AlphaFold 发布五年间持续加速科学研究，在全球范围掀起生物发现浪潮，深刻改变了结构生物学领域并推动多项突破性进展。

北爱尔兰教育管理局 C2k initiative 完成六个月试点，发现将 Gemini 等生成式 AI 工具融入教学，可为参与教师平均每周节省 10 小时工作时间。

Hugging Face发布博客，分析了全球AI计算资源的分布与流动趋势。当前格局正从高度集中转向更为分散，开源模型与社区驱动的计算集群影响力增强。关键变化包括企业专用计算与公共云资源的比例调整，以及新兴地区计算中心的崛起。这一变迁直接影响了大型语言模型（如GPT、Claude、LLaMA）的开发成本与可及性，预示着未来AI创新将更依赖于多元化的计算基础设施。

对比 AI 研究中"苦涩的教训"（算力至上）与"垃圾桶模型"（过程至上）两种范式，提出核心问题：过程是否真的重要，答案即将揭晓。

Mistral AI发布了针对其大语言模型 Mistral Large 2 的首份全生命周期环境影响分析报告。研究量化了该模型截至2025年1月的累计影响，包括温室气体排放、水资源消耗和资源耗竭。报告还提供了其AI助手 Le Chat 处理单次回复的边际影响数据。此举旨在推动行业环境影响核算的透明化与标准化，并提出了衡量模型环境足迹的关键指标。

导演组合 Vallée Duhamel 使用 Runway 制作短片《After Light》，将四年前拍摄的舞者档案素材与生成式 AI 结合，创造出超现实视觉风格。作品源于对 AI 的焦虑，通过实际使用工具探索其可能性，实现了以往因预算限制无法完成的创意。与传统动画不同，Runway 的随机输出带来意外惊喜（如人物着火的画面改变叙事），工作流程更灵活有机，无需深厚技术背景即可实现复杂视觉效果。

EleutherAI 发布第二次年度回顾长文，梳理该开源 AI 研究组织过去一年的主要工作进展与成果。由于提供的正文仅包含引言部分，具体涉及的新模型发布、技术迭代、数据集更新及性能指标等关键信息未在现有内容中详细展开，无法提取详细的技术参数与量化数据。

EleutherAI 发布第二份回顾报告序言，梳理该开源 AI 研究组织过去一年半的工作进展。文章从宏观视角概述了其在开源模型、工具开发及社区建设等方面的阶段性成果，为后续详细技术回顾提供背景脉络，但未披露具体性能指标与版本迭代细节。

EleutherAI 在成立一周年之际回顾转型历程，从松散志愿者社区发展为正式开源 AI 研究机构，期间发布 GPT-Neo（27 亿参数）、GPT-J（60 亿参数）等大语言模型及 The Pile（825GB）数据集，推动大模型训练民主化。首年成果为开源社区提供了可商用的 GPT 替代方案，标志着去中心化 AI 研究模式的成熟。

Runway 从2019年的机器学习平台发展为新一代创意工具，依托生成式机器学习、新分发渠道和Web技术三大驱动力，已支持用户训练超5万个AI模型、上传2400万资源。平台通过AI视频编辑、绿幕工具等技术缩小好莱坞与TikTok创作者的内容差距，服务IBM、Google及RISD等院校，致力于让创意实现从想法到执行的即时转化，重新定义AI时代的创作流程。

作者因特定环境刺激变得怀旧，重新拾起一个项目。经过一个多小时二十几个commits的调整，实现了理想的Minimalism风格。回顾高中时期和OI阶段的百度贴吧、空间等经历，感叹许多人事物在短短几年内难以物理回溯。然而，精神世界的回忆可通过符号融入语言之河，以Minimalism方式将消散的故事链接进千年生活。这种对记忆与语言连接的思考，可能启发了作者对智能和语言的研究。

将机器学习比作19世纪颜料管的发明。当年颜料管让户外写生成为可能，推动印象派革命；如今机器学习有望类似地释放艺术创造力，但现有工具对非技术背景艺术家门槛过高，如同当年研磨颜料的复杂工艺。作者呼吁开发更友好的机器学习工具，让艺术家无需编写底层代码即可实验，实现技术民主化。