o que quiser. Então… >> Você realmente sente… Eu costumava andar, sabe…

34:35 você precisava de três telas; agora, de repente, está em um único app e tudo pode acontecer. E, quer dizer, não sei você, mas sinto que até na minha vida pessoal consigo estar mais presente, porque posso simplesmente iniciar um agent, ir fazer outra coisa e saber que ele está trabalhando em segundo plano. >> Acho que há duas correntes de pensamento aqui. Eu… agora que estou com esse Fold, sabe, estou em um casamento e penso: >> é, temos que resolver isso. Agora não tenho desculpa. [risos] Está tudo disponível. Mas isso é um problema pessoal. >> E, para… Sim, exatamente. Para os usuários

35:05 Além disso, se eles instalaram uma PWA, o ótimo é que você pode receber notificações nativas. Então, até recebo notificações no meu relógio. Ah, uau. Isso é muito… Sim. E, principalmente, sinto que foi assim com o Flash: eu fazia algo e era notificado imediatamente. Mas agora, com o Argon, é muito bom, porque posso estar lavando o carro ou algo assim e, duas horas depois, aparece: “Ah, beleza. Está pronto.” E isso meio que parece o tipo certo de recurso para esse caso. >> Superpoderes. >> Sim, exatamente. Bom, talvez, para encerrarmos, qual é a melhor maneira de enviar feedback sobre o produto? Sinto que, sabe, falamos um pouco sobre…

35:36 há muitos incentivos conflitantes e coisas assim quando as pessoas querem determinados recursos. Mas, sabe, muitas vezes elas podem ter casos de uso legítimos em que gostariam que fizéssemos algo. Então, como podem nos dar esse feedback da melhor maneira? Também sabendo que, às vezes, as pessoas estão em diferentes etapas da jornada com IA. Sabe, algumas talvez ainda usem a IDE no dia a dia. Sim. >> Mas, daqui a seis meses, talvez estejam usando um produto diferente. Então… >> Acho que os canais tradicionais de…

36:07 >> Não sei, redes sociais, fóruns e coisas do tipo. Estamos por lá. Estamos fazendo o possível para encontrar vocês onde estiverem. Acho que essa ainda é uma forma válida e útil de se comunicar. Certo. >> Acho que outra possibilidade é, com todo esse ecossistema de personalização por plug-ins: se você criar um plug-in que, digamos, incorpore sua própria maneira de fazer as coisas, e conseguir codificá-la nele, organizá-lo direitinho e publicá-lo no GitHub ou em alguma outra plataforma de… Ah, sim, de compartilhamento, essa é uma ótima…

36:37 maneira de divulgar e validar sua ideia com outras pessoas que usam o produto. Descobri que isso é bastante eficaz para ver: “Ah, sabe…” >> Aí outra pessoa pode simplesmente clonar, testar na hora e dizer: “Ah, sim, entendi o que você quis dizer. Isso é bem poderoso.” >> Sinto que, como tudo é tão barato, acaba sendo algo parecido com a seleção natural: com o tempo, há gente suficiente usando alguma coisa para que as boas ideias acabem se destacando. E assim também podemos ficar de olho nelas. >> E sei que algumas pessoas perguntam: “Vocês veem o botão ‘Enviar feedback’ no app?” [risos] Nós definitivamente…

37:08 estamos analisando tudo isso. Então, muito obrigado. Por favor, continuem fazendo isso. É a única maneira de a equipe conseguir se aprofundar. >> Sim. Sim. É muito útil. Quer dizer, dependemos de todo esse volume de feedback para entender o que devemos fazer a seguir com o produto, para onde devemos levar os modelos, onde as coisas estão falhando etc. Então, continuem enviando feedback, e obrigado se vocês já fazem isso. >> Ótimo. Bom, obrigado por participar da transmissão ao vivo de hoje. Obrigado pelo convite. >> Sim, vamos nos ver nas redes sociais e na próxima. Obrigado.

Transcrição original

[02:30] All right, we’re back and live and super excited to chat with you guys again. It’s been only a week this time since we last were on the live stream and we got a cool guest here. Hey everyone. Um, so we uh just wanted to kind of quickly go over some of the things that we launched

[03:00] since the last time we did the live stream. Um, first of all, we launched the Gemini desktop app. Uh, did you get a chance to use this? >> Yeah, it’s pretty cool. >> Yeah, it’s a I I got to try it out and it’s just like a simple toggle. My favorite is the command shift A, I think it is, to switch. >> Is that the hotkey? >> Yeah. Yeah. Yeah. So, it’s um I I know it’s not maybe fully featured. You know, there may be some stuff missing, but I personally love like the Gemini desktop app. It’s got the meat of, you know, most things that you would need. >> Yeah. Yeah, absolutely. >> Also, it’s convenient. It’s just, you know, >> Yeah, for sure. Um, we also launched on

[03:31] Google Books, too. Um, >> that was a fun launch. >> Yeah. Yeah. Um, I I think it’s really cool seeing anti-gravity starting to show up in a lot of different places. So, >> uh, yeah. Um, we also kind of been rethinking the ox panel. Do you have any thoughts on like kind of how that’s been transitioning and new design for that? >> Yeah. Yeah, the ox panel has been one of those things that in the very beginning we had we were in the IDE world, right? And so over time the ox panel has become more and more loaded with things that we have to visualize, things that the user has to interact with.

[04:02] >> It’s becoming more of a two-way street, window management, pain management. So we have to rethink a lot of these patterns to just make them scalable for this concept of, you know, a super app where you’re going to spend all your time inside of this interface. >> The right panel just needs to grow up a bit. >> Yeah. I think one of the things that people uh had either concerns or like questions on sometimes things will get hidden like that’s where you saw sub agents running and stuff like that. So what’s the new is it is the ox panel the one that shows up when you have the sidebar collapsed. >> So the ox panel I guess from a technical perspective we defined it as anything

[04:33] that sits in that >> right side if you’re facing your screen on that right side. So conversation will happen, artifacts will appear, sub agents will appear, anything that is sort of call it secondary to the conversation or supporting evidence or or terminal commands, you know, supporting supporting uh artifacts, all those things will appear on the right side. Um and more and more things are appearing. >> Yeah. Fair. Yeah. Yeah. Totally. Uh you want to um show the other thing that we did too >> um is we showed off the customizations tab. This is like a whole new big

[05:03] section. >> Yeah, we can get in here. Um, so yeah, I I was pretty excited to see um this kind of show up because, you know, things were kind of getting hidden and like your settings dialogue, everything felt like it was going there. So >> yeah, we’re really making a big push on customizations, plugins generally. Uh I think if you zoom out and think about it from an engineering perspective, the agent is quite capable of doing a lot of things. I think we’ve seen this, we’ve seen this at Google internally with the version of anti-gravity that we have here. We’ve seen this externally with people configuring their product in all

[05:33] these different ways and >> the skill barrier call it you got to go into you know what is it your Gemini config you got to like get in the terminal you got >> got to be a developer >> you got to be a developer right and the definition of a builder everyone wants to get in and customize their product so we really want to make this a great experience and so the first step of this is all right we you know we’re a Google product we’ve got these incredible suite of of Google tools let’s put these in a place where users can one click authenticate, use and jump in and just

[06:04] now have your agent have access to things like Google Drive or your Chrome Dev Tools. And so super excited for this to take off. There’s a lot more room to mature and grow, but >> pretty excited that we have a good starting point. >> I also like that. Um, well, one, this is the build with Google plugins. So like they kind of were there but like very hidden. And then also we have like an installed tab that like >> shows across your system where everything is. And I think that that’s always nice cuz like sometimes you’re like how much context is being taken up by the different things. >> Totally. And very easily, you know, I I’m victim to this. I’ll throw something

[06:34] into my into my plugins into my customizations and I’ll forget about it and I’ll I won’t know until I get it installed and now everything’s in one place. >> We’re going to have more tips later, but maybe uh just kind of off the bat since we’re on the screen. Do you have any thoughts around like when should we be evaluating when to remove MCPS or different types of skills that may have been needed for maybe small models but not as bigger ones? >> Yeah. One of the biggest learnings that I’ve had over the years is I mean we’ve talked about scale with intelligence. I’m not sure if we talked about it on this podcast specifically, but this lesson of don’t get in the way of the

[07:05] model just keeps coming up again and again and again. And I’ve found myself, you know, I have things installed that maybe would guide the model towards particular >> functionality that now could just be terminal commands. Like the agent is so good at at using the terminal at running commands that >> frankly like an MCP that is fairly thin, call it uh maybe it’s just >> I don’t know a debugger or it starts some processes and it was almost a >> a shortcut for the model. the model is now just so good it doesn’t need those

[07:36] shortcuts anymore. It can just sort of do them. >> Maybe one thing that like the community’s brought up multiple times is uh some people think that it’s a failure mode when it starts to not use the built-in write file tools or whatever and it’s running Python. Could you maybe like explain more about like maybe how that like saves tokens or like why that period? >> Totally. So if we think about this from a very basic like training perspective, the distribution of data that we feed to the model, think of all the places that terminal commands show up in blog posts

[08:07] and in textbooks and you know the vat of information that’s available online >> and how long it’s been used >> and how long it’s been used for. That is what the model knows very very intimately. It is it is baked in the very core of the model. Now then you can add layers on top of this. You know, one example is you add the ability for it to rationalize what slash text is as a skill. Sure. >> Um you add little bits of data that tell it, hey, if you see an MCP, this is what you do, right? And you can imbue these these behaviors into the model. But what we’re realizing is over time more and

[08:38] more these models are getting so smart that that foundation is actually what >> drives the progress forward and can do the most. And so >> um when we think about okay, it doesn’t use the right file. You know, part of that is called a product thing. You know, a failure of if it’s catting a file on the terminal, it’s equivalent to reading the file. And we should just wrap that up and make it a bit more predictable to the user. But secondly, it can do really sophisticated things with terminal commands where it might read bits and pieces of the text in

[09:10] specific areas that just >> the range ones. Yeah, totally. >> Yeah. Or custom tool, our custom read file tool might just not do. It’s been very common on Linux especially to like you know do a tail and just like get the last couple error logs of this massive >> Yeah. Like the classic example is okay if I only gave you the ability to read one page at a time of a book you would and you had to find a particular snippet you would read probably front to back the entire book and find all the snippets. Instead >> with a terminal >> you can not only read the snippets that come back but you can search right and so it’ll do the most efficient thing to

[09:41] get the job done. Now, it is our job to make sure that that model behavior is both predictable, safely done, and visible to the user. And obviously, there’s a never- ending list of things that we could do there. But that is generally the direction agents are going in. >> And I think maybe along that same lines, but um one of the things that I I think maybe uh threw me off at the first, but now is fine. But like people are like, well, it’s using a language that I wouldn’t use. So like, you know, I did a bunch of TypeScript or Dart and it was like it’s writing Python. It’s like I didn’t write Python. So it’s like, yeah. any thoughts on that of like

[10:12] >> Oh yeah, many thoughts on this. I mean it’s it’s now >> I’m questioning like what it means to actually understand a particular coding language because now I’m like yeah wrote some >> random script somewhere and it’s I’m sort of trusting that it’ll execute. Um I I think more and more you obviously we’ll put up guardrails. I’m actually quite excited for some of the safety features that we’re going to have coming out around >> sandboxing and and sort of more intelligent uh ways to keep the model aligned. Um, but even without that, the models are just becoming so good. If you

[10:43] look at, you know, Argon, I trust most of the scripts that come out. It used to be the case, call it a year ago, you would be proofreading those scripts to make sure it’s just not going off the rails. >> Oh, for sure. I think maybe even part of it’s due to like some of the benchmarks are showing has like a really low hallucination rate, you know, which, you know, obviously it’s not zero, but like I feel like I’ve noticed that so much more where um yeah, I like it can do a lot more that I’m trusting and I’m able to go a lot farther because of that. So, it’s just raising the ceiling. >> Totally. And like any other call it

[11:13] security policy, there’s often layers to this. And one of the layers is yeah, you could go through and read every line of the code or >> call it a model that is outside of the loop that summarizes what the script does. >> Call that a 90 plus% >> non-h hallucination. I mean probably more than that. You read that. Okay. Now you start layering these like pretty reliable but not bulletproof systems and you get to a point where you can start trusting more and more. I think maybe one area I noticed it in the short term is like when the hallucination rate was a potential to be higher.

[11:45] >> I felt like I was writing a lot more tests to like catch every all the times that it didn’t fail, you know, and so like maybe now I’m able to go farther with its output and then like have maybe more spot checking, you know, stuff like that. >> Yeah. Trust but verify. >> Exactly. Totally. Yeah. Um and then one maybe one final feature that we added since then is uh command K for advanced search. >> Oh, I love command K. >> Yeah. So, um, for people that don’t know, uh, Cameron, who was on the live stream last time, has amazing shortcuts for everything and, uh, that was one we learned. Yeah. Yeah. Totally. >> Um, okay. So, um, as we get this live

[12:16] stream, can you tell us a little bit about yourself and who you are? >> Sure. Yeah. So, my name is Kevin. Uh, I’ve had the pleasure of of representing anti-gravity for for some time. Uh, I have been working on AI dev tools for the past oh man three, four, five years. Um, and it’s just seen products like, you know, products like anti-gravity explode over time. Um, I’ve been working on everything from, you know, the harness to the front end to whatever sort of makes the product successful. Uh, I now lead part of the product team

[12:47] to just >> get anti-gravity out to people, get anti-gravity out to Googlers internally and just really maximize >> the model can do one thing. How do we deliver that to people? >> Totally cool. Yeah, that’s awesome. And uh I’m Rodie Devril on antgravity. And so oftentimes I’m able to work with you guys and bring what you guys are making and uh bring it to developers and all types of users. So >> it’s been it’s been great to have Rodie here because he can tell us exactly what you all are thinking and that has been critical. I mean a lot of features have come out of just >> totally >> during organic feedback and I can’t read

[13:18] everything. Engineers, you [clears throat] know, we all can’t read everything and somehow you you were able to boil the ocean and figure this out for us. >> Yeah, it’s it’s pretty wild. Um, we we’re really uh receptive and uh thankful for our community. There’s a lot of really cool stuff. Um, often, [clears throat] you know, we we’re’ll talk about it more later, but you know, Googlers uh use our product and so it’s been interesting when we have a feature that goes out and Googlers have a very specific way of using it and then users first day are like, well, that’s not how we expected to work. And so, um, it’s been interesting. Yeah. >> Playing two sides of the coin. Yeah.

[13:48] >> Yeah. Yeah. Totally. Yeah. So, uh, one of the big announcements that we just made is that, uh, Gemini 4 Argon is available in Ante for Ultra users. Uh, have you got a chance to use it? And what are your thoughts so far? >> Uh, I think we can publicly say, you know, we’ve been using it for some time. >> Um, >> absolutely. >> It’s been a joy to use. I mean, I I my expectations have drastically changed. Obviously, we’ve seen different variations of of Gemini and and one of the key parts about, you know, making sure our team is building the right things is understanding where models are going and seeing those early checkpoints

[14:20] is really a good way of saying, you know, oh, this capability or we can expect this amount of token usage or the efficiency and tendency of the model goes in this direction. Um, I think you see a lot of this with I don’t call it the multimodal nature of the model. you’re starting to expand the breadth of what the agent is capable of doing. Uh a year ago, I probably wouldn’t have felt comfortable putting out a Google Docs plugin because just >> the general modality of Google Docs wasn’t something that the models intuitively understood. Yeah. >> With Gemini 4, these things have

[14:51] completely changed and now I’m I’m writing a lot of docs with >> Oh, yeah. >> agents and whatnot. So, it’s been cool to see and and use and feel and develop an intuition over Gemini 4 and I I hope that people are enjoying it >> publicly >> and uh would love to hear more feedback. Please let us know about like you know what what you’re seeing work great, what things it could be improved on. For sure. >> Um I think one of the exciting things about you know Argon is like I I love using Flash because I felt like I could put all the rails on and do just so much work with it. But with Argon, it’s like

[15:23] I I’ve been like rebuilding apps that I worked on for 2 years in a day. Like it is just >> it’s humbling. >> Yeah, it is. [laughter] And I just like I didn’t expect that. Well, one there’s like [clears throat] it’s technically capable of doing something, right? But it’s like >> it’s doing it at a level where it’s like, you know, I’m able to like collaborate with it a lot more. It’s like my intent like, you know, creating docs and stuff. Whereas before it felt like a model was just kind of like outputting an artifact, now it feels like I’m working and it’s getting much more of my intent across.

[15:54] >> Totally. One of the big, if I had to characterize >> a broad generalization about maybe the jump between the flash and now Argon um flash I think we were just getting to outcomes >> faster. It’s a faster model and you were very much in a companion loop where it would produce an implementation plan. and you would read that and you’d spend a lot of time crafting that plan >> and the models were already good enough where you could say all right if my plan is good the the outcome should be pretty good. >> We’re now almost getting to the point where we talk about inner loop outer loop like >> you’re just sort of specifying what you want your end goal to be and the model

[16:27] will just sort of figure out a lot of the details and you can sort of trust that hey if I want to rebuild this game and it’s capable of playing said game and and looking at it screenshotting it >> you’re pretty confident that it’ll get to the right outcome. >> Yeah. Yeah. Yeah, for sure. Like maybe uh speaking of that, like um how do you know when to use certain kind of slash commands and when we should like you know let the model take the take the reign so speak and also just knowing that like um obviously if you’re doing a hybrid like you know argon versus flash

[16:58] thing it might be even a different thing there too. >> Totally. There are certain this is hard to vocalize the intuition that I’ve built. Yeah. I think a lot of it just comes from using these things day in and day out and feeling like certain types of tasks call it uh I don’t know you’re making some style changes to a front end. If I feel like the outcome is pretty verifiable by the agent >> I feel much more comfortable >> not being in a pair programming state and being in more of a delegation state um using sub agents or whatever to just

[17:29] say all right like go figure it out and I’m just going to verify >> that your verification was indeed correct. Yeah. >> Um >> there are other classes of problems where I’m like, oh, actually the nitty-gritty implementation detail. There’s probably five different avenues to get to this end outcome. And it takes a little bit more human nuance to understand, hey, you know, this stakeholder wants this. >> This customer would want this. There’s a security implication here. It’s my job to to >> to >> hold that context and and direct accordingly. And that’s when I think I’ll reach for more of a flash model

[18:00] because I’m iterating very quickly with said agent. >> Yeah. I feel like um with Argon especially, I feel like I just give it like five different things in a prompt and it like it’ll go off and do them all. But also, it’s probably one of the first models that I have felt comfortable running overnight, you know, not with um you know, teamwork or anything else. Like it just like >> I know that when I check on it in 3 hours, it’s going to be done like and it’s going to have all the stuff and >> it might need some input, but it’s like >> as far as the thing that’s being done, it’ll be

[18:30] >> Yeah. I mean we can go down a deep dive on the actual implications of what this this means but one of my fun scale with intelligence stories. So I I helped work on some of the multi- aent orchestration work that we showed at Google IO uh not too many months ago and we we rebuilt Doom that was >> yeah right >> that was remarkable to me. I mean, we were using that was with teamwork and the idea was, you know, we’re putting up >> random injection points, random guardrails, uh, saying, “Keep going, keep going. Here’s how you run the thing. Screenshot yourself.” Like, “Please, please screenshot, verify,

[19:02] verify.” And >> use 10 agents and like you’re going to have five different front-end agents and five different and now all of a sudden these these guardrails are just slipping away because it’s it’s becoming >> uh, >> I don’t want I almost use the word human nature. That’s that’s the wrong word. It’s >> becoming part of the model nature to >> to set up systems like this and that’s where you’re seeing some of these [clears throat] gains where you’re comfortable >> with it overnight. That that is just >> it’s mindblowing. >> Yeah. Cuz sometimes you need that let’s say bureaucracy, you know, like you’re adding that to catch things along the

[19:33] way cuz during that handoff usually it’s like oh well I did three out of the five or you had another person. >> But I’m noticing that like you know it it’s just more capable of outputting so much more. I mean I know the model has a much longer output context and like he can just it’s more concise I think that too whereas like flash would you know generate something generate something generate something but like argon’s able to like oh I can see how this works across this like let me come up with a unified abstraction like and so I’ve been really enjoying that >> yeah this is where you know benchmarks and actual usage don’t necessarily align

[20:04] and I think we’ve cracked something here in the last 3 four months at GDM where yeah you know we want to show positive benchmarks scores. Uh, but also the the presence of anti-gravity inside of Google has really made it possible for us to to AB test very effectively, very efficiently. You got 200,000 I don’t know how many people work at Google. Someone fact check you got a lot of people using this product every day relying on it 8 10 12 hours a day and you can get a lot of uh feedback on just totally this model has this tendency.

[20:35] You can look at the data, you can look at qualitative feedback, and so yes, we’re looking externally, we’re looking internally, and both of those things let us get a a good iteration loop with our customers. >> Yeah, that’s that’s awesome. Um, so maybe any final thoughts on that like of what does this mean for anti-gravity’s future like Argon? >> I think you should just be ambitious with what you want anti-gravity to do. Um, I think we will roll out features in the coming weeks, months that will hopefully encourage that level of ambition and and make it so that

[21:05] building these large scale projects or doing large scale refactors, working on complex code bases, uh, doing complex tasks will become easier and easier. Um, it’s remarkable when you think about what people are doing internally, just sort of hacking together. We want to bring that sort of power user experience to everyone. But what you can do for yourself now is just sort of question like what am I doing that maybe is holding the agent back or maybe unnecessary prompting or >> an an automation that maybe I’m >> overengineering and and I can just use

[21:37] English language and maybe use my voice now that we have a great voice model like there are just you can expect more out of the product. >> Mhm. Yeah, absolutely. So maybe since you work a lot on thinking about the product, what is your favorite feature uh that we have? >> Favorite feature? Shoot. just I just mentioned voice and it would be hard to hard to pull that one back. I I love >> the voice modality is interesting because while I’m at the office I’m not necessarily speaking to my computer because that would probably bug the people like really quiet [laughter] the AirPods in and you know but but the

[22:07] ability for >> how how do I put this concisely? It used to be the case that you had to be very very precise with your language in order for the model to do >> only the thing that you wanted it to do. Now, with the introduction of both these voice models and the call it brain of anti-gravity, um you can sort of word dump. You can just word vomit and and as long as there’s nuggets of pieces of information, the general gist of the thing will get done. And I think that’s a really powerful way of like

[22:38] >> just reducing input friction. So, I’ve been really loving voice >> plugins is also something that I’ve been really enjoying. Actually, sidecars I’ve started getting into. I recognize it’s a bit more of a power user feature. So for the for the power user devs out there, like continue to lean in. We’re gonna work on this part. But I now have these random automations going off in my life that >> everything from consumerry, you know, check the price of X every whatever to every time someone tags me to PR like go off and do this analysis so that I can come in and

[23:08] >> just be ready, be prepared for that event. Um there’s a lot of cool stuff there. So I I use um Sidecars for I have a server and I have it run a health check every day and if there’s an issue it can automatically bring something back online and it’s like that’s where I want an agent so I like can’t do it. Yeah. >> It’s insane. >> So great. Yeah. Yeah. So um is there maybe ways that you’ve changed your prompting style from like earlier versions of anti-gravity to now? Cuz I feel like you know the models are always changing. I felt like before I used to be very explicit like you said, but but

[23:39] I think also maybe um even down to like how I’m using skills. I I feel like I can just like I’m getting into this mode where I’m like I want to just get work done >> and I’m feel like it’s getting a lot easier to do a lot of things. >> Yeah. Maybe the biggest change in my behavior and shout out some of the folks on on our team who have pioneered this and made it a bit easier to do. So I I’ve started using I don’t want to say a few fewer longer conversations. >> Oh true. >> And that behavior

[24:10] >> has really unlocked I mean there’s a bunch of nice properties memory. Um the context length has gotten the context handling has gotten much better to the point where you can accumulate these quite long conversations and it’s mentally helped me stay organized. Uh, so I’ll have different swim lanes in my life, whether that be, you know, I’ve got an agent that helps me with management, I’ve got an agent that helps me with, um, you know, uh, backend changes, another for front-end changes, another for harness changes, and being able to keep these all streamlined into

[24:40] their own separate buckets. I’ve, this is a new behavior that I’ve found and mostly powered by the fact that >> the newer models are so much better at doing self-chestration. Yes, >> it’s no longer the case where every single step prior was just going to pollute your context so that your next task is completely different. Now it’s a bit more like oh if it’s going to be a big enough task it’ll send it to a sub agent. It’ll send it to a different conversation and [snorts] >> actually this >> task was you know not that many tokens in summary in that main stream. So that

[25:12] has been a way that I’ve changed my work behavior and prompting. >> Yeah. I mean, I feel like um I always had to be very explicit to be like use sub agents for this or like delegate with this command. Like um I I definitely noticed on the newer stuff it’s more natural. Yeah. >> Yeah, for sure. Um is there any maybe along that line of like any context tips on like how you’re managing these long conversations and what to do for I mean I know people will it’ll either get slower if it’s really long or you have like a lot of artifacts like when when

[25:43] do I need to like create a new conversation because I feel like that’s a [laughter] question. >> I don’t know if this is a necessarily a solved a solved problem. I think for me >> I have in my head certain >> feature milestones that I’ll there’s a bunch of features that I’ll group together uh you know we might think something I was doing internally. It’s like I was trying to bring Google Docs to uh anti-gravity and it was like okay there’s >> probably 10 different PRs that go into this. I’ll just keep the same conversation for the duration of those 10. It’ll accumulate that context. any docs that I was linking in or markdown

[26:15] implementation plans that we just have in memory. But then it was like, okay, I’m moving on to a completely new thing now. I’ll just go ahead and archive that and and switch over. Uh I don’t have an amazing answer for this because I have noticed now, you know, my artifact list is getting quite long. There’s different things that we are looking into right now to make this a more pleasant experience. But um >> not a science, but I when I completely switch tasks, I think I would generally >> Yeah. Yeah. I feel like for me it’s like um when I finished doing the thing I’m like sometimes I’ll do slash learn but I

[26:47] just like I like thinking of I start it I do the thing I close it I archive and I just kind of go so I’m basically I have open issues and I’ve been trying to tie a lot of my work to like >> issues on GitHub or something like that >> mostly so I can have an artifact of like you know a markdown file with a list of the code that was actually changed and so it can all kind of be >> totally >> colllocated. Totally. Um maybe something that like you know our community is like always asked about is like well if Gemini has a 1 million input and now output context window like why do harnesses not utilize the full context?

[27:19] >> I think you know while it can it doesn’t necessarily mean that it should and the reason why is because of things like latency or just uh the the quality of dealing with that many tokens. It’s both it’s very expensive. >> True. >> And so you know we try to find that balance. So, it’s slower, it costs more, and it isn’t necessarily, it’s not perfect memory, right? Just because I have a higher capacity to remember, >> you know, >> if I watch seven movies and I can remember all seven versus just one

[27:49] movie, I’ll probably remember details about the one much better than I will the seven. That’s true. >> And in the same way, like I think models, it’s just not perfect context and there is some degradation over over time. And then the other thing that maybe um as it’s changed too, a lot of people um you know especially early anti-gravity users use the browser like is there how are we thinking about you know just the browser evolving in general because I feel like at first it was like wow I can control the browser and that was such a big deal but now it’s uh it’s been interesting to see that evolve over time. >> Yeah, we’ll have a lot more exciting

[28:19] news coming for the browser soon. I think the way I’ve thought about it is, you know, previously the only way for the agent, again, those guardrails, the only way for the agent to verify that, you know, your web app or your game had worked was by spinning up a full-on Chrome system and >> running an extension. And it it was very cool. It was mind-blowing for the time. Now you’re starting to see that it’s pretty good at using open source libraries and systems like CDP or uh playright you know and it doesn’t need

[28:50] to reach for the heavy infrastructure that we put in front of it. >> So we’re doing some work here because I still think the core premise remains the the core idea is you have context and information in your browser and you have actions effectively just buttons you need to click >> inside of a browser. >> The agent is able to now >> do this reasonably well. So, we’re trying to bridge that gap and I think we’ll have something cool to show and and >> awesome. Yeah. And then um maybe also working on like a product like anti-gravity. I feel like there it comes

[29:22] with tons of opinions like we have everyone across the board including community. It’s like you know like I wish I did this or like this actually doesn’t work and then you have like conflicting stuff. How do you go about like you know thinking about what to prioritize and like maybe the answer is like when you know as opposed to if it should or not. Totally. The [snorts] this industry is now quite funny because ideas are becoming cheaper and cheaper because the experimentation is so easy. And so, you know, we might have had ideas >> two years ago that are valid, right? This idea of uh what’s a new one like I

[29:54] don’t know, plugins has been around for a long time. Maybe that’s not a good example, but like orchestration >> maybe that’s a good >> and just over time the it just wasn’t ready at the time. The models weren’t good enough. And there is a heavy amount of living close to the model and understanding where the model is going that will then dictate all right in the in the road map this is probably something that we should do that will land around this time where the model will also be able to now saturate that part of the product because if you release something too early

[30:26] >> you won’t actually reap the benefits because you built all this heavy infrastructure and yeah you’re compensating for model weaknesses. you release too late, then you’re just late and there’s a model overhang [clears throat] and we don’t want that. Uh so you sort of have to time it right where the the intelligence for that feature is just right at the the the right moment and that is a challenging thing and this is why having internal feedback and iterating very quickly on the internal version of anti-gravity helps to then understand okay for external anti-gravity this the time is now the time is >> yeah because I feel like sometimes we maybe I there’s features that I feel

[30:56] like we had internally for like six months you know before we released externally and it’s >> you know I feel like we have sometimes different use cases where maybe people weren’t running into the same stuff and but then there was a moment that I felt like it becomes useful. >> Totally. Yeah. I mean we’re in the business of giving the best most capable frontier intelligence to our users and sometimes models just need to catch up a little bit. >> For sure. Yeah. Speaking of like um so obviously with people um having certain amount of quota and capacity for for their plans, how would you go about like

[31:29] choosing when to go argon or flash or maybe a combination? Yeah, I think it come it sort of comes down to that way of thinking that we were talking about before. There are certain tasks that are just set up for success in the argon world. Uh and then flash. I use flash on I don’t want to say most. I actually don’t know what percentage I’m I’m reaching for flash, but I’m using flash quite a bit. That >> immediate feedback is unparalleled. You can’t get that with a different model. And so >> there is a bit, you know, I’ve heard the schools of thought around, okay, you come up with a plan and that plan takes

[32:00] a lot of research. M >> okay now go off and execute using a smaller model like flash you can do those things um I’ve also seen uh maybe the overnight stuff being something where speed and you can afford slower speeds >> uh so yeah different different intuitions >> totally okay that’s fair yeah I feel like um >> yeah it’s been interesting to be like okay even in my like prompting I’m like I’m not going to waste an argon one on this [laughter] so it’s like flash is

[32:32] In the fullness of time, I’m I’m really hoping that, you know, models will continue to to get faster, better, cheaper, and users will have to think about this less and less. And the direction that I would like the product to go is >> it just gets work done for you. You don’t really have to worry about the minute details of what project, what permissions setup you have, what model you’re selecting. There are a lot of things that I think will vanish into the background >> soon. We’ve already seen this, right? Suddenly, we’re running multiple conversations at once. Never would have thought that was the case like a year and a half ago. Totally.

[33:03] >> So, what does what does that look like a year from now? And I think >> model selection hopefully >> for sure >> maybe is one of those things. >> Yeah. Um yeah, that’s really great. Um maybe any um last minute underrated features that you feel like uh could get more attention. >> Last minute underrated features. Um generative UI is very cool. >> It is really cool. >> I love generative UI. I have a few automations set up so that I can crawl Twitter slash online forums like product metrics and

[33:33] and to see that in a rich way rather than just a block of text >> is such a cool Yeah. >> such a cool feature. >> I know it’s such a small one but I still love using the terminal. It’s like there’s so many times where it’s just like I’m like remoteed in with remote control or something. It’s just >> really nice. Remote control has been has been a nice thing as well. So great. >> Just to feel like things are always happening for you is nice. I feel like I’m using it like 80 90% of the time now like in in my usage of it. So and and of course the internal version is mostly remote control. >> Mostly remote control. Yeah. This is one of the reasons why we we had some conviction here.

[34:04] >> Yeah. Totally. Um I feel like uh I’m starting to use it on my fold a lot more. There you go. Yeah. >> Great. Yeah. Yeah. I feel like uh the things that I and it came down to even like a choice of computer. Like it used to be I would get this like super beefy laptop with all the RAM. I’d run everything locally. But now I just have like a small MacBook Air and it like I’m just remoting control and I never thought as a developer I wouldn’t need this beefy thing and so it’s been so nice to just like kind of take it on a plane and just kind of do whatever. So >> you really feel I used to walk you know

[34:35] you you’d want three screens now all of a sudden you’re just in one app and everything can happen. And I I mean I don’t know about you, but it’s like I feel like even in my personal life, it’s like I can kind of be in the moment more too because I can just like start an agent, go do something, and just like know it’s like working in the background. >> I guess there’s two schools of thought here. I was >> now that I’ve got this fold on, you know, I’m at a wedding. I’m like, >> yeah, we got to get it done. I have no excuse now. [laughter] Everything is available. So, you know, but that’s a personal problem. >> And for Yeah, exactly. for um for users

[35:05] also that if they’ve installed a PWA, what’s really nice is you can get native notifications. So, I’m even getting like pinged on my watch. Oh, wow. That’s so Yeah. And and especially I feel like I did with Flash, I felt like I do it and just like immediately notified, but now with Argon, it’s so nice cuz I could be like going and washing the car or something like that and then like in 2 hours it’s like, “Oh, okay, cool. It’s done.” And that it’s like kind of feels uh the right type of feature for that. >> Superpowers. >> Yeah, exactly. Well, uh, um, maybe as we close up, what is kind of the best way to get product feedback? I feel like, you know, we kind of talked about like

[35:36] there’s a lot of con conflicting incentives and things like that if people like want to have features, but, you know, oftent times people may have like legit use cases where they like want us to do it, but like how can they best like give us that feedback? Also knowing that like sometimes people are on different parts of the AI journey too, you know, like some people may be still using the ID as their daily. Yeah. >> But then maybe six months months from now they might be using a different product. So >> I I think the traditional angles of

[36:07] >> I don’t know call it socials and forums and whatnot. We are there. We’re doing our best to to meet you all where you are. I think that’s a that is still a valid and helpful way to communicate. Okay, >> I think another area is um uh with this whole plug-in customization ecosystem, if you build a plugin that you feel like injects, you know, maybe your own person like your own version of doing things and you can sort of codify this into a plug-in and wrap it up nicely and put it on GitHub or some other um Oh yeah, sharing platform and that is a really

[36:37] nice way to socialize and sort of validate your idea with other folks who are using the product. Um, I found that to be a pretty effective way to see, oh, you know, >> then someone else can just instantly clone it, try it, and you like, oh, yeah, I I see what you mean. This is pretty powerful. >> I feel like because everything’s so cheap, you know, it ends up being something similar to like natural selection where eventually enough people are using something where it kind of the good stuff rises up and so then we’ll we can get eyes on it, too. >> And I know some people ask like, do we see like the submit feedback button in the app? And [laughter] we we definitely

[37:08] are looking at all that. So, thank you so much. Please continue to do that. It’s like the only way is the team can even like be able to deep dive. >> Yeah. Yeah. It’s super helpful. I mean all the feedback again like we rely on this volume in order to understand what we should do with the product next, where we should take the models next, where are things failing, etc. So please keep that up and thank you if you already do this. >> Awesome. Well, uh thanks so much for joining us today in the live stream. Thanks for having me. >> Yeah, we’ll uh see you guys on socials and in the next one. Thanks.