Op 13 oktober 2026 publiceerde Google een verslag van Gemini 4 Argon op het Python-framework Agent Development Kit (ADK). Google meldt dat na een run van elf uur twee van de zes voorgestelde wijzigingen na menselijke beoordeling zijn geaccepteerd. In Googles tests verlaagden die wijzigingen bepaalde vormen van overhead in ADK; de metingen gaan niet over de algemene programmeersnelheid van het model. Googles verslag over de ADK-optimalisatie
Dit is een concrete Python-case naast NeoTeo’s eerdere bericht over de prestaties van Gemini 4 Argon: Google beschrijft nu aanpassingen aan de interne verwerking van zijn framework.
Wat Google in de ADK-test heeft gemeten
Google testte de wijzigingen met een aparte holdoutset, die Argon vooraf niet te zien kreeg. Het bedrijf gebruikte identieke modelverzoeken voor en na de wijzigingen, liet model en tools direct reageren en nam medianen van zes tot twaalf runs. Zo richtten de metingen zich op framework-overhead: de extra verwerkingstijd die ADK toevoegt, los van de tijd die het model nodig heeft om een antwoord te genereren.
| Werklast en voorwaarden | Voor | Na | Gemelde verandering |
| Eerste modelverzoek na 50 eerdere beurten; in-memory sessie, garbage collection uit | 64 ms | 36 ms | −43% |
| Eerste modelverzoek na 150 eerdere beurten; in-memory sessie, garbage collection uit | 200 ms | 122 ms | −39% |
Koude import google.adk in een nieuw Python-proces | 1,22 s | 0,97 s | −21% |
| Nieuw proces tot het eerste modelverzoek, inclusief koude import en voorbereiding van de eerste beurt | 3,07 s | 3,09 s | +1%, praktisch gelijk |
| Volledige run van 158 beurten; drie rondes met vier toolaanroepen per beurt, garbage collection aan | 65,6 s | 56,1 s | 9,5 s korter, circa 14,5% |
De eerste twee regels meten de voorbereidingstijd vóór een modelverzoek bij lange sessies. De volledige run van 158 beurten duurde volgens de opgegeven waarden 9,5 seconden korter. Een koudere import betekent echter niet automatisch dat ook het eerste modelverzoek sneller komt: in de test bleef die totale tijd vrijwel gelijk. Google schrijft dat toe aan de uitgestelde modules, die alsnog tijdens de eerste agentbeurt worden geladen.
Welke ADK-paden veranderden
De onderzochte repository, google/adk-python, bevat volgens Google ongeveer 205.000 regels code en bijna 800 bronbestanden. Voor de tweede run gaf Google Argon 12 richtlijnbestanden mee en gebruikte het /goal in Google Antigravity. De run duurde elf uur; Google meldt dat daarna de volledige suite van 16.892 open-source tests opnieuw is uitgevoerd.
De twee geaccepteerde wijzigingen pakken verschillende kostenposten aan. De eerste filtert de benodigde gebeurtenissen uit een in-memory sessiegeschiedenis vóórdat die gegevens worden gekopieerd. De tweede laadt geselecteerde zware pakketten pas wanneer ze nodig zijn, terwijl publieke attributen aanpasbaar blijven voor tests en andere code.
De optimalisatie van sessievoorbereiding geldt volgens Google voor InMemorySessionService. Google meldt geen verbetering voor het uitlezen van externe database-, SQLite-, Gemini platform-, Firestore- en Redis-sessiestores. De winst is dus verbonden aan het pad voor sessies in het geheugen, niet aan elke ADK-configuratie.
Menselijke beoordeling bepaalde ook wat níét in de uiteindelijke wijzigingen belandde. Google zegt dat reviewers vier andere voorstellen afwezen. Een daarvan verbeterde een synthetische benchmark met 17%, maar kon volgens het bedrijf verouderde gegevens opleveren.
Argons programmeerscores verschillen per benchmark
Google rapporteert 77,9% op DeepSWE v1.1. Andere suites geven een minder eenduidig beeld. MindStudio rapporteert 55% voor Argon op Frontier SWE v2, tegenover 65,5% voor GPT-6 Astra en 62,3% voor Claude Opus 5.5. In MindStudio’s Terminal-Bench-vergelijking haalt Argon 57,4%, tegenover 66,4% voor Claude Opus 5.5. Googles DeepSWE-resultaat en MindStudio’s benchmarkanalyse
MindStudio merkt bij DeepSWE op dat de Argon-score met Googles agent-harnas is behaald, terwijl de scores van concurrenten uit andere ranglijsten en systeemkaarten komen. Vals AI rapporteert daarnaast 68,17% ± 4,35 op Code Migration en 91,91% ± 1,90 op Vibe Code Bench v1.1; op die benchmarks vermeldt het respectievelijk 69,83% voor Claude Sonnet 5.5 en 92,39% voor hetzelfde model. Vals AI’s benchmarkresultaten voor Gemini 4 Argon
Deze percentages komen uit verschillende tests en vormen geen gezamenlijke ranglijst. De resultaten laten zien dat Argons positie per programmeertaak verschilt; ze wijzen niet één algemene winnaar aan.
Een ontwikkelaar deelt een afzonderlijke projectervaring
Navin Reddy, maker van Telusko, vertelt dat hij met vroege toegang tot Argon werkte aan CamStudio Recorder, een applicatie van ongeveer 20.000 regels in Rust, React en WebGL. Dat is zijn eigen praktijkervaring, geen gestandaardiseerde benchmark. Reddy beschrijft zijn ervaring in deze Engelstalige video:
