گوگل می‌گوید Gemini 4 Argon به‌مدت 11 ساعت بدون نظارت روی کدهای پایتونی کیت توسعه عامل (ADK) کار کرد؛ چارچوبی متن‌باز برای ساخت و استقرار عامل‌ها. این اجرا به دو بهینه‌سازی انجامید که گوگل پذیرفت: یکی سربار آماده‌سازی نشست در حافظه را در نشست‌های طولانی حدود 40% کاهش داد و دیگری واردکردن سرد بسته‌ها را 21% سریع‌تر کرد.
هدف این آزمایش بررسی توانایی مدل در بهبود یک پروژه موجود بود، نه ساختن اپلیکیشن از صفر. ADK حدود 205,000 خط کد در نزدیک به 800 فایل منبع دارد. بو یانگ، مهندس نرم‌افزار گوگل، در پستی به تاریخ October 13, 2026، اجرای شبانه را شرح داد؛ InfoQ نیز نتایج را گزارش کرد.
Argon چه تغییراتی ایجاد کرد؟
یکی از تغییرها باعث شد ADK رویدادهای گفتگو را پیش از کپی‌کردن فیلتر کند. پیش‌تر، سرویس نشست درون‌حافظه‌ای ابتدا کل گفتگو را کپی می‌کرد و بعد آن را به رویدادهای درخواستی فراخواننده محدود می‌ساخت. تغییر دیگر، بارگذاری بسته‌های سنگین را تا زمان نیاز به آن‌ها به تعویق انداخت. یک عامل متنی ساده، حتی در صورت استفاده‌نکردن از مؤلفه‌های صوتی و ویدیویی، رهگیری و وب‌سرورها، آن‌ها را وارد می‌کرد.
گوگل می‌گوید بهبود نشست با طولانی‌ترشدن گفتگوها در زمان صرفه‌جویی کرد. در یک اجرای 158 نوبتیِ فراخوانی ابزار، حذف کپی‌کردن‌های تکراری، سربار چارچوب را از 65.6 ثانیه به 56.1 ثانیه کاهش داد. این زمان، مدت صرف‌شده از سوی چارچوب است، نه زمانی که مدل برای انجام کار نیاز دارد. گوگل همچنین می‌گوید تغییر بارگذاری تنبل، واردکردن سرد را 21% سریع‌تر کرد؛ اما در پست، زمان مطلق صرفه‌جویی‌شده در واردکردن بسته‌ها ذکر نشده است.
برای هدایت اجرا، تیم دستورالعمل‌های ویژه مخزن را در فایل‌های .agents/skills اضافه کرد و از حالت /goal در Google Antigravity استفاده کرد تا هدف کار در طول نشست پیش چشم بماند. Argon مبناها را در چهار بارکاری اندازه‌گیری کرد، شش بهینه‌سازی را در 32 فایل پیشنهاد داد و پیش از پایان کار، هر 16,892 آزمون واحد متن‌باز را اجرا کرد.
چرا چهار پیشنهاد در بازبینی رد شدند؟
گوگل فقط دو مورد از شش تغییر پیشنهادی را پذیرفت. چهار مورد دیگر پس از بازبینی توسعه‌دهندگان و به‌دلیل نگرانی‌هایی درباره قابلیت اطمینان، نگهداشت‌پذیری، سازگاری یا معنادار بودن بهبود سرعت رد شدند. یکی از حافظه‌های نهان پیشنهادی، در یک آزمون ساختگی چندعاملی، عملکرد را 17% بهتر کرد؛ اما گوگل گفت اگر پایتون پس از جمع‌آوری زباله از یک نشانی حافظه دوباره استفاده کند، این حافظه نهان ممکن است داده‌های قدیمی برگرداند.
این اجرا نشان می‌دهد تیم گوگل چه چیزی را مفید دانسته است: عامل توانست تغییرات را در فایل‌های مختلف دنبال کند و کد را برای بازبینی انسانی آماده سازد. اما این آزمایش نشان نمی‌دهد عامل می‌تواند بدون بازبینی، با خیال آسوده تغییرات را اعمال و منتشر کند. طبق گزارش گوگل، تلاش قبلی با قراردادهای تیم و موارد مرزی سازگار نبود و حتی اجرای شبانه نیز به تصمیم نگه‌داران پروژه نیاز داشت تا مشخص کنند کدام پیشنهادها را می‌توان با اطمینان حفظ کرد.
چرا مهم است
برای تیم‌های نرم‌افزاری که پروژه‌های بزرگ پایتونی را نگه‌داری می‌کنند، این نمونه نشان می‌دهد عامل کدنویسی می‌تواند به یافتن راهکارهای بهبود عملکرد در چندین فایل کمک کند، نه اینکه فقط یک تابع را ویرایش کند. نتایج روایت خود گوگل است و مهندسان این شرکت چهار پیشنهاد را رد کردند؛ بنابراین این اجرا ثابت نمی‌کند که تیم‌ها می‌توانند آزمون یا بازبینی کد را کنار بگذارند.
