O Google afirma que o Gemini 4 Argon passou 11 horas trabalhando sem supervisão na base de código Python do Agent Development Kit (ADK), um framework de código aberto para criar e implantar agentes. A execução resultou em duas otimizações aprovadas pelo Google: uma reduziu em cerca de 40% a sobrecarga de preparação de sessões na memória em sessões longas; a outra tornou as importações iniciais de pacotes 21% mais rápidas.
O teste avaliou se o modelo conseguiria aprimorar um projeto existente, em vez de criar um aplicativo do zero. O ADK tem cerca de 205.000 linhas de código distribuídas por quase 800 arquivos de código-fonte. O engenheiro de software do Google Bo Yang descreveu a execução noturna em uma publicação datada de October 13, 2026; o InfoQ também noticiou os resultados.
O que Argon mudou?
Uma das mudanças fez o ADK filtrar os eventos da conversa antes de copiá-los. Antes, o serviço de sessões em memória copiava a conversa inteira e só depois a restringia aos eventos solicitados por quem fazia a chamada. A outra mudança adiou o carregamento de pacotes pesados até que fossem necessários. Um agente básico de texto importava componentes de áudio e vídeo, rastreamento e servidores web mesmo quando não os utilizava.
Segundo o Google, a melhoria nas sessões economizou tempo à medida que as conversas cresciam. Em uma execução com 158 turnos e chamadas de ferramentas, a eliminação das cópias repetidas reduziu a sobrecarga do framework de 65.6 segundos para 56.1 segundos. Esse tempo é gasto pelo framework, não pelo modelo para realizar a tarefa. O Google também afirma que a mudança para carregamento sob demanda acelerou em 21% as importações iniciais, mas a publicação não informa o tempo absoluto economizado nas importações.
Para orientar a execução, a equipe adicionou instruções específicas do repositório em arquivos .agents/skills e usou o modo /goal no Google Antigravity para manter a tarefa em foco durante a sessão. Argon mediu valores de referência em quatro cargas de trabalho, propôs seis otimizações em 32 arquivos e executou todos os 16,892 testes unitários de código aberto antes de concluir.
Por que quatro propostas foram reprovadas?
O Google aprovou apenas duas das seis mudanças propostas. As outras quatro foram rejeitadas após a revisão dos desenvolvedores, devido a preocupações com confiabilidade, facilidade de manutenção, compatibilidade ou com a relevância do ganho de velocidade. Um cache rejeitado melhorou em 17% um benchmark sintético de múltiplos agentes, mas o Google afirmou que ele poderia retornar dados desatualizados caso o Python reutilizasse um endereço de memória após a coleta de lixo.
A execução mostra o que a equipe do Google considerou útil: o agente conseguiu rastrear mudanças entre arquivos e preparar código para revisão humana. Ela não demonstra que o agente possa fazer e lançar mudanças com segurança sem essa revisão. Segundo o relato do Google, uma tentativa anterior não respeitou as convenções da equipe nem tratou casos extremos, enquanto a execução noturna ainda exigiu que os mantenedores decidissem quais propostas eram seguras para manter.
Por que importa
Para equipes de software que mantêm grandes projetos Python, o exemplo sugere que um agente de programação pode ajudar a encontrar melhorias de desempenho em vários arquivos, e não apenas editar uma função. Os resultados são um relato do próprio Google, e seus engenheiros rejeitaram quatro propostas; portanto, a execução não demonstra que as equipes possam dispensar testes ou revisão de código.
