Builder X
Josh Woodward（Google）
Josh Woodward 展示了 Gemini 4 Argon 的两个生成案例。
第一个案例中，仅用 24 个单词的提示词，模型就生成了一个定制合成器，可以把奔跑的马匹、流动的水以及用户自己的手部动作转化为音乐。
第二个案例则是根据简单描述，生成一条 3D 打印的 96 毫米宽的定制家具腿。制造过程中最难的部分，竟然是决定应该叠放多少个球体。
Thibault Sottiaux（OpenAI）
OpenAI 已优化 ChatGPT 和 Codex 桌面应用在本地磁盘上的状态存储方式，预计可减少约 60% 的磁盘占用。Thibault 表示，这是针对高级用户反馈的改进，因为部分用户此前遇到了磁盘空间被大量占用的问题。
Aaron Levie（Box）
Aaron Levie 认为，网络安全将成为未来 Agent 最重要的应用领域之一。随着 Agent 能够自动寻找软件漏洞，企业的攻击面可能大幅扩大；但反过来，Agent Swarm 也可以审查每一行代码、测试大量攻击路径，并实时研究安全事件，从而帮助企业覆盖人力无法处理的风险。
Box 还测试了 Gemini 4 Argon 在企业复杂任务上的表现。根据 Box 的内部评测，Gemini 4 Argon 相比 Gemini 3.1 Pro 整体提升 14 个百分点，在金融服务、医疗、科技、能源和消费品等任务中分别提升 18、25、37、16 和 33 个百分点。
Aaron 特别提到，在医疗任务中，两个模型都识别出了危险的钾离子水平和药物相互作用，但只有 Gemini 4 Argon 进一步从最终治疗方案中删除了相关药物；在科技任务中，它也能正确提取不同地区的用户量和留存率，并给出正确的基础设施优化建议。该模型之后将进入 Box AI Studio，供用户构建自定义企业 Agent。
Guillermo Rauch（Vercel）
Guillermo Rauch 表示，编码 Agent 已经成为 AI 最具吸引力的应用之一，开发者正在进入一个非常理想的阶段。他还认为，Muse Wonder 和 Gemini 4 Argon 接连出现，说明个人和企业都不应该过度绑定某一个模型，而应保持模型无关，通过统一的 Gateway 或工具层灵活切换模型。
在他看来，模型更新速度越来越快，能够同时调用多个模型的开发环境，会比只围绕单一模型构建的产品更有长期优势。
Swyx（smol.ai / AI Engineer）
Swyx 分享了 “How to Kill Your SaaS” 实验。他们选择了一款每年收费 43,000 美元的真实 SaaS 产品，并发起全球黑客松，要求参赛者在一个周末内使用任意模型和 Agent Harness 复刻它。
最终共有 72 个项目提交，整个过程消耗约 1000 亿 Token，并结合了人工评测和 AI 评测。结果显示，AI 已经能够快速复制一部分中等复杂度的 SaaS 产品，但真正困难的仍然是复杂业务逻辑、产品细节、稳定性以及对真实用户需求的理解。
Garry Tan（Y Combinator）
Garry Tan 表示，让 Agent Harness 使用真实浏览器和真实账号权限，是一个重要突破，并推荐了 AsideAI。一款内置 AI Agent 的浏览器，可以直接在你已登录的网站上代你完成搜索、发消息、处理表格等任务。
Amjad Masad（Replit）
Amjad Masad 认为，即使今天停止前沿 AI 研究，AI 仍然可能需要大约 10 年才能充分扩散到整个经济体系。他们正在与解决方案合作伙伴合作，希望加快 AI 从实验室能力转化为企业和现实世界中的生产力。
Dan Shipper（Every）
Gemini 4 Argon 在我们设计的高级工程师 Benchmark 任务中表现很差，得分只有 21%，远低于 Sol 6，甚至也低于 Muse。