Import AI 第 468 期收录了智库 IFP 提出的 23 条政策建议，分属 7 个类别，用于帮助政策制定者应对 AI 研发进一步自动化的风险。MIT 与 Columbia 的论文《Racing to Ruin》分析双寡头 R&D 竞争，认为信任与透明度是竞争对手实现协调减速的两个关键变量。本期还介绍了 PostTrainBench+ 以及一篇关于智能机器与机器人身体的虚构短篇故事。
Hugging Face 发文指出，AI 的下一个真正约束不是智能而是利用率：GPU 按日历小时计费，产出却只按算力小时累积，两家 GPU 预算相当的公司会因硬件实际使用率而拉开差距。文章以航空业为类比，称企业自购 GPU 本地部署可把按 token 线性增长的 API 成本换成固定资本支出，但集群上线后的问题变成如何让 GPU 保持忙碌。
DharmaOCR 在巴西葡萄牙语 OCR 基准上以 0.925 分领先 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587，尽管后两者发布更晚且资源雄厚。该模型经葡萄牙语监督微调与 DPO 两阶段训练，将全部参数集中于单一语言领域，从而在复杂文档提取质量和推理稳定性上保持结构性优势。
伯克利 EPIC Data Lab 提出近零推理成本时代的三大数据系统挑战：为智能体设计（Data Systems For Agents）、运行智能体（Of Agents）、由智能体构建（By Agents）。GPT-4 级能力从 2023 年初约 $30/百万 token 降至如今不足 $1，部分厂商已低于 $0.10，推理价格年降幅 9x 至 900x、中位数约 50x。
Dharma AI 撰文解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 的 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》，指出优化理论、演化生物学、竞争市场与机器学习都指向同一结论：在有限资源下，专业化而非通用化才是取得性能优势的路径。
Hugging Face 博客指出，企业级 AI 规模化落地的关键不在 LLM 本身，而在"agent logic"——即运行于 agent 层、可引导 LLM 聚焦企业工作流的软件原语，如知识图谱、算法与程序分析库。
Google DeepMind 与 Google Research 开发的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天预测飓风 Melissa 在牙买加以 Category 5 强度登陆，置信度达 80%，三天前升至接近 100%。
推荐理由：原文给出 WeatherNext 在飓风 Melissa 上的提前五天路径与强度预测细节，可了解 AI 天气模型在极端事件中的实际表现。
Hugging Face 发文讨论 Mythos 与 Project Glasswing 发布后 AI 网络安全格局，指出 Mythos 的能力来自模型、算力、安全脚手架与自主性组成的系统而非单一模型。文章认为开源代码与工具能在检测、验证、协调、补丁传播四个阶段分散风险，避免闭源单点故障，并主张用半自主 AI 智能体在人类可控前提下防御漏洞。
Google DeepMind 回顾 AlphaGo 击败围棋世界冠军十周年，称其“第 37 手”证明了 AI 能超越模仿人类、发现全新策略。
Google DeepMind 发布 2025 年度回顾，梳理 8 大研究突破领域。模型方面，Gemini 2.5 于 3 月发布，Gemini 3 于 11 月推出。
AlphaFold 2 自 2020 年在 CASP 14 上解决蛋白质结构预测难题以来，其免费开放的蛋白质数据库已服务 190 多个国家的超 300 万研究人员，相关工作于 2024 年获诺贝尔化学奖。该模型已被引用超 35,000 篇论文，另有超 200,000 篇论文在方法中融入 AlphaFold 2，独立分析显示使用者提交新型实验蛋白质结构的数量增加超 40%。