Il 13 ottobre 2026 Google ha pubblicato un resoconto in cui attribuisce a Gemini 4 Argon due modifiche accettate nel codice dell’Agent Development Kit (ADK), dopo una sessione di lavoro di 11 ore. Nei test dell’azienda, le modifiche hanno ridotto alcuni tempi del framework: circa il 40% in meno per la preparazione delle sessioni lunghe in memoria e il 21% in meno per un import a freddo. Sono misure dell’overhead di ADK, non della velocità generale con cui Argon scrive codice o risponde.
Che cosa misura il test ADK
L’esperimento riguardava google/adk-python, il repository Python dell’ADK, che Google descrive come composto da circa 205.000 righe e quasi 800 file sorgente. Google afferma che Argon ha lavorato per 11 ore in modalità /goal di Google Antigravity, dopo aver letto 12 file con indicazioni per il repository. Il resoconto non precisa la data di calendario della sessione. Google descrive l’esperimento e i suoi risultati.
Per isolare i tempi del framework, Google dice di aver usato risposte istantanee del modello e degli strumenti, richieste al modello identiche prima e dopo e mediane di 6–12 esecuzioni. Le misure riguardano attività diverse, dalle sessioni in memoria all’avvio di un nuovo processo:
| Carico di lavoro e condizioni | Prima | Dopo | Variazione riportata |
| Preparazione prima della richiesta al modello, dopo 50 turni; sessione in memoria, garbage collection disattivata | 64 ms | 36 ms | −43% |
| Preparazione prima della richiesta al modello, dopo 150 turni; sessione in memoria, garbage collection disattivata | 200 ms | 122 ms | −39% |
import google.adk a freddo, in un nuovo processo Python | 1,22 s | 0,97 s | −21% |
| Avvio di un nuovo processo fino alla prima richiesta al modello, inclusi import a freddo e preparazione del primo turno | 3,07 s | 3,09 s | Praticamente invariata |
| Esecuzione completa di 158 turni, con tre cicli di quattro chiamate agli strumenti per turno e garbage collection attiva | 65,6 s | 56,1 s | −9,5 s (circa −14,5%) |
La riduzione maggiore riguarda la preparazione delle sessioni in memoria. L’avvio di un processo nuovo fino alla prima richiesta al modello è invece rimasto praticamente invariato: il caricamento differito di alcuni moduli sposta parte del lavoro al primo turno. Anche il risultato dell’esecuzione di 158 turni si riferisce alle condizioni controllate descritte da Google, non alla velocità di generazione del modello.
Le modifiche accettate e il loro ambito
Argon ha proposto sei cambiamenti; i revisori ne hanno accettati due. Il primo filtra gli eventi richiesti della cronologia di una sessione in memoria prima di copiarli. Il secondo carica alcuni moduli pesanti solo quando servono, mantenendo accessibili gli attributi pubblici che possono essere modificati nei test.
Google limita il calo nella preparazione delle sessioni a InMemorySessionService. Nel test, le letture da archivi esterni e database, compresi SQLite, Gemini platform, Firestore e Redis, non sono migliorate. Tra le quattro proposte respinte c’era una cache degli eventi che migliorava del 17% un benchmark sintetico, ma poteva restituire dati non aggiornati. La modifica finale revisionata riguardava 22 file e aggiungeva 17 funzioni di test; Google riferisce inoltre di aver rieseguito tutti i 16.892 test open source del progetto.
Il risultato ADK aggiunge una misura circoscritta al quadro sui benchmark e sull’uso pratico di Argon già trattato nel precedente approfondimento di NeoTeo: qui il dato riguarda tempi interni al framework, non una valutazione complessiva del modello.
I benchmark di coding danno risultati diversi
Google ha riportato il 77,9% in DeepSWE v1.1. MindStudio riporta invece il 55% per Argon in Frontier SWE v2, contro il 65,5% di GPT-6 Astra e il 62,3% di Claude Opus 5.5. Nella comparazione di MindStudio su Terminal-Bench, Argon è al 57,4% e Claude Opus 5.5 al 66,4%. MindStudio segnala che il risultato DeepSWE di Argon usa la configurazione di valutazione di Google, mentre quelli dei concorrenti provengono da classifiche e schede tecniche diverse.
Vals AI riporta per Argon il 68,17% ± 4,35 in Code Migration e il 91,91% ± 1,90 in Vibe Code Bench v1.1. Nelle rispettive liste, Claude Sonnet 5.5 registra il 69,83% e il 92,39%. Poiché ogni suite misura attività diverse e i confronti non condividono sempre le stesse condizioni, questi punteggi non definiscono un vincitore generale nel coding.
Un esempio separato: Navin Reddy su CamStudio Recorder
In un video in inglese, Navin Reddy, creator di Telusko, racconta di aver usato Argon in accesso anticipato mentre costruiva e aggiornava CamStudio Recorder, un’applicazione di circa 20.000 righe sviluppata con Rust, React e WebGL. È un’esperienza personale distinta dal test di Google, non un benchmark standardizzato.
