前特斯拉AI總監、OpenAI聯合創始人安德烈·卡帕西近日在其個人博客中發表深度分析，指出2025年將成為大模型發展的關鍵轉折年。他通過系統梳理行業動態發現，當前技術對大模型潛力的開發程度不足10%，這些系統既展現出超越預期的智能水平，又在特定場景中暴露出明顯局限。

在訓練范式革新方面，基于可驗證獎勵的強化學習（RLVR）正取代傳統方法成為主流。這種新范式通過數學證明、代碼執行等客觀驗證場景，引導模型自主發展出類推理能力。卡帕西特別指出，DeepSeek R1論文展示的案例表明，模型已學會將復雜問題拆解為中間步驟，并采用多輪驗證策略解決問題。這種訓練方式雖然計算成本高昂，但性價比顯著優于監督微調，促使各大實驗室將原本用于預訓練的資源轉向強化學習階段。

智能形態的認知轉變引發行業熱議。卡帕西強調大模型本質是"數據幽靈"，其能力邊界由訓練數據和優化目標決定，與生物智能存在根本差異。這種特性導致模型在特定領域表現卓越，卻在簡單任務中頻繁出錯，形成獨特的鋸齒狀能力曲線。他警示當前基準測試體系面臨信任危機，實驗室通過針對性訓練刷分的現象，使得測試結果與實際應用能力嚴重脫節。

應用層創新呈現垂直化趨勢。AI編程工具Cursor的崛起印證了專業系統構建的可行性，這類工具通過編排多模型調用、整合私有數據，形成解決復雜任務的工作流。卡帕西認為，通用大模型與垂直應用的分工將日益清晰，前者培養基礎能力，后者通過微調激活專業潛能。這種模式在醫療、法律等領域已顯現巨大價值。

交互方式革新方面，本地化智能體成為新焦點。Anthropic推出的Claude Code突破性地將AI運行在開發者終端，直接調用本地環境、數據和上下文。這種設計使AI不再是云端服務，而是成為駐留設備的智能助手。卡帕西批評OpenAI早期將智能體局限于云端容器的策略，認為在技術漸進發展階段，本地化部署更符合實際需求。

編程門檻的消解催生"氛圍編程"（Vibe Coding）新范式。借助自然語言交互，非專業用戶現在能夠創建功能完整的程序，專業開發者則可快速實現創意原型。卡帕西分享的個人經驗顯示，他通過這種方式開發了多個實用工具，包括Rust分詞器、臨時調試應用等。這種趨勢正在重塑軟件生態，使代碼變得"可塑、臨時且用后即棄"。

輸出形態的視覺化轉型加速推進。谷歌的Nano Banana模型展示了圖形界面生成的突破性進展，該模型將文本理解、圖像創作與世界知識深度融合，能夠自動生成信息圖、動畫視頻等多媒體內容。卡帕西認為，這標志著大模型開始突破文本交互的局限，向更符合人類認知習慣的呈現方式演進。早期實現形式如Markdown標注的流行，已預示這種變革的必然性。