Google uppger att Gemini 4 Argon arbetade obevakat i 11 timmar med Python-kodbasen för företagets Agent Development Kit (ADK), ett ramverk med öppen källkod för att bygga och driftsätta agenter. Körningen ledde till två optimeringar som Google godkände: den ena minskade overheaden vid förberedelse av sessioner i minnet med omkring 40% i långa sessioner, och den andra gjorde import av paket vid kallstart 21% snabbare.
Uppgiften testade om modellen kunde förbättra ett befintligt projekt, snarare än att bygga en app från grunden. ADK har omkring 205 000 kodrader fördelade på närmare 800 källkodsfiler. Googles mjukvaruingenjör Bo Yang beskrev nattkörningen i ett inlägg daterat den 13 oktober 2026; även InfoQ rapporterade om resultaten.
Vad ändrade Argon?
Den ena ändringen gjorde att ADK filtrerade konversationshändelser innan de kopierades. Tidigare kopierade tjänsten för sessioner i minnet hela konversationen innan den begränsade den till de händelser som anroparen hade begärt. Den andra ändringen gjorde att tunga paket laddades först när de behövdes. En enkel textagent hade tidigare importerat komponenter för ljud och video, spårning och webbservrar även när den inte använde dem.
Google uppger att förbättringen av sessionerna sparade tid i takt med att konversationerna växte. I en körning med verktygsanrop och 158 turer minskade den upprepade kopieringen ramverkets overhead från 65,6 sekunder till 56,1 sekunder. Det är den tid ramverket använder, inte tiden det tar för modellen att utföra uppgiften. Google uppger också att ändringen med behovsstyrd laddning gjorde import vid kallstart 21% snabbare, men inlägget anger inte hur många sekunder som sparades.
För att styra körningen lade teamet till instruktioner särskilt för kodarkivet i .agents/skills-filer och använde läget /goal i Google Antigravity för att hålla uppgiften i fokus under den fortsatta sessionen. Argon mätte utgångsvärden för fyra arbetsbelastningar, föreslog sex optimeringar i 32 filer och körde alla 16 892 enhetstester med öppen källkod innan arbetet var klart.
Varför underkändes fyra förslag?
Google godkände bara två av de sex föreslagna ändringarna. De andra fyra avslogs efter granskning av utvecklare, med invändningar som handlade om tillförlitlighet, underhållbarhet, kompatibilitet eller om hastighetsvinsten var betydande. En cache som avslogs förbättrade ett syntetiskt riktmärke för flera agenter med 17%, men Google uppgav att den kunde returnera inaktuella data om Python återanvände en minnesadress efter skräpinsamling.
Körningen visar vad Googles team ansåg vara användbart: agenten kunde följa ändringar genom flera filer och förbereda kod för mänsklig granskning. Den visar inte att agenten kan göra och leverera ändringar på ett säkert sätt utan sådan granskning. Enligt Googles beskrivning missade ett tidigare försök teamets konventioner och vissa specialfall, och även efter nattkörningen behövde ansvariga utvecklare avgöra vilka förslag som var säkra att behålla.
Varför det spelar roll
För mjukvaruteam som underhåller stora Python-projekt tyder exemplet på att en kodningsagent kan hjälpa till att hitta prestandaförbättringar i flera filer, inte bara ändra en enskild funktion. Resultaten kommer från Googles egen beskrivning, och företagets ingenjörer avslog fortfarande fyra förslag. Körningen visar därför inte att team kan hoppa över tester eller kodgranskning.
