谷歌发布Gemini4Argon 官方给了几个这个模型写代码的几个例子：

理清 Chrome 中的浏览器功能代码：Argon 帮助 Chrome 团队将核心网页处理代码从一个有约 600 万行的历史遗留浏览器功能代码文件夹里分离开，而这些代码被掩码在 Chromium 4000 万行代码库中。通过批量传输多项整洁的代码变更优化，Argon 协助团队完成了涉及数百个文件的架构重构，将原本需要数月的工作缩短至几周内完成。对于全球数十亿 Chrome 用户而言，这将使加载中的网页能够在标签页、侧边栏和悬浮窗口之间流畅移动而无需重新加载，从而解决一整类导致浏览器崩溃的问题。

在数小时内优化生产级 Python 代码库：Antigravity 中的 Argon 正在帮助 Google 开源智能体开发工具包（ADK，一个为企业级智能体提供支持的框架）背后的团队进一步提升其性能。该团队向 Argon 提供了其 .agents/skills 规则手册以及一个简短明确的目标：在不破坏现有应用的前提下消除框架带来的额外开销。Argon 在夜间自主工作，提出了各种优化方案 （现已在 google/adk-python 中上线），使长会话中的内存会话准备时间减少了 40%，并将冷导入速度提高了 21%。

优化量子化学开源包：xTB (Semiempirical Extended Tight-Binding) 是分子领域被引用次数最多的开源量子化学软件包之一。科学家们使用它来预测分子的 3D 结构，以及筛选海量的候选药物和材料。借助 Antigravity 中的 Argon，我们的研究人员将 xTB 预测分子结构的速度提升了 2.3 倍，构象搜索速度提升了 1.8 倍。这些优化更新已贡献给 GitHub 上的 xTB 官方代码库。

将我们的 Gemma 开放模型速度提升近三倍：借助 Argon，我们在短短几天内就在 A100 上通过 vLLM 实现了 2.85 倍的端到端推理速度提升（将 Gemma 4 E2B 上的吞吐量从每秒约 37,900 个 token 加速到超过 108,000 个），且保证了 100% 输出 token 一致和零质量下降——而这个过程通常需要耗时数月。欢迎查看上游的拉取请求（从注意力机制调优到投机解码的全面优化），了解具体的技术改进细节。

实现复杂的 3D 可视化：与以往的 Gemini 模型相比，Argon 在空间推理、数学精度和可视化编程方面带来了显著提升。通过使用 /goal 等命令，并在 Antigravity 中结合自定义技能提示词发起多智能体循环，Google 员工正利用 Argon 直接通过原生代码制作复杂的 3D 可视化、高保真游戏和交互式动画原型，这些代码均可直接在浏览器中渲染。