Gemini4Argon担任高管，DeepSeek驱动员工，一场7天AI公司实验启动

10月14日，一项名为“AI公司7日实验”的项目正式启动。该项目并非企业级部署，而是一场面向公众的技术验证：一名开发者将Google最新发布的旗舰模型Gemini 4 Argon设为“公司负责人”，并配置由DeepSeek驱动的多个AI员工角色，目标是在7天内完成一款高呼声付费软件的开源替代版本。

这一实验的核心在于角色分工与资源分配的精细化设计。总预算设定为1000美元Token额度，其中800美元分配给Gemini 4 Argon，承担公司高管、总架构师与主力研发职能；剩余200美元交由DeepSeek模型，负责高频专项任务，包括实机UI自测与新媒体运营。

实验所用的本地运行时系统Munk AI，允许用户在本地设备上部署多Agent协作框架。在配置界面中，可清晰看到“公司负责人（company-owner）”“产品负责人（owner）”“规划师（planner）”等角色标签，并明确指定底层模型为“Google · gemini-4-argon”。该系统支持将不同任务分派至对应Agent，例如“执行专员（worker）”负责代码实现，“电脑操作（computer）”角色则直接操控Mac桌面环境——这正是本次实验区别于传统IDE插件的关键：AI不仅生成代码，还能通过Computer Use能力识别屏幕元素、点击按钮、完成交互验证。

为确保交付质量，实验设定了严格的“硬闸”机制：所有代码必须通过编译检查与实机点按测试，未达标者不得合入主线。同时，一台独立浏览器与专属实体手机被接入系统，用于竞品调研、文档查阅、平台发帖及验证码接收等真实操作环节。

整个流程中，人类仅扮演“审批者”角色：关键节点需在手机端确认“同意/驳回”；首次登录或支付时协助输入密码（密码绝不进入AI上下文），其余时间完全交由AI自主运行。

值得注意的是，实验首日并未预设具体产品方向。开发者仅向Gemini 4下达指令：派遣AI员工全网调研“功能简单却定价高昂、尚无公认开源替代”的软件，形成3个备选方案供人类拍板。这一设计凸显了当前大模型在需求理解与市场判断层面的能力跃升——它不再被动响应指令，而是能主动发起调研、组织评估、输出决策建议。

该实验的背景，恰逢AI大模型赛道结构性分化的关键阶段。10月上旬，Google正式发布Gemini 4 Argon，这是时隔约11个月后首次推出的高于Flash级别的闭源前沿模型。其单次输出上限提升至100万token，在DeepSWE v1.1长程软件工程评测中得分77.9%，超越GPT-6 Astra与Claude Opus 5.5；在CWE-bench漏洞修复任务中亦与GPT-6并列第一。

但Google对Argon的开放极为谨慎：目前仅通过Fairwind计划向受信网络安全机构提供无护栏版本；开发者与企业用户可通过Google AI Studio调用API；普通消费者则需订阅Google AI Ultra或Pro才能使用增强版功能。这种“能力先行、安全兜底”的策略，反映出行业对高阶模型潜在风险的清醒认知。

与此同时，中国开源模型影响力持续扩大。DeepSeek Harness v0.1开发者预览版以MIT协议开源后，24小时内GitHub获星超7万；lmarena.ai最新榜单显示前4名全部来自中国。这为实验中采用DeepSeek作为“基层员工”提供了现实基础——其推理成本低、响应快，适合承担重复性高、上下文密集的任务，如连续数十轮UI状态校验或批量生成宣传素材。

更深层的趋势是，AI正从“对话工具”转向“工作代理”。微软推出Decision-1专注结构化决策，OpenAI发布Decisions API，Anthropic深化与Salesforce等企业合作，均指向同一方向：模型需嵌入业务流，完成可验证的产出。谷歌内部已让数千员工使用Argon处理编程、研究与写作，其编程Agent代码提交量提升超35%；Chrome团队借助它重构600万行遗留代码；Gemma模型推理速度提升2.85倍。

在具身智能领域，Google还让Argon通过观看人类投掷视频，将动作迁移到人形机器人并实现连续7次命中——这表明模型能力边界正从虚拟世界延伸至物理执行。

回到本次7日实验，其意义不在于最终是否成功复刻某款软件，而在于验证一种新型人机协作范式：人类定义目标与规则，AI承担规划、执行、测试与传播全流程；高端模型聚焦战略与攻坚，轻量模型负责执行与反馈；所有操作留痕、可审计、可复现。

实验第7天将公布成果：无论完成度为80%或100%，替代软件将免费开源，Munk AI运行时配置也将同步开放。这既是对开源精神的践行，也是对“AI能否真正替代部分软件开发岗位”这一命题的实证探索。

随着决策模型（如TypeSafe AI的Jev）、跨模型协作Agent（如谷歌Gemini Agent可调用Claude）和专用智能体（如字节“Spell”、腾讯LightVela）加速落地，AI产品的竞争焦点已从“谁的模型更大”转向“谁能更高效地完成特定任务”。这场7天实验，正是这一转变的微观缩影。