这一期值得展开的，不是模型又多了多少能力，而是这些能力怎样进入专业工作。OpenAI 的法律产品把检索、行业插件和律师可复核的流程放到一起；生命科学这边，Anthropic 谈推理加速与实验验证，DeepMind 给出基因变异研究案例。它们指向同一个问题：模型输出之后，谁来检查，怎样验证，能否真正降低工作成本？这些仍是发帖方披露的产品与研究进展，不等于已经获得独立效果验证。
落地的另一端是组织与工程。Bindu Reddy 提出的并行决策思路，试图减少 Agent 串行等待；李开复提醒，前沿模型风险与企业采用太慢可以同时成立。对管理者而言，执行加速并不会自动带来正确方向。与其只争论 AI 应该快还是慢，本期更值得跟进的是可检查的行业流程、明确的决策责任，以及 Anthropic 提出的研发参与度、Agent 监督和算力分配三类披露指标。
法律产品的重点从通用问答转向可溯源检索、行业工具连接和律师能够复核的工作流程。
OpenAI 发布 Astra for Law，由 GPT-6 Astra 驱动，面向律师和法律科技公司提供专用工具、设置与上下文，定位是支持专业判断，而非替代律师责任。
Astra for Law 配备法律分析与写作指令，以及新的 Legal Search Index。OpenAI 称索引覆盖超过 2.3 亿个 URL，检索美国判例、法律、法规、法院规则和行政裁决，并持续新增来源，让律师自行检查依据与相关段落。
OpenAI 披露与律所共建的三类流程：Sullivan & Cromwell 的协议分析、Ropes & Gray 的并购尽调，以及 Cooley 面向 IPO 准备的 GO Public。律师可审查、质疑和改进这些流程；符合条件的律所还可通过 Trusted Access 获得扩展的隐私与治理控制。
ChatGPT 法律工作新增 26 个合作伙伴插件和 47 个社区插件。Thomson Reuters、Harvey、Legora、iManage 等伙伴连接专业工具与知识，律师及法律工程师制作的社区插件则供律所适配和扩展。
从模型访问、推理成本到实验室验证，生物研究的进展开始呈现更具体的使用条件与验证路径。
Anthropic 开放 Life Sciences Verification Program 申请，以 beta 形式面向实验室、初创公司和药企等团队。经该计划，生命科学专业人员可在新安全措施下使用包括 Mythos 在内的模型；个人 Pro、Max 计划的覆盖仍属后续扩展方向。
Anthropic 称 Claude 优化了 30 多个开源生物模型的推理，平均提速 4 倍，部分优化来自为 GPU 编写定制软件。相关模型用于分子结构、类药分子设计和遗传突变效应预测，优化代码将全部开源。
Anthropic 与 Adaptyv Bio 合作举办蛋白质设计竞赛，计划实验验证超过 5,000 个设计。Anthropic 提供最高 100 万美元 Claude 额度并参与实验经费支持，Modal 提供最高 25 万美元算力，Twist Bioscience 提供 DNA。验证是计划中的环节，并非已经完成的成果。
DeepMind 披露，研究者与埃克塞特大学合作，用 AlphaGenome Atlas 分析超过 54,000 名 UK Biobank 参与者的数据，罕见遗传信号检出提升超过 22%，并发现影响代谢健康相关蛋白 PLA2G7 丰度的新 DNA 变异。
据 DeepMind 介绍，Broad Institute 研究人员用 AlphaGenome Atlas 从大量候选突变中定位到 DNM1 基因的一处关键突变，并在实验室确认验证，服务于不明原因罕见病的病因研究。
DeepMind 称，与 Stowers 研究所合作利用 Atlas 绘制了超过 2,500 种调控模式，识别在数百种细胞类型中调节基因活性的 DNA 序列，帮助解释基因表达的开关与强弱控制。
并行决策、版本交付和业务系统改造之外，企业仍需解决采用速度与管理判断的问题。
Bindu Reddy 介绍 Jev：不生成文本，而是通过一次前向计算返回各选项的概率。她认为这能减少 Agent 在选工具、选分支、重试等环节的串行等待，让规划、验证与安全检查并行开展，并称正在将其集成到 Abacus AI Agent；帖文未给出实测性能数据。
Peter Steinberger 在回复中称，gpt live 1 已在 main 分支上运行良好，计划本周发布，并邀请用户在 Web UI 中开启后反馈。这里区分了主分支可试用与正式版本尚待发布两个状态。
François Chollet 分享 Keras 3 帮助 Expedia 更新排序技术栈的案例。原帖只给出案例主题和链接，未披露迁移细节、性能指标或业务收益，不宜据此推断具体提升。
李开复认为，对前沿实验室最强、尚未发布模型的担忧有现实依据，但企业 AI 的实际采用速度仍然太慢。风险讨论与推动企业落地是需要同时处理的两件事。
Alex Kruger 以执行速度提高 5 倍作设想，强调管理者的价值将更集中在确定重点、设定标准、给出困难反馈、排序和判断，而不是确保每个人看起来都很忙。这里的倍数是论述前提，并非实测结论。
把可靠性研究与研发过程披露并列观察，比笼统争论模型是否危险更接近可执行的治理问题。
Anthropic 提出三项追踪 AI 发展的度量：AI 参与了多少 AI 研发、Agent 受到怎样的监督，以及算力如何分配。公司发布内部快照，并主张其他前沿开发者也披露同类指标、接受第三方验证，以缩小实验室与公众的信息差；原帖没有列出具体数值。
Yoshua Bengio 在 ALL IN 演讲中介绍面向更安全 AI 的诚实性与可靠性研究及近期融资，强调前沿能力增强时，社会治理与稳健的技术防护都不可缺少。LawZero 正围绕使 AI 持续符合人类利益开展研究。