关于报告的所有内容，公众『行业报告智库』阅读原文或点击菜单获取报告下载查看。
2025年上半年，通用类Agent开始进入主流视野。这些Agent能够通过自然语言交互完成多种任务，它们不仅能够生成文字报告，还能调用工具获取数据，甚至进行视觉操作。一些智能体通过截取屏幕图像，模拟人类操作界面，完成复杂的任务，如查询交通票务、规划出行攻略等。这种技术的优势在于多样化工具使用和打破数据孤岛，但也面临运行成本高、准确率不高的局限。
垂类Agent也在不断涌现，成为特定领域的得力助手。例如旅行Agent，用户可以通过自然语言提出出行需求，Agent会自动查询机票、酒店信息，并生成旅行计划。在设计领域，一些Agent通过自然语言交互生成接近生产级的海报或视频；在创作领域，一些Agent能够根据简单的语言和图片输入生成完整的视频内容；在时尚领域，一些Agent可以通过自然语言生成时尚穿搭，匹配不同场景。
AI编程成为2025年上半年最核心的垂类应用领域，正在从源头改变软件生产方式。头部编程应用如Cursor的年度经常性收入（ARR）突破5亿美元，证明了AI编程的巨大价值。AI编程工具从最初的代码补全，发展到单文件代码编辑、多文件同时编辑，甚至端到端交付，极大地提高了开发效率。
2025年上半年，推理模型的能力取得了显著进步。自2024年底以来，以思维链技术为核心的推理模型通用推理能力持续提升。OpenAI的o3模型和DeepSeek的实验模型在国际数学奥林匹克竞赛中表现出色，能够通过自然语言推理解决复杂问题。在代码竞赛中，模型的表现也大幅提升。
大模型开始端到端融合视觉和文本，走向多模态推理。VisProg框架通过生成符号化程序解决视觉任务，ViperGPT框架直接生成Python代码调用视觉API，而Visual Sketchpad框架则通过生成代码调用绘图工具辅助推理。这些技术使得模型能够处理复杂的视觉和文本任务，如精确提取手写题目中的文本和图表、搜索图像信息并进行推理等。OpenAI的o3模型在视觉推理任务中表现出色，能够像侦探一样推理，放大照片局部细节并调用工具进行多次检查。
强化学习在2025年上半年成为驱动模型智能的核心技术。一些模型通过大规模强化学习训练，显著提升了模型的推理能力和工具使用能力。强化学习的关键在于奖励模型的设置，对于代码、数学等有明确答案的领域，奖励模型相对容易设置；而对于没有清晰反馈的领域，则需要通过专门的模型对表现进行评分。强化学习的算力要求较高，未来将成为算力消耗最大的部分。
多智能体（Multi-Agent）系统可能成为继思维链推理模型之后的下一个前沿范式。多智能体系统通过分布式处理和并行工作，提高了效率和计算速度，适合大规模动态环境。Grok4Heavy、Claude的Research功能和Manus等都采用了多智能体架构。多智能体系统的优势在于高效利用上下文、能力多样化、鲁棒性与容错性。未来，多智能体系统将在更多领域得到应用，进一步提高智能上限。
2025年上半年，AI领域的头部玩家在模型层的差距正在缩小。例如xAI成立仅2年时间，凭借充足的资本、算力和人才支撑，迅速完成了对第一梯队的追赶。xAI的成功证明大模型业务模式虽然有高壁垒，但没有护城河，模型厂商需要持续投入大量资源以应对市场竞争。上半年，谷歌发布的Gemini 2.5Pro和xAI发布的Grok 4在多个领域达到了SOTA水平，部分能力甚至超过了OpenAI。
AI编程领域成为模型厂商的必争之地。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。OpenAI推出了Codex工具和ClaudeCode命令行编程工具；谷歌发布了GeminiCode和Stitch等工具；阿里巴巴开源了Qwen3-Coder模型并推出了通义灵码编程Agent；字节跳动发布了Trae编程IDE，用户月活已破百万。国内头部模型玩家主要采取跟随、对标海外模型厂商和明星应用的策略，积极构建AI编程生态。
国内大模型创业公司的路线开始分化。部分厂商积极发布前沿模型产品，追求智能上限；其他厂商则专注于垂类领域和商业化落地，放缓通用模型投入。DeepSeek开源了多个模型，包括推理模型、代码模型和Agent模型；智谱·AI发布了GLM-Z1、AutoGLM和CogView4等模型；而一些创业公司则专注于训练产业大模型，提供深度的私有化部署服务。
报告节选内容如下
ㅤㅤㅤㅤㅤㅤㅤ
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ
ㅤㅤㅤ
ㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤㅤ
