Gemini 4 Argon sleutelt 11 uur zelf aan Googles agentcode
Google liet zijn eigen model Gemini 4 Argon een nacht lang zonder toezicht werken aan de Python-code van zijn Agent Development Kit (ADK). Na elf uur lag er een pull request klaar met zes voorstellen. Twee daarvan haalden de eindstreep, vier sneuvelden bij de menselijke review. Google beschreef het experiment op zijn Developers Blog, InfoQ bracht het zaterdag opnieuw onder de aandacht.
Een codebase van 200.000 regels
De ADK is het framework waarmee ontwikkelaars AI-agents bouwen. De repository google/adk-python telt volgens de Google-engineers George Weale en Bo Yang ongeveer 205.000 regels code verdeeld over bijna 800 bestanden, met zo’n 17.000 unittests. Argon kreeg de opdracht om knelpunten in de prestaties op te sporen die over meerdere bestanden lopen.
Een eerste poging van twee uur, zonder extra instructies, leverde wel snelheidswinst op, maar het model brak ook conventies van de maintainers. Het paste een publiek JSON-schema aan, draaide maar 216 tests en zette geen meetresultaten in de beschrijving van de pull request.
Skills en een vastgepind doel
Voor de tweede ronde schreef het team de huisregels van de repository uit in een map .agents/skills, een soort inwerkmap voor een nieuwe collega. Het is hetzelfde principe als de Agent Skills die Anthropic deze week onderbracht bij de Linux Foundation. Daarnaast gebruikten ze de /goal-modus van Antigravity, die het doel vasthoudt als de context wordt samengevat.
De run begon om 21.11 uur. Argon las twaalf richtlijnbestanden, draaide alle 16.892 unittests en leverde een pull request op met cijfers van voor en na de wijziging, met de expliciete instructie die niet zelf te mergen.
Wat er overbleef na de review
Twee optimalisaties zijn doorgevoerd. De eerste filtert sessie-events voordat ze worden gekopieerd. Dat scheelt volgens Google ongeveer 40 procent bij het voorbereiden van lange sessies, al geldt dat alleen voor de InMemorySessionService. De tweede laadt zware pakketten pas wanneer ze nodig zijn, waardoor het importeren van de ADK 21 procent sneller gaat. Over een run van 158 stappen daalde de totale tijd van 65,6 naar 56,1 seconden.
De vier afgewezen voorstellen zeggen minstens zoveel. Een cache voor multi-agentscenario’s was 17 procent sneller in een synthetische test, maar leunde op een zwakke referentie die verouderde data kon opleveren. Een ander voorstel las een privé-attribuut van OpenTelemetry uit. Twee wijzigingen hielpen alleen in kunstmatige benchmarks. De engineers vatten hun werkwijze samen als “de agent verkent, de maintainer schrapt”. Volgens InfoQ waren de afwijzingen terug te voeren op zorgen over betrouwbaarheid, onderhoudbaarheid en compatibiliteit.
Wat betekent dit
Het experiment laat zien hoe ver lange, autonome codeertaken inmiddels reiken. Een model dat elf uur doorwerkt, zijn eigen metingen doet en de volledige testsuite draait, levert echte winst op. Maar de verhouding van twee op zes laat ook zien dat de reviewer onmisbaar blijft. Dat sluit aan bij eerdere ervaringen, zoals de AI-reviews die PostgreSQL 19 vertraagden en Linus Torvalds die kernelpatches met Claude Code schrijft en ze zelf blijft controleren.
Voor teams die met agents willen werken, zit de praktische les in de voorbereiding. Het verschil tussen ronde één en twee kwam vooral uit goed opgeschreven huisregels. Wie Argon zelf wil proberen: het model is via de API, Google AI Studio en Antigravity beschikbaar, sinds kort voor iedereen.
