# Gemini 4 Argon reduce la sobrecarga de ADK en 11 horas > Google afirma que el agente de programación encontró dos optimizaciones útiles en su framework de Python de 205,000 líneas. Otras cuatro propuestas fueron rechazadas durante la revisión. Oossa · 2026-10-24 · https://oossa.com/es/gemini-4-argon-cut-adk-overhead-in-an-11-hour-coding-run Google afirma que Gemini 4 Argon trabajó sin supervisión durante 11 horas en el código Python de Agent Development Kit (ADK), un framework de código abierto para crear e implementar agentes. La ejecución produjo dos optimizaciones que Google aceptó: una redujo cerca de un 40% la sobrecarga de preparación de sesiones en memoria durante las sesiones largas, y otra aceleró un 21% las importaciones en frío de paquetes. La tarea puso a prueba si el modelo podía mejorar un proyecto existente, en lugar de crear una aplicación desde cero. ADK tiene unas 205,000 líneas de código repartidas en casi 800 archivos fuente. Bo Yang, ingeniero de software de Google, describió la ejecución nocturna en una publicación fechada el 13 de octubre de 2026; InfoQ también informó sobre los resultados. ## ¿Qué cambió Argon? Un cambio hizo que ADK filtrara los eventos de conversación antes de copiarlos. Antes, el servicio de sesiones en memoria copiaba la conversación completa y después la limitaba a los eventos solicitados por quien hacía la llamada. El otro cambio aplazó la carga de los paquetes pesados hasta que fueran necesarios. Un agente básico de texto importaba componentes de audio y video, trazado y servidores web, aunque no los utilizara. Google afirma que la mejora en las sesiones ahorró tiempo a medida que las conversaciones crecían. En una ejecución de 158 turnos con llamadas a herramientas, eliminar las copias repetidas redujo la sobrecarga del framework de 65.6 segundos a 56.1 segundos. Ese tiempo corresponde al framework, no al que necesitó el modelo para completar la tarea. Google también afirma que la carga diferida aceleró un 21% las importaciones en frío, pero la publicación no indica cuánto tiempo se ahorró en términos absolutos. Para orientar la ejecución, el equipo añadió instrucciones específicas para el repositorio en archivos .agents/skills y usó el modo /goal de Google Antigravity para mantener la tarea presente durante la sesión. Argon midió valores de referencia en cuatro cargas de trabajo, propuso seis optimizaciones en 32 archivos y ejecutó las 16,892 pruebas unitarias de código abierto antes de terminar. ## ¿Por qué se rechazaron cuatro propuestas? Google aceptó solo dos de los seis cambios propuestos. Rechazó los otros cuatro tras la revisión de los desarrolladores, por motivos relacionados con la fiabilidad, la facilidad de mantenimiento, la compatibilidad o la relevancia de las mejoras de velocidad. Una caché rechazada mejoraba un 17% un benchmark sintético multiagente, pero Google señaló que podía devolver datos obsoletos si Python reutilizaba una dirección de memoria después de la recolección de basura. La ejecución muestra qué consideró útil el equipo de Google: el agente pudo rastrear cambios en distintos archivos y preparar código para la revisión humana. No demuestra que pueda hacer e implementar cambios de forma segura sin esa revisión. Según el relato de Google, un intento anterior pasó por alto las convenciones del equipo y algunos casos límite; en la ejecución nocturna, los responsables del mantenimiento aún tuvieron que decidir qué propuestas era seguro conservar. ## Los hechos - Google describió la ejecución nocturna de Gemini 4 Argon en una publicación de blog fechada el 13 de octubre de 2026. - ADK contiene unas 205,000 líneas de Python repartidas en casi 800 archivos fuente y tiene 16,892 pruebas unitarias de código abierto. - Google aceptó dos de las seis optimizaciones propuestas; la sobrecarga de preparación de sesiones cayó cerca de un 40% en sesiones largas y las importaciones en frío de paquetes fueron un 21% más rápidas. - En una ejecución de 158 turnos con llamadas a herramientas, Google midió una reducción de la sobrecarga del framework de 65.6 segundos a 56.1 segundos. ## Por qué importa Para los equipos de software que mantienen grandes proyectos de Python, el ejemplo sugiere que un agente de programación puede ayudar a encontrar mejoras de rendimiento en varios archivos, no solo a editar una función. Los resultados corresponden al propio relato de Google y sus ingenieros rechazaron cuatro propuestas, así que esta ejecución no demuestra que los equipos puedan prescindir de las pruebas o de la revisión del código. ## Fuentes y referencias 1. [Google Optimizes Agent Development Kit's 200K-line Python Codebase Overnight with Gemini 4 Argon](https://www.infoq.com/news/2026/10/google-argon-optimizes-adk/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=AI%2C+ML+%26+Data+Engineering) – InfoQ, 2026-10-24 2. [Google](https://developers.googleblog.com/optimizing-a-200000-line-python-codebase-overnight-with-gemini-4-argon/) – Google Última actualización: 2026-10-24