Em relato publicado em 13 de outubro de 2026, o Google afirmou que duas mudanças propostas pelo Gemini 4 Argon reduziram tempos específicos do Agent Development Kit (ADK), seu framework de agentes em Python. A execução durou 11 horas; após revisão humana, duas das seis propostas foram aceitas. As medições tratam da sobrecarga do framework, não da velocidade de resposta do modelo nem da capacidade geral do Argon para programar. Google Developers Blog
O NeoTeo já havia abordado relatos sobre o desempenho prático do Gemini 4 Argon e a resposta do Google. O caso do ADK acrescenta medições de uma camada específica do trabalho de programação: o tempo gasto pelo framework antes de acionar o modelo.
Como o Google estruturou o teste
O teste usou o repositório google/adk-python, que o Google descreve como um projeto de cerca de 205 mil linhas, quase 800 arquivos-fonte e quase 17 mil testes unitários. Na segunda rodada, o Argon trabalhou sem supervisão por 11 horas no Google Antigravity, em modo /goal, depois de ler 12 arquivos de orientações para o repositório. A execução propôs seis mudanças em 32 arquivos; os revisores aceitaram duas e rejeitaram quatro.
Para medir o efeito das mudanças, o Google usou respostas instantâneas do modelo e das ferramentas, solicitações idênticas antes e depois e medianas de seis a 12 execuções. O conjunto de teste reservado havia sido preparado antes da execução e não foi mostrado ao Argon. Esse desenho buscava isolar a sobrecarga do ADK.
O que os números do ADK medem
Os resultados variam conforme a tarefa: alguns medem a preparação de sessões em memória antes de uma chamada ao modelo; outros, a importação de pacotes ou a duração de uma execução completa. Todos são tempos do teste relatado pelo Google.
| Carga de trabalho e condições | Antes | Depois | Mudança calculada |
| Primeira chamada após 50 turnos anteriores; sessão em memória; coleta de lixo desligada | 64 ms | 36 ms | Cerca de 44% menos |
| Primeira chamada após 150 turnos anteriores; sessão em memória; coleta de lixo desligada | 200 ms | 122 ms | 39% menos |
import google.adk a frio, em um novo processo Python | 1,22 s | 0,97 s | Cerca de 21% menos |
| Processo novo até a primeira chamada ao modelo, incluindo importação a frio e preparação do primeiro turno | 3,07 s | 3,09 s | Praticamente estável |
| Execução completa de 158 turnos; três rodadas de quatro chamadas a ferramentas por turno; coleta de lixo ligada | 65,6 s | 56,1 s | 9,5 s a menos, cerca de 14,5% |
A queda na preparação de sessões longas não significa que o Argon passou a gerar respostas mais rapidamente. No teste, o tempo de preparação caiu de 200 ms para 122 ms após 150 turnos anteriores, antes de o modelo receber a solicitação. Já o percurso de um processo novo até a primeira chamada ficou praticamente igual: 3,07 segundos antes e 3,09 depois, porque os módulos carregados sob demanda entram em cena no primeiro turno.
Quais partes do ADK mudaram
Uma mudança filtra os eventos de uma sessão em memória antes de copiá-los. A outra adia o carregamento de determinados pacotes pesados até que sejam necessários, mantendo os atributos públicos disponíveis para testes e ajustes. O Google resume em cerca de 40% a redução da sobrecarga de preparação em sessões longas com InMemorySessionService.
Esse resultado se limita a esse serviço de sessão em memória. O Google diz que a mudança não reduziu os tempos de leitura dos armazenamentos de sessão baseados em bancos de dados externos, SQLite, Gemini platform, Firestore ou Redis.
A revisão humana também descartou quatro propostas. Entre elas estavam um cache que melhorava em 17% um benchmark sintético, mas podia devolver dados desatualizados, e um índice que ajudava testes sintéticos de reprodução de fluxos, sem melhorar a latência das tarefas rotineiras no conjunto reservado. Os revisores também rejeitaram uma consulta a um atributo privado de OpenTelemetry e uma reformulação do histórico sem ganho de latência de ponta a ponta.
Os resultados de programação variam entre benchmarks
O Google informou 77,9% no DeepSWE v1.1. Esse resultado não se traduz em uma liderança geral: as avaliações cobrem tarefas diferentes e mostram desempenhos distintos. Anúncio do Google sobre o Gemini 4 Argon
Na análise da MindStudio, o Argon marcou 55% no Frontier SWE v2, abaixo dos 65,5% do GPT-6 Astra e dos 62,3% do Claude Opus 5.5. Na comparação de Terminal-Bench publicada pela mesma empresa, o Argon ficou com 57,4%, ante 66,4% do Claude Opus 5.5. A MindStudio ressalva que o resultado do Argon no DeepSWE usou o harness de agente do Google, enquanto os números dos concorrentes vieram de outros placares e documentos de sistema. Análise da MindStudio sobre os benchmarks
A Vals AI lista 68,17% ± 4,35 no Code Migration e 91,91% ± 1,90 no Vibe Code Bench v1.1 para o Argon. Na mesma página, o Claude Sonnet 5.5 aparece com 69,83% no Code Migration e 92,39% no Vibe Code Bench v1.1. Cada pontuação descreve uma avaliação própria; em conjunto, esses resultados não apontam um vencedor geral para programação. Resultados da Vals AI
O que acrescenta o relato de Navin Reddy
Fora do teste do Google, Navin Reddy, criador da Telusko, relata ter usado o Argon com acesso antecipado enquanto desenvolvia e iterava no CamStudio Recorder, um aplicativo de cerca de 20 mil linhas feito com Rust, React e WebGL. É um relato de trabalho em um projeto específico, não uma comparação padronizada entre modelos. Relato de Navin Reddy, da Telusko
