据斯坦福AI实验室（@StanfordAILab）消息，通过测试时训练（Test-Time Training）与开源AI模型的结合，科研人员与企业现仅需数百美元即可实现科学领域的最新SOTA突破。这一方法在数学、核工程、算法和生物学等复杂问题的发现中，已优于对闭源前沿模型（如Gemini、GPT-5）的提示工程（数据来源：斯坦福AI实验室，Twitter，2026年1月22日）。该趋势大幅降低了创新门槛，为AI企业和初创公司提供了利用开源模型和定制训练开发专业化科研AI解决方案的巨大商业机会。

根据AcerFur（@AcerFur）和Greg Brockman（@gdb）在X平台的消息，一项AI研究难题已在文献中发现了不同于以往的新证明方法（来源：https://x.com/AcerFur/status/2012770890849689702）。此前的证明由KoishiChan找到，并已在社区Wiki进行更新，提升了研究透明度。虽然该结果并非全新发现，但此事件强调了同行评审和文献复查在AI理论及算法创新中的重要性，也反映出社区驱动知识共享对行业进步的推动作用。