应用趋势 - 通用类Agent深度整合工具使用，完成场景多样的深度研究类任务，交付内容更加丰富，成为2025上半年应用亮点 [1][9] - 以视觉操作为核心的Computer Use Agent (CUA)开始推向市场，代表通用类Agent的另一条路径，正在与基于文本的深度研究类Agent融合 [1][9] - 垂类应用场景开始Agent化，自然语言操控功能正在成为垂类工作流的一部分，覆盖旅行、设计、创作、时尚等领域 [11][12] - AI编程成为当前最核心的垂类应用领域，正在从源头改变软件生产方式，头部编程应用收入增长速度创纪录，获得市场有效验证 [13][14] - 模型上下文协议MCP加速大模型应用普及，赋能模型获取大量外部信息、操控现有软件应用，打开更大应用空间，但尚未达到规模化生产级水平 [1][15][16] 模型趋势 - 模型推理能力在思维链范式下持续提升，数理类、代码类问题提升尤其显著，AIME 25准确率提升7%，GPQA Diamond准确率提升23%，Codeforce代码竞赛排名提升43% [18] - 模型开始走向Agentic，对工具使用进行端到端训练集成，工具使用能力相比原本的思维链推理有重大提升，可完成更复杂困难的任务 [1][19][20] - 大模型开始端到端融合视觉和文本走向多模态推理，以语言为中枢逐步解锁多模态推理的系统2慢思考 [22][23] - 模型图像生成能力全方位增强，语言理解能力升级和审美提升，普通用户可以仅通过自然语言进行完整创作 [24] - 视频生成模型整合原生配音，可控性和编辑灵活度增加，生成视频的物体一致性和物理规律协调性增强，AI视频商业化和普及度进展积极 [26] - 模型智能密度持续提升，模型厂商积极推出小模型实现极致性价比，降低模型部署硬性门槛，加速模型应用普及 [26] - 模型评估加速演化，传统评估榜单快速饱和，可以动态更新，能在真实世界产生使用价值任务成为重要评估方向 [27] 技术趋势 - 训练资源向后训练和强化学习倾斜，预训练仍然有充足的优化空间，二者最终共同决定模型能力 [29] - 强化学习的重要性继续提升，算力消耗在未来会超过以自监督学习为核心的预训练，未来会从数学、代码等奖励清晰的领域向其他领域泛化 [28][30] - 多智能体系统可能成为继思维链推理模型之后的下一个前沿范式，继续提高智能上限 [31][32] - 在线学习有希望成为下一代模型学习方式，正在成为核心突破，可使模型摆脱对人类数据的依赖，提高智能上限 [33][34] - Transformer模型架构正在快速迭代，优化主要集中在注意力机制和前馈神经网络等层面，在工业界有多个落地案例 [35] - Transformer混合架构正在涌现，以RNN变体为主，已经出现在工业界大规模应用 [35] - 由于生成和验证难度的不对称性，代码验证成为目前AI编程自动化水平提升的前沿方向，可进一步加速软件生产自动化 [36][37] - 系统提示词正在成为决定模型用户体验的关键技术要素，相比更新大模型更加轻量化、敏捷化 [38][40] 行业趋势 - xAI发布Grok 4在多个领域达到SOTA水平，跻身全球大模型第一梯队，改变模型层竞争格局 [43][44] - 算力是AI竞赛中的关键竞争要素，强化学习对算力的需求超过预训练，头部大模型玩家的计算集群已达到数十万卡规模，并在持续扩张中 [47][48] - OpenAI技术领先优势明显弱化，海外头部玩家水平趋同，xAI上半年迎头赶上，模型在多个领域达到SOTA水准 [49] - 中美通用大模型技术差距缩小，中国模型公司在通用大模型之外的多模态领域达到SOTA水平，尤其多模态领域表现出色 [51] - AI编程领域成为模型厂商必争之地，海外和国内头部玩家在AI编程的模型和产品领域密集布局 [52][53] - 国内大模型创业公司路线开始分化，部分厂商积极发布前沿模型产品追求智能上限，其他厂商专注垂类领域和商业化落地，放缓通用模型投入 [54]