Google Cloud’s Post

The article adds that OpenAI models will soon reach Google Antigravity and the Gemini Agent, which puts them beside Gemini inside Google's own agent products, not just on the Model Garden shelf

OpenAI + Google Cloud. We can’t wait to see what businesses create with our models and Codex in the cloud where their teams build every day. 👏

OpenAI + Google Cloud to ważny krok. Ale dostęp do modeli, kontrola uprawnień i governance danych nie rozwiązują jeszcze najtrudniejszego problemu: kto odpowiada za decyzję, gdy jeden agent uruchamia kolejnego? Wyobraźmy sobie łańcuch: agent A interpretuje dane, B formułuje zalecenie, C wykonuje operację, a D raportuje „sukces”. Co, jeśli A pomylił źródło, B zamienił hipotezę w fakt, C przekroczył zakres autoryzacji, a D opisał deklarację jako wynik? Wtedy mamy nie pojedynczy błąd modelu, lecz kaskadę decyzji bez przypisanej odpowiedzialności. Logi nie wystarczą, jeśli nie da się odtworzyć: co było wejściem, kto podjął decyzję, na podstawie jakiego dowodu, z jakimi uprawnieniami i jaki był rzeczywisty skutek. W systemach agentowych potrzebne są twarde granice: niezmienny ślad dowodowy, rozdział faktu od wnioskowania, weryfikowalny kontrakt wykonania, kontrola skutków, możliwość odtworzenia decyzji bez ponownego uruchamiania działania oraz blokada wykonania bez potwierdzonej autoryzacji. Skalowanie agentów bez tych mechanizmów skaluje także niepewność. Pytanie nie brzmi: „ile agentów potrafimy połączyć?”. Brzmi: „czy potrafimy udowodnić, dlaczego system zadziałał i kto za to odpowiada?”. Evidence Before Narrative. | ZT&SI

The Marketplace part is the interesting move here. Letting teams buy through Google Cloud and apply existing commitments removes a lot of procurement friction. Codex showing up inside Google Cloud workflows is a big deal for dev teams too.

The procurement angle is easy to overlook here: being able to buy through Google Cloud Marketplace against existing spend commitments removes a lot of the friction that slows enterprise AI adoption.

Codex agentic workflows landing inside Google Cloud's model garden is the part worth watching — enterprises get OpenAI's models without moving data or re-architecting their cloud setup. The real test will be whether evals and guardrails keep up when a single workflow spans two ecosystems.

Ejecutar los modelos dentro de los controles de acceso y la gobernanza de datos que el equipo ya tiene en Google Cloud nos parece lo más sensato. ¿Qué flujo agéntico crees que se beneficiará primero?

Interesting that the model garden angle is built around existing governance and spend commitments. For teams building agents, that's often the real blocker, not the model itself.

Putting frontier models inside the cloud environment teams already build in removes a lot of procurement and security friction. For most teams, the next hurdle will be evaluation and cost control once agentic workflows hit production.

The most notable line for enterprise buyers: purchases through Google Cloud Marketplace, with existing cloud spend commitments applied. If frontier-model billing folds into existing cloud contracts, procurement friction drops sharply. Worth watching whether other cloud marketplaces get the same treatment.