2025 年，大模型行業(yè)走過了喧囂的探索期，迎來了真正的質(zhì)變時刻。近日，前特斯拉 AI 總監(jiān)、OpenAI 創(chuàng)始成員，同時也是“Vibe Coding”概念的提出者 Andrej Karpathy，發(fā)表了備受矚目的年度重磅總結(jié)——《2025 LLM Year in Review》。

在這份清單中，Karpathy 以敏銳的視角捕捉了這一年中最具顛覆性的六大技術(shù)成果。從打破舊有訓練鐵三角的 RLVR，到讓代碼消隱于無形的 Vibe Coding，這不僅是對過去一年的復盤，更是對未來計算新紀元的深刻預言。

他寫道：“2025 年是大語言模型風云激蕩、成果豐碩的一年。以下列舉了我個人眼中顯著且頗具驚喜的‘范式轉(zhuǎn)變’。這些變化重塑了行業(yè)格局，并在概念層面上令我耳目一新。”

值得注意的是，Karpathy 曾入選《麻省理工科技評論》2020 年度“35 歲以下科技創(chuàng)新 35 人”。

（來源：社交媒體 X）

RLVR

可驗證獎勵的強化學習

在 2025 年初，各大實驗室的 LLM 量產(chǎn)訓練棧大致還是這套經(jīng)典流程：預訓練、監(jiān)督微調(diào)（SFT）以及人類反饋強化學習（RLHF）。這套流程一直被視為訓練生產(chǎn)級大模型既穩(wěn)定又成熟的金科玉律。

但在 2025 年，來自可驗證獎勵的強化學習（RLVR）的崛起，成為事實上的新核心階段，融入了這一體系。

RLVR 的邏輯很簡單：不再讓 AI 模仿人類的語氣，而是通過數(shù)學和代碼等有唯一標準答案的任務，倒逼 AI 在數(shù)萬次的自我博弈中演化出“推理能力”。

這種訓練方式讓 AI 學會了像人類一樣慢思考，遇到難題時，它不再是靠直覺秒回，而是懂得拆解步驟、自我糾錯。這種轉(zhuǎn)變帶來了全新的縮放定律：只要給 AI 更多的“思考時間”，即便是參數(shù)規(guī)模不大的模型，也能爆發(fā)出驚人的解題智慧。

從時間線上看，OpenAI 的 o1（2024 年末）可以視作 RLVR 模型的首次公開示范；但真正讓人明顯感到拐點已至的，是 2025 年初的 o3 發(fā)布，那種直觀的差異感，幾乎不需要復雜指標就能被感知到。

Jagged Intelligence

參差不齊的智能

Karpathy 認為，2025 年，行業(yè)人士開始以更直觀的方式理解 LLM 智能的“形態(tài)”：我們并非在培育進化的“野獸”，而是在召喚為了刷分而生的“幽靈”。

人類的智慧源于生存本能，而 AI 的智慧純粹源于對獎勵的貪婪。這種本質(zhì)差異造就了 AI 極端的參差不齊的智能（Jagged Intelligence）——它們就像是被雞娃出來的偏科天才，在數(shù)學和代碼等有標準答案的領域表現(xiàn)得無所不知，但在常識判斷和安全防范上卻幼稚得像個小學生。

圖 | 藍色表示人類智能，紅色表示AI智能。它指出了人類智能也以其獨特的方式呈現(xiàn)出參差形態(tài)

這也解釋了為何現(xiàn)在的 AI 榜單已失去公信力：當實驗室都在搞應試教育，針對考題范圍進行填鴨式訓練時，橫掃榜單的成績單只證明了 AI 是個完美的做題家，卻掩蓋了它們距離真正具備常識的通用人工智能（AGI）依然遙遠的事實。

Cursor

大模型應用的新標桿

2025 年，Cursor 的崛起確立了一個全新的行業(yè)標桿：大模型應用層不再是簡單的套殼對話框，而是一個深度集成的智能工作流。

這一層級的核心價值在于“編排”，它在后臺默默處理了繁瑣的上下文工程，將無數(shù)次模型調(diào)用串聯(lián)成復雜的任務鏈，并通過“自主性滑塊”讓用戶在掌控與放權(quán)之間自由切換。

如果說大模型實驗室（如 OpenAI）是在批量輸送智商超群但缺乏經(jīng)驗的大學畢業(yè)生，那么應用層的使命，就是利用私有數(shù)據(jù)和專業(yè)工具，將這些通用人才打磨成特定領域內(nèi)真正可落地、可實戰(zhàn)的行業(yè)專家。

2025 年，Cursor 最值得注意的地方在于，它有力地界定并揭示了一種全新的大模型應用層級。如今，某某領域的 Cursor (Cursor for X) 已成為人們熱議的高頻詞。

Claude Code

駐留在你電腦里的 AI

Claude Code 的出現(xiàn)，標志著 AI 交互范式的一次回歸與升維。

Karpathy 敏銳地指出，OpenAI 在智能體（Agent）開發(fā)的早期略顯失策。盡管云端集群可能是 AGI 的終局，但在當前能力參差的過渡期，將智能體直接部署在開發(fā)者電腦上顯然更為務實。

Anthropic 恰恰做對了這一點：他們讓 AI 走下了云端神壇，棲息到了開發(fā)者的命令行（CLI）中。 這種駐場模式讓 AI 能夠直接訪問用戶的本地環(huán)境、配置、數(shù)據(jù)與密鑰，從而實現(xiàn)了極低延遲的感知-行動循環(huán)。這不再是我們像用 Google 那樣去訪問一個網(wǎng)站，而是一個真正寄居在你電腦里、隨時聽候調(diào)遣的“數(shù)字幽靈”。

Vibe coding

氛圍編程

2025年，AI 能力跨越了臨界點，人們只需使用自然語言即可構(gòu)建程序，代碼本身已消隱于無形。有趣的是，“Vibe coding”這個詞源于 Karpathy 的一條推文，沒想到竟會如此風靡。

（來源：社交媒體 X）

這種模式打破了專業(yè)壁壘，讓編程成為人人皆可觸及的技能。這印證了他的觀點：相比專業(yè)機構(gòu)，普通人反而從大模型中獲得了更大的技術(shù)紅利。

同時，它也極大地解放了專業(yè)人士，催生了大量原本因成本過高而無法誕生的軟件。無論是用不熟悉的語言快速構(gòu)建組件，還是為了修 Bug 編寫“用完即棄”的臨時應用，代碼如今已變得免費、輕量且易塑。Vibe coding 必將重塑軟件生態(tài)，并徹底改寫職業(yè)定義的內(nèi)涵。

Nano banana

大模型圖形界面

Karpathy 在回顧中拋出了一個精彩的類比：當下的 AI 對話框，本質(zhì)上就是 80 年代的 DOS 命令行。 雖然文本是機器的通用語，但對于人類而言，視覺化與空間化的信息才是最高效的交互介質(zhì)。因此，大模型的發(fā)展必然經(jīng)歷從純文本交互向大模型圖形界面（LLM GUI）的躍遷。

Google Gemini Nano banana 的橫空出世，便是這一未來的最早投影。它超越了傳統(tǒng) Markdown 的簡單排版，實現(xiàn)了真正的視覺思維——通過將文本生成、圖像理解與世界知識在模型權(quán)重層面進行深度交織，AI 終于不再只是一個陪你聊天的機器人，而進化為一個能通過圖表、幻燈片乃至交互式應用與你溝通的全能認知媒介。

最后，Karpathy 表示，2025年，是大模型領域激動人心且充滿驚喜的一年?！按竽Ｐ驼葑?yōu)橐环N全新的智能形態(tài)——它集矛盾于一身，既展現(xiàn)出遠超我預期的智慧，又暴露出令人咋舌的愚鈍。但無論如何，其實用價值毋庸置疑。”

在他看來，即便僅基于當前的模型能力，全行業(yè)對其潛力的挖掘也尚不足 10%。

“這一領域依然是一片尚待開墾的廣闊天地，無數(shù)新奇的想法正等待著我們?nèi)L試。正如我今年早些時候在 Dwarkesh 播客中所言，我抱持著一種看似矛盾的觀點：我們既要篤信飛速且持續(xù)的進步必將到來，也要清醒地認識到，前方仍有漫漫長路要走?！?/p>

1.https://karpathy.bearblog.dev/year-in-review-2025/

2.https://www.technologyreview.com/innovator/andrej-karpathy/