大模型面试，已经彻底变了！！零基础入门到精通，收藏这篇就够了

关注

原创最新推荐文章于 2026-01-11 20:14:27 发布 1k 阅读 AI 写同款· GEO 优化 ›

大模型来自面试的体会和分享然后做的比较好的有，各种非助手的形态，互联网C端的比如评论区机器人，视频总结摘要，文章总结，搜索总结，从用户量维度看，算是相对成功，也能在很多APP上看到全量开放。基座赛道的分工更细，有强烈的工业化大兵团作战的特点，招聘的画像也非常细分，代码，推理，数学等，恨不得一个能力标签一个负责人，再搭建各自的数据，训练，对齐团队。当然，基座赛道也不都是高枕无忧，常见的问题就是过于螺丝钉了，甚至有些厂，让每个人都负责一小块工作，信息单向流动，有完整认知和可泛化经验的不多，国内的差距逐渐缩小，与国外的差距依然存在。阅读详情

去年大概这个时候写了文章大模型来自面试的一些体会和分享，当时正值大模型的热情巅峰，市场上处于严重的供小于求的状态，一年过去了，情况有所变化，觉得这是一个合适的节点给大家汇报一下。

大模型的赛道逐渐清晰，主要分为基座和应用两派，且两派的特点鲜明，下面我们分开讲讲。

基座赛道上，成为有钱人和巨头的游戏，主要玩家分布在明星创业公司，顶尖大厂，和不差钱的国央企。前两者不分伯仲，不过明星创业公司的人才密度相对更高一点。

基座赛道上，目前各家还保持着高涨的投入，主要原因是OpenAI给出了一个指路明灯，与第一名还存在明显差距，并且这个差距是可度量的，大家相信持续不遗余力投入，就有希望的迎头赶上。但客观情况是竞技场总榜前10想进去都十分不容易，更别提gpt4o这种明显存在技术代差的东西，基座还任重道远。

基座赛道的分工更细，有强烈的工业化大兵团作战的特点，招聘的画像也非常细分，代码，推理，数学等，恨不得一个能力标签一个负责人，再搭建各自的数据，训练，对齐团队。

基座赛道算法方向上，infra方向技术含量更高，人也更值钱，需要CS科班底子融合算法背景，门槛相对较高。但操盘训练的，主要工作精力在洗数据，配数据，训练技巧上，相对infra没太有硬性门槛，更经验驱动。infra方向，靠技术实力说话。训练和对齐方向，靠实验量和实验认知说话。

但是，训练方向的需求量更大，所以从供给分析的角度，所以相对容易找工作一点。

再说应用赛道，除了大模型本身，现在市面上还没有太成功的C端落地应用，去年比较火热的几个方向，角色扮演，characterAI创始人携团队跑路。众多电商助手，也没有做出点什么门道。反而最近的搜索产品，把大模型当成效果不错的生成模型来用，卡着多轮的能力不开放，简化技术难度，反而看着有活下来的苗头。

当然，也不是都不太行，大模型写个代码，翻译总结个文章，还是挺不错的。然后做的比较好的有，各种非助手的形态，互联网C端的比如评论区机器人，视频总结摘要，文章总结，搜索总结，从用户量维度看，算是相对成功，也能在很多APP上看到全量开放。虽然这些应用看起来都没那么炫酷，也很简单。

这些应用共有的特点有，**接近基座原生能力，场景数据丰富，或者场景数据方便构造。**在落地应用上，离原生能力越远，需要大模型能力越高，需要越多的场景优质数据。

应用方向上，目前看到的简历都有点千篇一律，xx助手，xxAgent，用了COT和function call，一个小小的垂场景，也说不出什么亮点。简历供给量很大，但有技术亮点和项目成功经验的不太多。

应用赛道往往无法向基座赛道转化，但基座赛道由于表现出良好的功底，可以向应用赛道转化。基座的赛道，人才逐渐走向小圈子化，社招互相挖人和顶尖的校招人才作为补充。

当然，基座赛道也不都是高枕无忧，常见的问题就是过于螺丝钉了，甚至有些厂，让每个人都负责一小块工作，信息单向流动，有完整认知和可泛化经验的不多，人才逐渐工具化。

再看整个大模型市场的供给情况，从去年严重供小于求，已经逐渐变成供给多，需求也多的情况，处于高水位平衡状态。去年中期，大模型市场上offer涨幅150%都有，到年底还有70%的可能，现在，正常能有30%就很不错了。

比较危险的是需求开始收缩的那一刻**，高水位的平衡，就像蓄满水的大坝，一旦需求收缩，后果非常严重。**类似几年前，在万众创业背景下的客户端开发，走向终局，最终APP的竞争格局清晰，市场上惨绝人寰，培训班3个月出来35k的客户端神话就不再存在了。现在市面上真的是人人都在搞大模型，除了希望那一刻来的晚一点，也希望openAI多画点饼，让从业者和资金都有盼头。

定价主要靠市场规律，大模型算是短暂地出了一段技术红利期，这是15年之后，罕见的一次技术红利了，而目前来看，这个红利正在逐渐消失之中。

如果说用一个曲线来描绘的画，目前还处在愚昧之颠之后的下坡阶段，未来如果没有持续的突破，大概率要走向绝望之谷。