? 回顾2025年，AI行业经历了从Claude Code惊艳亮相，到Gemini 3.0Pro、GPT-5系列与DeepSeek v3.2收尾的非线性爆发。
? 这一年的核心拐点在于LLM幻觉率的显著下降，LLM产品开始真正意义上变得「可用好用」，AI Coding更是确立了其作为Agentic Workflow关键切入点的地位。
? 本期分享基于全年技术演进的时间轴，梳理了LLM在长任务推理、视觉生产力及国产模型生态上的结构性突破，具体内容包括：
? 长任务处理与算力动态分配：
1）超越单纯的Context Window堆叠（如Gemini 3 Pro的2M上下文），行业重心转向解决长文Attention失效问题；
2）GPT-5系列确立了「短任务快思考，长任务深推理」的范式，模型开始具备在时间维度上动态分配算力的能力，显著提升了解决复杂复合问题的稳定性。
? 图像生成模型的质变：
1）以Google Nano Banana系列为代表，视觉模型端的产品不再只是利好自媒体的玩具，有意思的应用开始真正展现；
2）Nano Banana Pro在中文文字渲染、局部精准控制及多样式排版（海报/PPT）上取得突破，视觉生成上的CoT技术值得期待。
? 国产模型生态的进展：
1）DeepSeek v3.2确立了「reasoning-first」与「built for agents」的技术高地；
2）Qwen系列持续夯实开源生态，GLM与Kimi在垂直场景（AI Coding）的跟进。
#大模型
#深度学习
#科研
#llm
#计算机视觉
#博士生日常
#多模态
#大语言模型
#多模态大模型
? 这一年的核心拐点在于LLM幻觉率的显著下降，LLM产品开始真正意义上变得「可用好用」，AI Coding更是确立了其作为Agentic Workflow关键切入点的地位。
? 本期分享基于全年技术演进的时间轴，梳理了LLM在长任务推理、视觉生产力及国产模型生态上的结构性突破，具体内容包括：
? 长任务处理与算力动态分配：
1）超越单纯的Context Window堆叠（如Gemini 3 Pro的2M上下文），行业重心转向解决长文Attention失效问题；
2）GPT-5系列确立了「短任务快思考，长任务深推理」的范式，模型开始具备在时间维度上动态分配算力的能力，显著提升了解决复杂复合问题的稳定性。
? 图像生成模型的质变：
1）以Google Nano Banana系列为代表，视觉模型端的产品不再只是利好自媒体的玩具，有意思的应用开始真正展现；
2）Nano Banana Pro在中文文字渲染、局部精准控制及多样式排版（海报/PPT）上取得突破，视觉生成上的CoT技术值得期待。
? 国产模型生态的进展：
1）DeepSeek v3.2确立了「reasoning-first」与「built for agents」的技术高地；
2）Qwen系列持续夯实开源生态，GLM与Kimi在垂直场景（AI Coding）的跟进。
#大模型
#深度学习
#科研
#llm
#计算机视觉
#博士生日常
#多模态
#大语言模型
#多模态大模型
