Новый Gemini 3 Pro от Google с инструментом для вайбкодинга Antigravity

Google уже лучшие в текстах, лучшие в генерации изображений, лучшие в видео — а теперь, похоже, становятся лучшими и в вайбкодинге.

За последнее время компания представила новую языковую модель Gemini 3 Pro и инструмент Antigravity — удобный интерфейс для работы с кодом, который ощущается как новый стандарт.

Чем он так хорош?
1. Просто отлично пишет код.
2. Работает с огромным контекстом, удерживая логику даже масштабных проектов.
3. Очень быстрая работа — субъективно раз в 10 быстрее DeepSeek.
4. Полноценная среда разработки:
– проверяет собственный код
– исправляет ошибки
– позволяет откатываться к предыдущим версиям
5. Советует фичи и варианты реализации (скриншот в шапке).
6. Демонстрирует и тестирует результат прямо в браузере.
7. Генерирует не только код, но и изображения (включая вектор) — можно собирать дизайн сразу.

Пример

В видео в шапке — разработанный конструктор лонгридов.

- короткое ТЗ
- 393 секунды работы модели
- 3 итерации (я просто захотел добавить блок с кодом)*
*Google добавил его за 40 секунд, Артикулейту потребовалось 7 лет 😄

За 5 минут получился рабочий конструктор (модные ИИ-фишки с генерацией текста, конечно, есть).
Конечно, это не конкурент полноценным конструкторам курсов (если не считать встроенные в ЛМС — с некоторыми он уже может потягаться).

Блоков мало, верстка простая. Багов не нашёл (но они наверняка есть — ИИ, как-никак).

Но главное: за несколько минут можно собрать рабочий курс, назначить его сотрудникам и получить результат.

Фантастика.

———
Google Antigravity с Gemini 3 Pro — это мощный инструмент для быстрого прототипирования и проверки идей.

Идеален, когда нужно быстро проверить гипотезу или даже собрать рабочий MVP, не дожидаясь очереди у разработчиков.

Продолжаем тему вайбкодинга от Google
Чем больше пользуюсь новым инструментом для вайбкодинга от Google, тем больше думаю, что ТОП-1 навык для изучения в 2026 году (скоро же Новый год, пора строить планы, которым не суждено сбыться) – backend-разработка*.
*конечно, если мы говорим про цифровые профессии

Наверняка у всех бывало такое, что нужен сервис с каким-то простым функционалом, вариантов на рынке много (в том числе и бесплатные), а именно того, что нужно тебе, нет. Мне очень понравилась интеграция майндмепов в учебные материалы в проекте Google Learn Your Way (писал о нем тут, очень классная штука).

Прошел курс, а потом быстро, в интерактивном формате повторил основные тезисы + увидел зависимости и структуру – очень удобно.

Нужно и в свои курсы такое интегрировать!

Какие есть варианты?

1. Можно собирать майндмепы руками по шаблону.
Такой вариант даже не рассматриваем. Фишка классная, но 2Х time-to-market она не стоит.

2. Можно каждый раз вайбкодить интерактивный майндмеп.
Вариант рабочий, но это долго, регулярно вылезают баги, а внесение правок очень утомительно.

3. Можно посмотреть решения на рынке – но варианта, который подходит на 100%, не нашел (логично, необходимость добавлять майндмепы в курсы не сказать, что у каждого второго регулярно возникает).

Теперь есть и четвертый вариант – навайбкодить такой конструктор, который удовлетворяет именно твоим (в данном случае моим 😄) потребностям:

1. С определенными требованиями к дизайну (желательно в виде пресетов палитр, чтобы каждый раз не выставлять цвета).
2. С возможностью сохранения/загрузки готовых карт для внесения последующих правок.
3. С ИИ-функционалом (зачем мне с нуля делать всю карту, если я могу скинуть в ИИ сценарий курса, он нарисует, а я потом просто подправлю).
4. С выгрузкой итогового продукта в html одним файлом, чтобы без проблем можно было вставить в конструктор курсов или Тильду.
5. Еще желательно к описанию добавлять картинки, т.к. не все можно рассказать словами.

По факту, ТЗ для ИИ было чуть больше, чем описанные выше «хотелки».

На разработку варианта из видео ушло чуть больше 20 минут и 3 итерации (были путаницы с версткой + решил добавить пару мелких функций).

Конечно, нужно еще немного попользоваться, подправить несколько мелочей, но по факту это уже готовый продукт, который подходит лично мне намного больше, чем любой вариант на рынке (напомню про 20 минут разработки, поиск готовых решений занял намного больше времени). Круто же? ОЧЕНЬ КРУТО! (и бесплатно).

Так и зачем знания в backend, если Google сам все пишет?
- Чтобы писать точное ТЗ (без понимания того, что происходит «под капотом», ИИ будет писать код не так, как тебе нужно, а так, как он хочет).
- Чтобы верхнеуровнево проверять/править код.
- Чтобы в итоге это развернуть на своем сервере.
Генерация кода — это часть пути. Потом все это нужно запустить, настроить, возможно, прикрутить базу данных и т.д. С этим справится только тот, кто понимает, как все работает.
- Чтобы знать, что спросить у ИИ.
ИИ знает все, но не умеет читать мысли и не знает твоих пробелов в знаниях. Чтобы получить умный ответ – нужно задать умный вопрос.

Создавать для себя идеальный софт, где каждая кнопка и функция — именно там, где ты их задумал, — это новый уровень digital-свободы. ИИ стирает барьер сложности, но оставляет (и даже усиливает) всю радость от созидания.

А у вас были ситуации, когда готовый софт вас на 100% не устраивал? Когда хотелось взять и допилить/переделать какую-то фичу под себя?

Пост 3-в-1: Новые возможности NotebookLM от Google, human-in-the-loop, инструменты взаимодействия с ИИ и почему все это я смешал в одну кучу.

Human-in-the-Loop (Человек в петле) — это когда ИИ работает не один, а в паре с человеком. Это как автопилот в самолете: он отлично справляется с полетом по маршруту, но пилот всегда следит за ним, а взлет и посадку — самые сложные и ответственные этапы — выполняет вручную.

По мере развития ИИ эта «петля» становится умнее. В идеале система сама понимает, когда ей нужна помощь (например, при распознавании опасности/мошенничества или принятии сложного решения), и приглашает человека в процесс.

Почему это так важно? Потому что полностью автоматизированные ИИ-системы часто дают сбой, становясь причиной курьезов и ошибок. А вот системы с «человеком внутри» дают отличные результаты:
• Вайбкодинг в стартапах — помогает выпустить первую версию продукта в разы быстрее.
• Разработка курсов — ИИ переформулирует текст, генерирует примеры и картинки, а человек выверяет смысл и корректирует.
• Да и еще много всего…

Причина — контроль. ИИ не может гарантировать идеальный результат, а человек — может (в каком-то смысле 😄). Чем больше контроля, тем качественнее и предсказуемее итог.

Яркий пример, где контроль мог бы сделать продукт сильнее — обновленный Google NotebookLM. Теперь он может создавать презентации и инфографику из ваших материалов. Работает хорошо, но недостаточно. Инфографика красивая, «залипательная», но с ошибками и не везде понятная (а разве не в этом ее основная задача?😊).

Результат работы — это статичный PDF или картинка, которые не так просто и удобно редактировать.

Вот именно здесь и проявляется идея «человека в петле».

Представьте, если бы:
1. Презентации генерировались сразу в редактируемом PowerPoint/Google Slides.
2. В инфографике можно было бы кликнуть и поменять любой текст или элемент.

Это был бы не просто шаг вперед — это был бы переход в другой класс продуктов: от ИИ-генератора финальных версий к ИИ-партнеру для совместного творчества.

А теперь — главная мысль, ради которой я все это смешал в одну кучу.

Сейчас главный фокус у ИИ-гигантов — это гонка за мощностью моделей (конечно, упрощаю). Новые версии выпускают каждые полгода, и это, конечно, круто. Но есть проблема: с каждым релизом разница в качестве становится все менее заметной для обычного пользователя. Мы приближаемся к потолку, где «еще более умный» не всегда значит «еще более полезный».

А вот где скрыт колоссальный, почти нетронутый потенциал — так это в инструментах взаимодействия.

Представьте:
• Редактировать только часть изображения, как в том же Photoshop.
• Выбирать четкую цветовую палитру одним кликом, как в Recraft.
• Перегенерировать только фрагмент видео или изолированно звук и липсинк, а не делать все заново (такого, вроде, еще нет).

Конечно, единичные инструменты контроля уже появляются. Но они находятся в зачаточном состоянии (как в примерах выше) и, что ключевое, их почти нет в арсенале крупных игроков, задающих тренд.

Это пока эксперименты, а не стандарт.
Такие инструменты дадут не просто «лучшую картинку», а принципиально новый уровень контроля и творчества. Они превратят ИИ из черного ящика, который «выплевывает» результат, в настоящую мастерскую, где вы — главный.

Итог: Будущее — не только за более мощными моделями, но и за интерфейсами, которые по-настоящему впустят «человека в петлю». Лучшие ИИ-проекты не заменяют нас, а усиливают, оставляя за нами последнее слово и право на легкую правку. Потому что финальное качество рождается на стыке возможностей машины и нашего здравого смысла.

Вайбкодинг для симуляторов ПО
Собрать «стандартный» симулятор софта в привычных конструкторах несложно: наделал скриншотов, раскидал по слайдам, добавил кнопки-триггеры. Если заморочиться, можно прикрутить интерактив: слайдеры, галочки, поиск, и.т.д.

Но проблема в том, что такой подход почти не дает импакта (эффекта погружения).

Пользователь не чувствует, что работает в реальном ПО. У него сохраняется стойкое ощущение, что он просто кликает по картинкам. Интерактивность условная, опыт — «плоский».

Разработка полноценного демо-ПО — это обычно дорого, долго, а интерфейсы постоянно меняются — не угонишься.

Вайбкодинг решает эту проблему.
Механика простая: загружаешь* скриншоты разных окон в LLM, просишь «сделай как на картинке» — и ИИ делает 😄.
*не забываем про требования ИБ и персональные данные

Для примера я сделал симулятор amoCRM (видео и исходный скрин прилагаю).

Да, ИИ не идеально копирует иконки и некоторые UI элементы с первого раза (хотя очень близко), но это решается парой итераций и прямой подгрузкой иконок. Главное — интерфейс «живой», поля заполняются, кнопки реагируют.

Что важно понимать:

1. Это не кнопка «сделать все»
ИИ нужно объяснить, что код пойдет в LMS (и что он там должен работать😄), и прописать саму логику учебных сценариев.

2. Вопрос трудозатрат
Если вам нужно сделать простой линейный тренажер на 10 экранов, Time-to-Market у вайбкодинга будет сильно выше (это дольше, чем накидать скрины в конструктор). Но если речь о десятке сложных, больших сценариев — разница во времени стирается.

Зато результат — на голову выше. Такой продукт воспринимается реалистичнее, вовлекает сильнее, а значит, и перенос навыка в реальную работу происходит намного проще.