# Gemini 4 Argon riduce l’overhead dell’ADK in 11 ore di lavoro

> Google afferma che l’agente di coding ha individuato due ottimizzazioni utili nel framework Python da 205.000 righe. Altre quattro proposte sono state respinte in fase di revisione.

Oossa · 2026-10-24 · https://oossa.com/it/gemini-4-argon-cut-adk-overhead-in-an-11-hour-coding-run

Google afferma che Gemini 4 Argon ha lavorato per 11 ore senza supervisione sul codice Python dell’Agent Development Kit (ADK), un framework open source per creare e distribuire agenti. La sessione ha prodotto due ottimizzazioni approvate da Google: una ha ridotto di circa il 40% l’overhead della preparazione delle sessioni in memoria nelle conversazioni lunghe; l’altra ha reso del 21% più rapidi i caricamenti a freddo dei pacchetti.

L’esperimento mirava a verificare se il modello fosse in grado di migliorare un progetto esistente, anziché creare un’app da zero. ADK conta circa 205.000 righe di codice distribuite in quasi 800 file sorgente. Bo Yang, ingegnere del software di Google, ha descritto la sessione notturna in un post del 13 ottobre 2026; anche InfoQ ne ha riportato i risultati.

## Che cosa ha modificato Argon?

Una modifica ha introdotto il filtraggio degli eventi della conversazione prima della loro copia. In precedenza, il servizio di sessione in memoria copiava l’intera conversazione e solo dopo la restringeva agli eventi richiesti dal chiamante. L’altra modifica ha rimandato il caricamento dei pacchetti più pesanti fino al momento in cui servivano. Un semplice agente testuale importava componenti per audio e video, tracing e server web anche quando non li utilizzava.

Secondo Google, il miglioramento delle sessioni ha fatto risparmiare tempo con l’allungarsi delle conversazioni. In un’esecuzione con chiamate a strumenti e 158 turni, eliminare le copie ripetute ha ridotto l’overhead del framework da 65.6 secondi a 56.1 secondi. Si tratta del tempo impiegato dal framework, non di quello necessario al modello per svolgere il compito. Google afferma inoltre che il caricamento su richiesta ha accelerato del 21% i caricamenti a freddo, ma nel post non indica il tempo assoluto risparmiato.

Per guidare l’esecuzione, il team ha aggiunto istruzioni specifiche per il repository nei file .agents/skills e ha usato la modalità /goal di Google Antigravity per mantenere il compito in primo piano durante la sessione. Argon ha misurato i valori di riferimento su quattro carichi di lavoro, proposto sei ottimizzazioni distribuite in 32 file ed eseguito tutti i 16,892 test unitari open source prima di terminare.

## Perché quattro proposte sono state respinte?

Google ha approvato solo due delle sei modifiche proposte. Le altre quattro sono state respinte dopo la revisione degli sviluppatori per dubbi legati, tra l’altro, ad affidabilità, manutenibilità, compatibilità o alla rilevanza effettiva del guadagno di velocità. Una cache respinta migliorava del 17% un benchmark sintetico multi-agente, ma Google ha spiegato che avrebbe potuto restituire dati non aggiornati se Python avesse riutilizzato un indirizzo di memoria dopo la garbage collection.

L’esperimento mostra quali risultati il team di Google ha giudicato utili: l’agente è riuscito a seguire modifiche che coinvolgevano più file e a preparare codice da sottoporre alla revisione umana. Non dimostra che possa apportare e distribuire modifiche in sicurezza senza tale revisione. Nel suo resoconto, Google afferma che un tentativo precedente non aveva rispettato le convenzioni del team e aveva trascurato casi limite; anche dopo la sessione notturna, i manutentori hanno dovuto decidere quali proposte fosse sicuro mantenere.

## I fatti

- Google ha descritto la sessione notturna di Gemini 4 Argon in un post sul blog del 13 ottobre 2026.
- ADK comprende circa 205.000 righe di codice Python distribuite in quasi 800 file sorgente e include 16,892 test unitari open source.
- Google ha approvato due delle sei ottimizzazioni proposte: l’overhead della preparazione delle sessioni è diminuito di circa il 40% nelle sessioni lunghe e i caricamenti a freddo dei pacchetti sono diventati più rapidi del 21%.
- In un’esecuzione con chiamate a strumenti e 158 turni, Google ha misurato una riduzione dell’overhead del framework da 65.6 secondi a 56.1 secondi.

## Perché conta

Per i team software che mantengono progetti Python di grandi dimensioni, l’esempio suggerisce che un agente di coding può aiutare a individuare miglioramenti delle prestazioni su più file, non soltanto a modificare una singola funzione. I risultati sono quelli riportati da Google e i suoi ingegneri hanno comunque respinto quattro proposte: l’esperimento non dimostra quindi che si possa rinunciare ai test o alla revisione del codice.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-24