本文來(lái)自 Andrej Karpathy

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

2025 年是大語(yǔ)言模型突飛猛進(jìn)的一年

以下是我個(gè)人認(rèn)為最值得關(guān)注的幾個(gè)「范式轉(zhuǎn)變」，這些變化重塑了整個(gè)行業(yè)格局，也在概念上給我留下了深刻印象

可驗(yàn)證獎(jiǎng)勵(lì)的強(qiáng)化學(xué)習(xí)（RLVR）

2025 年初，各大實(shí)驗(yàn)室訓(xùn)練 LLM 的標(biāo)準(zhǔn)流程大致是這樣的：

1. 1. 預(yù)訓(xùn)練（Pretraining），GPT-2/3 時(shí)代約 2020 年確立的基礎(chǔ)

2. 2. 監(jiān)督微調(diào)（Supervised Finetuning, SFT），始于 InstructGPT，約 2022 年

3. 3. 基于人類反饋的強(qiáng)化學(xué)習(xí)（RLHF），同樣始于約 2022 年

這套流程久經(jīng)驗(yàn)證，是訓(xùn)練生產(chǎn)級(jí) LLM 的穩(wěn)定配方

而到了 2025 年，可驗(yàn)證獎(jiǎng)勵(lì)的強(qiáng)化學(xué)習(xí)（Reinforcement Learning from Verifiable Rewards, RLVR）正式成為這條流水線上的新主力環(huán)節(jié)

RLVR 的核心思路是讓 LLM 在一系列「答案可以自動(dòng)驗(yàn)證」的環(huán)境中訓(xùn)練，比如數(shù)學(xué)題、編程挑戰(zhàn)等。神奇的是，經(jīng)過(guò)這種訓(xùn)練，模型會(huì)自發(fā)地「學(xué)會(huì)思考」：它們開始把復(fù)雜問(wèn)題拆解成中間步驟，并摸索出各種解題策略，比如反復(fù)推敲、來(lái)回驗(yàn)證（詳見 DeepSeek R1 論文中的案例）

這些能力在之前的訓(xùn)練范式下很難實(shí)現(xiàn)，因?yàn)槲覀兏静恢缹?duì)于這個(gè)模型而言「最優(yōu)的推理路徑」長(zhǎng)什么樣，它必須自己在優(yōu)化獎(jiǎng)勵(lì)的過(guò)程中摸索出來(lái)

與 SFT 和 RLHF 這兩個(gè)相對(duì)輕量的階段不同，RLVR 的訓(xùn)練對(duì)象是客觀的、無(wú)法被刷分的獎(jiǎng)勵(lì)函數(shù)，模型沒法通過(guò)投機(jī)取巧來(lái)騙取高分，必須真正解決問(wèn)題，因此可以進(jìn)行更長(zhǎng)時(shí)間的優(yōu)化。實(shí)踐證明 RLVR 的性價(jià)比極高，它像饕餮一樣吞噬了原本留給預(yù)訓(xùn)練的算力

因此 2025 年的能力提升主要來(lái)自實(shí)驗(yàn)室們消化這個(gè)新階段帶來(lái)的紅利，模型參數(shù)規(guī)模沒怎么變，但 RL 訓(xùn)練跑得更久了

RLVR 還帶來(lái)了一個(gè)全新的調(diào)節(jié)旋鈕和配套的 Scaling Law：
通過(guò)生成更長(zhǎng)的推理鏈條、增加「思考時(shí)間」，我們可以在推理階段用更多算力換取更強(qiáng)的能力

OpenAI 的 o1（2024 年底發(fā)布）是 RLVR 模型的首次亮相，但真正讓人直觀感受到質(zhì)變的是 2025 年初發(fā)布的 o3

「召喚幽靈」vs「培育動(dòng)物」/ 參差不齊的智能

2025 年，我以及整個(gè)行業(yè)開始真正在直覺層面理解 LLM 智能的「形狀」。我們不是在培育、進(jìn)化某種動(dòng)物，而是在召喚幽靈

LLM 的一切都與生物智能不同，神經(jīng)網(wǎng)絡(luò)架構(gòu)、訓(xùn)練數(shù)據(jù)、訓(xùn)練算法，尤其是優(yōu)化目標(biāo)。所以我們得到的是一種在智能空間中截然不同的實(shí)體，用動(dòng)物的思維模式去理解它們并不合適

從監(jiān)督信號(hào)的角度看，人類神經(jīng)網(wǎng)絡(luò)是為了讓部落在叢林中存活而優(yōu)化的，但 LLM 的神經(jīng)網(wǎng)絡(luò)是為了模仿人類的文字、在數(shù)學(xué)謎題中拿分、在 LM Arena 上獲得點(diǎn)贊而優(yōu)化的

由于可驗(yàn)證領(lǐng)域允許 RLVR 訓(xùn)練，LLM 在這些領(lǐng)域附近的能力會(huì)尖峰式飆升，整體呈現(xiàn)出一種令人啼笑皆非的參差不齊特征。它們可以同時(shí)是學(xué)富五車的天才博學(xué)家，又是一個(gè)困惑懵懂、隨時(shí)可能被越獄攻擊騙走你數(shù)據(jù)的小學(xué)生

下圖，展示了人類智能「藍(lán)色」和 AI 智能「紅色」的對(duì)比

這張 meme 的有趣之處在于，它也指出了人類智能同樣是參差不齊的，只是參差的形狀不同

與此相關(guān)的是我在 2025 年對(duì)基準(zhǔn)測(cè)試產(chǎn)生了普遍的冷感和不信任。核心問(wèn)題在于基準(zhǔn)測(cè)試幾乎從定義上就是可驗(yàn)證的環(huán)境，因此天然容易被 RLVR 或通過(guò)合成數(shù)據(jù)生成的弱化版本攻克

在典型的刷榜流程中，實(shí)驗(yàn)室團(tuán)隊(duì)不可避免地會(huì)在基準(zhǔn)測(cè)試所占據(jù)的嵌入空間小角落周圍構(gòu)建訓(xùn)練環(huán)境，然后長(zhǎng)出覆蓋它們的尖刺。在測(cè)試集上訓(xùn)練已經(jīng)成為一門新的藝術(shù)形式

如果我們刷爆了所有基準(zhǔn)測(cè)試，卻依然沒有實(shí)現(xiàn) AGI，那會(huì)是什么樣子？

關(guān)于這一節(jié)的話題，可參考之前的內(nèi)容：

• ? Animals vs. Ghosts（動(dòng)物 vs 幽靈）
  https://karpathy.bearblog.dev/animals-vs-ghosts/

• ? Verifiability（可驗(yàn)證性）
  https://karpathy.bearblog.dev/verifiability/

• ? The Space of Minds（心智的空間）
  https://karpathy.bearblog.dev/the-space-of-minds/

Cursor 今年最讓我印象深刻的地方，除了它火箭般的增長(zhǎng)，是它令人信服地揭示了 LLM 應(yīng)用的一個(gè)新層級(jí)，人們開始討論「X 領(lǐng)域的 Cursor」

正如我今年在 Y Combinator 演講中所說(shuō)，像 Cursor 這樣的 LLM 應(yīng)用會(huì)針對(duì)特定垂直領(lǐng)域打包和編排 LLM 調(diào)用：

• ? 它們負(fù)責(zé)上下文工程（Context Engineering）

• ? 它們?cè)诘讓泳幣哦啻?LLM 調(diào)用，串聯(lián)成越來(lái)越復(fù)雜的有向無(wú)環(huán)圖，在性能和成本之間精細(xì)權(quán)衡

• ? 它們?yōu)槿嗽诨芈分校℉uman in the Loop）提供針對(duì)特定應(yīng)用的圖形界面

• ? 它們提供一個(gè)自主性滑塊，讓用戶決定 AI 可以自己做多少?zèng)Q定

2025 年有大量討論圍繞這個(gè)新應(yīng)用層有多厚展開。LLM 實(shí)驗(yàn)室會(huì)不會(huì)通吃所有應(yīng)用場(chǎng)景？還是說(shuō) LLM 應(yīng)用創(chuàng)業(yè)者仍有廣闊天地？

我個(gè)人的判斷是 LLM 實(shí)驗(yàn)室傾向于培養(yǎng)出能力全面的大學(xué)畢業(yè)生，而 LLM 應(yīng)用則會(huì)通過(guò)組織、微調(diào)，并結(jié)合私有數(shù)據(jù)、傳感器、執(zhí)行器和反饋回路，把這些畢業(yè)生真正培訓(xùn)成特定垂直領(lǐng)域的專業(yè)人士

Claude Code / 住在你電腦里的 AI

Claude Code 是第一個(gè)令人信服地展示了 LLM 智能體面貌的產(chǎn)品，它以循環(huán)的方式串聯(lián)起工具調(diào)用和推理，進(jìn)行持續(xù)的問(wèn)題求解

此外 Claude Code 讓我印象深刻的一點(diǎn)是它運(yùn)行在你自己的電腦上，使用你的私有環(huán)境、數(shù)據(jù)和上下文。我認(rèn)為 OpenAI 在這一點(diǎn)上走錯(cuò)了路，他們?cè)缙诘?Codex / Agent 工作重心放在了云端部署，在 ChatGPT 調(diào)度的容器里運(yùn)行，而不是簡(jiǎn)單地跑在本地

誠(chéng)然在云端運(yùn)行的智能體集群感覺像是 AGI 的終極形態(tài)，但我們活在一個(gè)參差能力的中間世界，takeoff 足夠緩慢，因此讓智能體直接跑在開發(fā)者的電腦上更為合理

注意，真正關(guān)鍵的區(qū)別不在于 AI 操作碰巧在哪里運(yùn)行（云端、本地還是別處），而在于其他一切：那臺(tái)已經(jīng)開機(jī)、配置好的電腦，它的安裝環(huán)境、上下文、數(shù)據(jù)、密鑰、配置，以及低延遲的交互

Anthropic 正確把握了這個(gè)優(yōu)先級(jí)，并將 Claude Code 打包成一個(gè)精致、極簡(jiǎn)的命令行工具，改變了 AI 的面貌。它不再只是一個(gè)你去訪問(wèn)的網(wǎng)站，而是一個(gè)住在你電腦里的小精靈。這是一種與 AI 交互的全新范式

氛圍編程（Vibe Coding）

2025 年是 AI 跨越能力門檻的一年，人們可以純用英語(yǔ)說(shuō)出各種令人驚嘆的程序，甚至忘記代碼的存在。有趣的是「vibe coding」這個(gè)詞是我在一條靈光乍現(xiàn)的推文里隨手造的，完全沒想到它能傳播這么遠(yuǎn)

有了氛圍編程，編程不再是受過(guò)高度訓(xùn)練的專業(yè)人士的專屬，而是任何人都能做的事。從這個(gè)意義上說(shuō)它又是我在《Power to the people: How LLMs flip the script on technology diffusion》一文中所寫內(nèi)容的又一例證。與以往所有技術(shù)形成鮮明對(duì)比，普通人從 LLM 中獲得的收益遠(yuǎn)遠(yuǎn)超過(guò)專業(yè)人士、企業(yè)和政府

但氛圍編程不僅僅賦能普通人接觸編程，它還讓訓(xùn)練有素的專業(yè)人士能夠?qū)懗龃罅勘緛?lái)永遠(yuǎn)不會(huì)被寫出的軟件。在 nanochat 項(xiàng)目中，我氛圍編程用 Rust 寫了一個(gè)高度定制、極其高效的 BPE 分詞器，而不必去學(xué)習(xí)現(xiàn)有的庫(kù)或真正精通 Rust

今年我氛圍編程寫了很多項(xiàng)目作為快速演示，比如 menugen、llm-council、reader3、HN time capsule。我甚至氛圍編程寫過(guò)一次性的臨時(shí)程序只為找到一個(gè) bug，為什么不呢？代碼突然變得免費(fèi)、短命、可塑、用完即棄

氛圍編程將重塑軟件業(yè)，改變職位描述

Nano Banana / LLM 的圖形界面

Google Gemini Nano Banana 是 2025 年最令人驚嘆、最具范式轉(zhuǎn)變意義的模型之一

在我的世界觀里 LLM 是下一個(gè)重大計(jì)算范式，類似于 1970 年代、80 年代的計(jì)算機(jī)。因此我們將看到類似的創(chuàng)新浪潮，出于本質(zhì)上相同的原因。我們將看到個(gè)人計(jì)算的等價(jià)物、微控制器的等價(jià)物（認(rèn)知內(nèi)核）、互聯(lián)網(wǎng)的等價(jià)物（智能體互聯(lián)網(wǎng)）等等

具體到用戶界面，與 LLM 聊天有點(diǎn)像 1980 年代在計(jì)算機(jī)控制臺(tái)上敲命令。文本是計(jì)算機(jī)和 LLM 偏愛的原始數(shù)據(jù)表示，但它不是人類偏愛的格式，尤其是在輸入端。人們其實(shí)不喜歡閱讀文字，它慢且費(fèi)力。相反人們喜歡以視覺化、空間化的方式消費(fèi)信息，這正是傳統(tǒng)計(jì)算中發(fā)明圖形用戶界面的原因

同理 LLM 應(yīng)該用我們偏愛的格式與我們交流：圖像、信息圖表、幻燈片、白板、動(dòng)畫視頻、Web 應(yīng)用等等。當(dāng)然目前早期和現(xiàn)有的版本是 emoji 和 Markdown 這類東西，它們是裝扮和排版文字的方式，用標(biāo)題、粗體、斜體、列表、表格等讓閱讀更輕松。但誰(shuí)真正會(huì)去構(gòu)建 LLM 的 GUI 呢？

從這個(gè)視角看 Nano Banana 是一個(gè)早期的雛形，暗示了未來(lái)可能的樣子。重要的是它不僅僅關(guān)乎圖像生成本身，而是關(guān)乎文本生成、圖像生成、世界知識(shí)三者融合在模型權(quán)重中所產(chǎn)生的聯(lián)合能力

小結(jié)

2025 年是 LLM 令人興奮的一年

LLM 正在作為一種全新的智能形態(tài)浮現(xiàn)，它們同時(shí)比我預(yù)想的聰明得多，也比我預(yù)想的蠢得多。無(wú)論如何它們極其有用，而我認(rèn)為即便在當(dāng)前的能力水平下，整個(gè)行業(yè)也遠(yuǎn)未實(shí)現(xiàn)其 10% 的潛力

與此同時(shí)有太多想法值得嘗試，從概念上看這個(gè)領(lǐng)域依然廣闊開放。正如我今年早些時(shí)候在 Dwarkesh 播客中提到的，我同時(shí)相信我們將繼續(xù)見證快速而持續(xù)的進(jìn)步，但同時(shí)仍有大量工作要做

系好安全帶