本文來自 Andrej Karpathy

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

2025 年是大語言模型突飛猛進的一年

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

可驗證獎勵的強化學習（RLVR）

2025 年初，各大實驗室訓練 LLM 的標準流程大致是這樣的：

1. 1. 預訓練（Pretraining），GPT-2/3 時代約 2020 年確立的基礎

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

3. 3. 基于人類反饋的強化學習（RLHF），同樣始于約 2022 年

這套流程久經(jīng)驗證，是訓練生產(chǎn)級 LLM 的穩(wěn)定配方

而到了 2025 年，可驗證獎勵的強化學習（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「答案可以自動驗證」的環(huán)境中訓練，比如數(shù)學題、編程挑戰(zhàn)等。神奇的是，經(jīng)過這種訓練，模型會自發(fā)地「學會思考」：它們開始把復雜問題拆解成中間步驟，并摸索出各種解題策略，比如反復推敲、來回驗證（詳見 DeepSeek R1 論文中的案例）

這些能力在之前的訓練范式下很難實現(xiàn)，因為我們根本不知道對于這個模型而言「最優(yōu)的推理路徑」長什么樣，它必須自己在優(yōu)化獎勵的過程中摸索出來

與 SFT 和 RLHF 這兩個相對輕量的階段不同，RLVR 的訓練對象是客觀的、無法被刷分的獎勵函數(shù)，模型沒法通過投機取巧來騙取高分，必須真正解決問題，因此可以進行更長時間的優(yōu)化。實踐證明 RLVR 的性價比極高，它像饕餮一樣吞噬了原本留給預訓練的算力

因此 2025 年的能力提升主要來自實驗室們消化這個新階段帶來的紅利，模型參數(shù)規(guī)模沒怎么變，但 RL 訓練跑得更久了

RLVR 還帶來了一個全新的調節(jié)旋鈕和配套的 Scaling Law：
通過生成更長的推理鏈條、增加「思考時間」，我們可以在推理階段用更多算力換取更強的能力

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變的是 2025 年初發(fā)布的 o3

「召喚幽靈」vs「培育動物」/ 參差不齊的智能

2025 年，我以及整個行業(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、進化某種動物，而是在召喚幽靈

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

從監(jiān)督信號的角度看，人類神經(jīng)網(wǎng)絡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)絡是為了模仿人類的文字、在數(shù)學謎題中拿分、在 LM Arena 上獲得點贊而優(yōu)化的

由于可驗證領域允許 RLVR 訓練，LLM 在這些領域附近的能力會尖峰式飆升，整體呈現(xiàn)出一種令人啼笑皆非的參差不齊特征。它們可以同時是學富五車的天才博學家，又是一個困惑懵懂、隨時可能被越獄攻擊騙走你數(shù)據(jù)的小學生

下圖，展示了人類智能「藍色」和 AI 智能「紅色」的對比

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

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

在典型的刷榜流程中，實驗室團隊不可避免地會在基準測試所占據(jù)的嵌入空間小角落周圍構建訓練環(huán)境，然后長出覆蓋它們的尖刺。在測試集上訓練已經(jīng)成為一門新的藝術形式

如果我們刷爆了所有基準測試，卻依然沒有實現(xiàn) AGI，那會是什么樣子？

關于這一節(jié)的話題，可參考之前的內容：

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

• ? Verifiability（可驗證性）
  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，是它令人信服地揭示了 LLM 應用的一個新層級，人們開始討論「X 領域的 Cursor」

正如我今年在 Y Combinator 演講中所說，像 Cursor 這樣的 LLM 應用會針對特定垂直領域打包和編排 LLM 調用：

• ? 它們負責上下文工程（Context Engineering）

• ? 它們在底層編排多次 LLM 調用，串聯(lián)成越來越復雜的有向無環(huán)圖，在性能和成本之間精細權衡

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

• ? 它們提供一個自主性滑塊，讓用戶決定 AI 可以自己做多少決定

2025 年有大量討論圍繞這個新應用層有多厚展開。LLM 實驗室會不會通吃所有應用場景？還是說 LLM 應用創(chuàng)業(yè)者仍有廣闊天地？

我個人的判斷是 LLM 實驗室傾向于培養(yǎng)出能力全面的大學畢業(yè)生，而 LLM 應用則會通過組織、微調，并結合私有數(shù)據(jù)、傳感器、執(zhí)行器和反饋回路，把這些畢業(yè)生真正培訓成特定垂直領域的專業(yè)人士

Claude Code / 住在你電腦里的 AI

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

此外 Claude Code 讓我印象深刻的一點是它運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。我認為 OpenAI 在這一點上走錯了路，他們早期的 Codex / Agent 工作重心放在了云端部署，在 ChatGPT 調度的容器里運行，而不是簡單地跑在本地

誠然在云端運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，真正關鍵的區(qū)別不在于 AI 操作碰巧在哪里運行（云端、本地還是別處），而在于其他一切：那臺已經(jīng)開機、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 正確把握了這個優(yōu)先級，并將 Claude Code 打包成一個精致、極簡的命令行工具，改變了 AI 的面貌。它不再只是一個你去訪問的網(wǎng)站，而是一個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，人們可以純用英語說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

有了氛圍編程，編程不再是受過高度訓練的專業(yè)人士的專屬，而是任何人都能做的事。從這個意義上說它又是我在《Power to the people: How LLMs flip the script on technology diffusion》一文中所寫內容的又一例證。與以往所有技術形成鮮明對比，普通人從 LLM 中獲得的收益遠遠超過專業(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，它還讓訓練有素的專業(yè)人士能夠寫出大量本來永遠不會被寫出的軟件。在 nanochat 項目中，我氛圍編程用 Rust 寫了一個高度定制、極其高效的 BPE 分詞器，而不必去學習現(xiàn)有的庫或真正精通 Rust

今年我氛圍編程寫了很多項目作為快速演示，比如 menugen、llm-council、reader3、HN time capsule。我甚至氛圍編程寫過一次性的臨時程序只為找到一個 bug，為什么不呢？代碼突然變得免費、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、最具范式轉變意義的模型之一

在我的世界觀里 LLM 是下一個重大計算范式，類似于 1970 年代、80 年代的計算機。因此我們將看到類似的創(chuàng)新浪潮，出于本質上相同的原因。我們將看到個人計算的等價物、微控制器的等價物（認知內核）、互聯(lián)網(wǎng)的等價物（智能體互聯(lián)網(wǎng)）等等

具體到用戶界面，與 LLM 聊天有點像 1980 年代在計算機控制臺上敲命令。文本是計算機和 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。人們其實不喜歡閱讀文字，它慢且費力。相反人們喜歡以視覺化、空間化的方式消費信息，這正是傳統(tǒng)計算中發(fā)明圖形用戶界面的原因

同理 LLM 應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、動畫視頻、Web 應用等等。當然目前早期和現(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，用標題、粗體、斜體、列表、表格等讓閱讀更輕松。但誰真正會去構建 LLM 的 GUI 呢？

從這個視角看 Nano Banana 是一個早期的雛形，暗示了未來可能的樣子。重要的是它不僅僅關乎圖像生成本身，而是關乎文本生成、圖像生成、世界知識三者融合在模型權重中所產(chǎn)生的聯(lián)合能力

小結

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)，它們同時比我預想的聰明得多，也比我預想的蠢得多。無論如何它們極其有用，而我認為即便在當前的能力水平下，整個行業(yè)也遠未實現(xiàn)其 10% 的潛力

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

系好安全帶