前特斯拉AI总监、OpenAI联合创始人安德烈·卡帕西近日在其个人博客中发表深度分析，指出2025年将成为大模型发展的关键转折年。他通过系统梳理行业动态发现，当前技术对大模型潜力的开发程度不足10%，这些系统既展现出超越预期的智能水平，又在特定场景中暴露出明显局限。
在训练范式革新方面，基于可验证奖励的强化学习（RLVR）正取代传统方法成为主流。这种新范式通过数学证明、代码执行等客观验证场景，引导模型自主发展出类推理能力。卡帕西特别指出，DeepSeek R1论文展示的案例表明，模型已学会将复杂问题拆解为中间步骤，并采用多轮验证策略解决问题。这种训练方式虽然计算成本高昂，但性价比显著优于监督微调，促使各大实验室将原本用于预训练的资源转向强化学习阶段。
智能形态的认知转变引发行业热议。卡帕西强调大模型本质是"数据幽灵"，其能力边界由训练数据和优化目标决定，与生物智能存在根本差异。这种特性导致模型在特定领域表现卓越，却在简单任务中频繁出错，形成独特的锯齿状能力曲线。他警示当前基准测试体系面临信任危机，实验室通过针对性训练刷分的现象，使得测试结果与实际应用能力严重脱节。
应用层创新呈现垂直化趋势。AI编程工具Cursor的崛起印证了专业系统构建的可行性，这类工具通过编排多模型调用、整合私有数据，形成解决复杂任务的工作流。卡帕西认为，通用大模型与垂直应用的分工将日益清晰，前者培养基础能力，后者通过微调激活专业潜能。这种模式在医疗、法律等领域已显现巨大价值。
交互方式革新方面，本地化智能体成为新焦点。Anthropic推出的Claude Code突破性地将AI运行在开发者终端，直接调用本地环境、数据和上下文。这种设计使AI不再是云端服务，而是成为驻留设备的智能助手。卡帕西批评OpenAI早期将智能体局限于云端容器的策略，认为在技术渐进发展阶段，本地化部署更符合实际需求。
编程门槛的消解催生"氛围编程"（Vibe Coding）新范式。借助自然语言交互，非专业用户现在能够创建功能完整的程序，专业开发者则可快速实现创意原型。卡帕西分享的个人经验显示，他通过这种方式开发了多个实用工具，包括Rust分词器、临时调试应用等。这种趋势正在重塑软件生态，使代码变得"可塑、临时且用后即弃"。
输出形态的视觉化转型加速推进。谷歌的Nano Banana模型展示了图形界面生成的突破性进展，该模型将文本理解、图像创作与世界知识深度融合，能够自动生成信息图、动画视频等多媒体内容。卡帕西认为，这标志着大模型开始突破文本交互的局限，向更符合人类认知习惯的呈现方式演进。早期实现形式如Markdown标注的流行，已预示这种变革的必然性。
