Box 用 Gemini 4 Argon 跑了一周 Complex Work 评测：相对 Gemini 3.1 Pro 全线提升约 14 个百分点，已站上前沿。企业文档场景里，金融、医疗、科技、能源、消费品等任务都有两位数跃升——例如医疗护理计划里两模型都能发现危险血钾与药物交互，但只有 Argon 会回头把冲突药物从最终方案里拿掉；科技区域基础设施决策里 Argon 能对齐正确月份的用户与留存数据，旧模型则常拉错行、甚至报出超过 100% 的留存。
他还强调网络安全将是 AI agent 的大舞台：攻击面因 agent 能钻任何缝隙而放大百倍，但同样可以用 agent 群逐行审代码、穷举漏洞组合、并在事件发生时比人更快做研究——企业终于有机会真正覆盖积压风险。Box AI Studio 很快可自建基于 Argon 的 Box Agent。
他祝贺 Gemini 团队：别和带来 Transformer、又有数据、工程人才与算力的 Google 对赌。眼下人人重新押注编程，他认为编程 agent 就是 AI 的杀手级应用，开发者与 builder 正处在黄金年代。
Muse Wonder 与 Gemini Argon 接连上线，也再次提醒个人与公司都要保持模型中立，并尽量走 gateway / fx 路线。
Day 9：ChatGPT 与 Codex 桌面端已上线磁盘状态存储优化，预计可减少约 60% 本地占用。他说这是小改动，但已收到不少重度用户磁盘爆满的反馈。
他连发几条 Gemini 4 Argon 演示：一句 24 词提示词就能做出把奔马、流水和手势变成音乐的定制合成器；还有宽 96 毫米的定制家具腿——制造上最难的部分竟是决定要叠几个球体。他的态度很直白：「最新的 Gemini 模型做了这个。」
他给 Gemini 4 Argon 做了 vibe check，标题是「Google 回来了」，但在他们的高级工程师基准任务上，Argon 只拿到 21%，远低于 Sol 6，甚至也低于 Muse。另一边他又用案例说明：模型体感与具体基准并不总是同一回事。
他判断：即便今天暂停前沿研究，AI 扩散进实体经济仍要再花大约十年。Replit 正与解决方案伙伴合作，试图把这段扩散曲线拉陡。
很多人谈「SaaS 已死」停在理论层；他们拿自己每年 4.3 万美元的真实 SaaS，办了一场全球黑客松，要求用任意模型与 harness 在周末克隆它，并做 AI 与真人评测。72 份提交、大量人工评测、约 1000 亿 token 之后，他在一期特别版 Latent Space 里公开数据：克隆中等非平凡 SaaS 仍然很难，并公布了 1 万美元 Kill My SaaS 比赛的优胜者与访谈。
她主张删掉绝大多数代码注释：agent 爱复制现有模式，解释临时 workaround 的注释像杂草，会迅速扩散成陈旧黑客。pstack 的 /no-comments skill 可当除草剂——保留真正该留的（如浏览器 quirk），其余用第一性原理改掉。她强调愿景是把意图从散文式注释/规则/skill 尽量搬进类型、API 与 lint 等可强制约束，既省 token 又真正可执行。
另一条：很快「让你的 bot 跟我的 bot 说话」会变成常态；她举例用邮件做多人 Grok Bot——调试（可发 bug 给她的 bot）、客服、约会议、团购与买卖。
他强烈推荐给 harness 接入带真实凭据的真实浏览器——解锁感很强，并点名 AsideAI。
核心观点：当 Claude 能自主写代码后，瓶颈不再是写代码，而是为人规模设计的源码管理、构建与 CI。Anthropic 日均合并从 2026 年 5 月约 2,500 次涨到 9 月逾 30,000 次；他们用五个月自研并全面迁到内部版本控制系统 Scion，同时上线代码评审 Antique、代码搜索与 IAM 等。
Git 的离线、完整克隆假设与「几乎永远在线的 agent / CI」冲突：主分支历史近 100GB，工作副本压缩后超 25GB，每天约 2500 万次检出。若天真拉取，流量可达每日数百 PB。他们一度靠数百个内部 git mirror 与 seed 撑住，但合并速率一升就难运维。
Scion 原则包括：客户端始终在线、客户端—服务端不对称（历史/blame/合并都在服务端）、源控能力以 API 对外、全面水平扩展、提交必须便宜且无锁、工作副本可选且默认稀疏。实践结果：基础设施 CPU/内存 footprint 约为旧 git 镜像方案的 1/200，CI 与研究任务检出快两个数量级（分钟级→秒级），仅 CI 就腾出约 25% CPU 容量。七人小团队在合并量涨 10 倍的同时完成系统与迁移；早期 Claude Mythos Preview 甚至把一份手工 ingestion 管线改写成内存降约 20 倍、速度升约 4 倍的版本。
作者提醒：Scion 不适合取代通用 git，主要服务巨型 monorepo 或 agent 群狂写代码的场景；更有价值的是把「服务端 RPC、协商协议、稀疏/浅克隆组合」等思路回流到 git 生态。
核心观点：通向超智能的路径不是再堆一个 LLM 产品，而是能永远从经验中自主学习与发现知识的「超级学习者」（superlearner）——在可涌现复杂行为的模拟「坩埚」（crucible）里，自己长出科学、技术、语言与数学。
David Silver（AlphaGo / 强化学习先驱）与 Lasse Espeholt 离开 DeepMind 创办 Ineffable Intelligence。Silver 说他热爱 DeepMind，但不愿成为第 100,001 个押注预训练+后训练+编程的人；他相信另一盏几乎没人在看的灯柱，一旦做成会改写整个 AI。公司名既指向超智能将发现「难以言说」的深刻知识，也有「这条路不能搞砸」（can't F up）的双关。
他们刻意不手工雕刻「什么叫科学/技术/语言」的奖励，而期待 agent 在开放环境中发现未知领域——就像牛顿时代没人预知量子物理。坩埚要有大量涌现复杂度（物理引擎里百万物体交互、或多 agent 互动），而不是 Atari 式关卡或标准 benchmark。Silver 认为：若能在模拟里一路走到超智能，会更快也更安全；先在模拟中搞清超智能彼此、以及与较弱智能和平共处的条件，再提高仿真保真度。
对齐方面，他判断今日依赖语言与人类数据先验的做法已见天花板，agent 会越来越会「说一套做一套」；公司最重要的事是把超智能科学做清楚。时间线上，他预计一年内会有「走在正确轨道上」的强证据，真正跨领域超越人类发现的超智能大约三年——比原先三到五年更快，部分因为编程 agent 在加速研究本身。
最值得记住的一句方向感：「…a system that can just keep learning and discovering knowledge forever.」