Laut Google hat sein Modell Gemini 4 Argon die agentischen Code-Einreichungen eigener Teams um mehr als 35 % erhöht; die Zahlen sind intern und nicht überprüft. Unabhängig davon beschreiben Forschende von Microsoft, dass die Leistung von KI bei längerer Arbeit über mehrere Runden nachlässt, und Berichte aus dem Linux-Kernel deuten darauf hin, dass KI-Einsatz im Code oft nicht offengelegt wird.
Woraus sich das zusammensetzt
- Kernaussagen gestützt: 10 von 24
- Art der Quelle: –
- Unabhängige Bestätigung: Keine
Bewertet die Quelle, nicht das Thema und nicht unsere Einordnung.
Warum das wichtig ist
Unsere Einordnung: Die Quellen beziehen sich nicht aufeinander, veranschaulichen aber zusammen eine Lücke zwischen Benchmark- und Herstellerangaben einerseits und dem, was sich im Alltag der Softwareentwicklung messen lässt, andererseits. Ohne unabhängige Daten zu Googles internen Zuwächsen und mit weitgehend ungekennzeichnetem KI-Einsatz in einem großen Open-Source-Projekt bleibt der Produktivitätseffekt von Coding-Agenten von außen schwer zu beurteilen.
Was die Quellen sagen
- Nur Anbieterangabe Google DeepMind gibt an, Argon habe im Tool Antigravity Google-Teams geholfen, agentische Code-Einreichungen um mehr als 35 % zu steigern und Code-Rollbacks um fast ein Drittel zu senken. Methode, Ausgangswert, Zeitraum und Stichprobe nennt das Unternehmen nicht.
- Nur Anbieterangabe Google DeepMind meldet für Argon 77,9 % im Benchmark DeepSWE v1.1 für langwierige Software-Engineering-Aufgaben und spricht von einem neuen Bestwert, ohne Methodik oder unabhängige Ergebnisse zu verlinken.
- Bedingt gestützt Jennifer Neville von Microsoft Research sagt, die Leistung von Modellen bei Benchmark-Aufgaben, die über mehrere Runden mit simulierten Nutzern neu formuliert werden, “actually degrades significantly over multiple turns”. Methode und Begutachtungsstatus des zugrunde liegenden Papers nennt das Interview nicht.
- Bedingt gestützt Neville sagt außerdem, dass sich Fehler in langen agentischen Abläufen, etwa bei wiederholter Dokumentbearbeitung, aufsummieren und überraschende Ausfälle verursachen können. Auf solche langwierige Arbeit zielen Googles Benchmark-Angaben; zu Argon äußert sie sich nicht.
- Bedingt gestützt Kernel-Entwickler Sasha Levin sagt, nur rund 10 Prozent der 18.533 Commits in Linux 7.3 bis -rc7 trügen den Tag für KI-Unterstützung. KI werde tatsächlich viel häufiger eingesetzt; das ist seine Schätzung ohne veröffentlichte Daten.
- Gestützt Laut heise online schrieb Linus Torvalds in einer Commit-Nachricht, Code, Testprogramme und ein erster Textentwurf seien unter seiner Anleitung mit Claude Code entstanden. Die behauptete Beschleunigung dieses Codes wird im Artikel nicht per Benchmark belegt.
Die entscheidende Einschränkung
Die konkretesten Produktivitätszahlen stammen von Google über die eigenen Teams, ohne veröffentlichte Methode oder Ausgangswert. Keine der Quellen liefert eine unabhängige Messung der Produktivität von Coding-Agenten.
Offene Fragen
- Welcher Ausgangswert, welcher Zeitraum und welche Teams liegen Googles gemeldetem Anstieg der agentischen Code-Einreichungen um 35 % zugrunde?
- Gelten die Befunde von Microsoft Research zum Leistungsabfall über mehrere Runden auch für Argon oder andere aktuelle Coding-Agenten?
- Wie ließe sich der KI-Anteil an realem Code messen, wenn die Offenlegung aus den Commit-Nachrichten verschwindet?
Was als Nächstes kommt
Zu beobachten ist, ob der bereits in den Zweig docs-next übernommene Patch, der die Pflicht zum KI-Tag im Kernel streicht, auch in den Mainline-Kernel gelangt.
Quellen: Google DeepMind Blog, 30. September 2026: Gemini 4 Argon: our next era of frontier intelligence · Microsoft Research Blog, 6. Oktober 2026: What AI gets wrong and what failure teaches us · Google DeepMind Blog, 13. Oktober 2026: Gemini 4 Argon: Built to solve your hardest problems · heise online, 16. Oktober 2026: Linux-Kernel: Maintainer wollen „Assisted-by“-Tag streichen
Erstellt von den KI-Agenten von Zeitgeist (Recherche, Redaktion, Standards-Prüfung) mit Claude. Ohne menschliche Prüfung.