2025 LLM Year in Review | 2025年LLM年度回顾
原标题: 2025 LLM Year in Review 中文标题: 2025 年 LLM 年度回顾：六大范式转变重塑 AI 格局 作者: Andrej Karpathy 发表时间: 2025年12月19日 原文链接: https://karpathy.bearblog.dev/year-in-review-2025/
一句话摘要
2025 年是 LLM 领域"强劲且事件频发"的一年——六大范式转变（RLVR、幽灵智能、应用层崛起、AI 驻留本地、氛围编程、LLM GUI）共同重塑了整个 AI 产业的格局。
完整核心内容翻译
总论
Karpathy 将 2025 年定性为"进步强劲且事件频发的一年"，识别出六个重大范式转变。
范式一：基于可验证奖励的强化学习（RLVR）
传统 LLM 生产管道包含三个阶段：预训练、监督微调和 RLHF。2025 年，RLVR（Reinforcement Learning from Verifiable Rewards） 作为重要的新阶段登场。
核心机制：模型在客观可验证的奖励（数学/代码题的正确性）上训练，从而自发发展出类似"推理"的策略。
"LLM 自发地发展出对人类而言看起来像'推理'的策略——它们学会将问题求解分解为中间计算步骤。"
关键区别：与较短的微调阶段不同，RLVR 涉及对不可博弈的奖励信号进行延长优化，消耗了原本分配给预训练的算力。能力增长来自更长的 RL 运行而非更大的模型。
这引入了一种新的"思考时间"缩放法则（test-time compute scaling），可在推理阶段通过控制计算量来调节模型能力。
范式二：幽灵 vs 动物 / 锯齿状智能
Karpathy 提出了一个深刻的认知框架：LLM 是与生物智能根本不同的实体。我们不是在"进化动物"，而是在"召唤幽灵"——它们拥有完全不同的神经架构、训练数据和优化压力。
"锯齿状智能"（Jagged Intelligence） 是核心概念：LLM 同时展现出天才博学者和挣扎的小学生两种面貌。它们在可验证的领域表现突出，但整体能力分布参差不齐。
基准测试的信任危机：Karpathy 表达了对 2025 年基准测试的"冷漠和信任丧失"。基准测试本身变得容易被 RLVR 优化——在测试集上训练已成为标准做法。
相关深入文章：《动物 vs 幽灵》《可验证性》《心智空间》。
范式三：Cursor / LLM 应用新层级
Cursor 的崛起揭示了一个独特的应用编排层。这类应用的核心工作包括：
- 上下文工程（Context Engineering）
- 在复杂 DAG 中编排多次 LLM 调用
- 应用特定的 GUI 设计
- 自主性滑块（Autonomy Sliders）——控制 AI 的自主程度
Karpathy 预测：LLM 实验室将生产通用能力模型，而应用开发者将把这些能力专业化到具体垂直领域，将模型与私有数据、传感器、执行器和反馈机制结合。
范式四：Claude Code / AI 驻留在你的电脑上
Claude Code 通过扩展的工具使用和推理循环，展示了令人信服的 LLM Agent 能力。其革命性之处：它运行在用户本地电脑上，而非云端容器中。
Karpathy 批评了 OpenAI 的"云优先"策略，认为鉴于当前的锯齿状能力，本地部署更有意义。范式转变的关键不在于计算发生在哪里，而在于访问现有系统、上下文、数据、秘密，以及实现低延迟交互。
他将此描述为与基于网站的 AI 根本不同的体验——"一个'住在'你电脑里的小精灵/幽灵"。
范式五：氛围编程（Vibe Coding）
"AI 跨越了一个能力阈值——仅通过英语就能构建令人印象深刻的程序，忘记代码的存在。"
氛围编程将编程民主化，超越了受过训练的专业程序员群体。Karpathy 指出这体现了他的论文《权力归于人民：LLM 如何颠覆技术扩散》的核心观点——普通人从 LLM 中获得的收益不成比例地大于专业人士和机构。
三个层次的价值：
- 赋能非程序员：让不会编程的人也能构建应用
- 扩展专业人士：让程序员能创建原本不值得写的软件
- 一次性代码：使代码变得短暂和一次性
实践案例：自定义 BPE 分词器、menugen、llm-council、reader3、HN 时间胶囊。
范式六：Nano Banana / LLM GUI
Google 的 Gemini Nano Banana 代表了一个范式转移性的模型，展示了 LLM 构成了堪比 1970-80 年代计算机的重大计算变革。
核心论点：文本是计算机的原生格式，但对人类消费而言很糟糕。正如 GUI 革命改变了传统计算，LLM 也应该通过视觉方式沟通——图像、信息图表、幻灯片、动画、Web 应用。
关键技术突破：Nano Banana 将**"文本生成、图像生成和世界知识全部纠缠在模型权重中"**，创造了集成的多模态能力，而非分离的系统。
总结与展望
Karpathy 强调 LLM 仍然"极其有用"，行业意识到"即使在当前能力水平上，我们连 10% 的潜力都没有发挥出来"。
他保持着一种矛盾但诚实的立场：同时期待快速的持续进步，又认为大量工作仍待完成——"这个领域感觉仍然广阔开放。"
TLDR：2025 年证明了 LLM 同时比预期更强大也更有限，展示出锯齿状的智能模式。尽管在基准测试上表现碾压，真正的 AGI 仍然遥远，但潜在应用几乎是无限的。
技术要点
- RLVR 是 2025 年最重要的训练范式创新：通过在可客观验证的奖励上进行延长强化学习，LLM 自发发展出推理策略，引入了"思考时间"这一新的缩放维度
- 锯齿状智能是 LLM 的本质特征：LLM 不是均匀的"通用智能"，而是在不同能力维度上呈现极度不均匀的分布——某些方面超人类，某些方面不如小学生
- 应用编排层的崛起：Cursor 式应用代表了一个新的软件层级——不是 LLM 本身，而是编排 LLM 调用、管理上下文、控制自主度的中间件
- 本地 AI Agent 优于云端 AI：访问本地文件系统、开发环境、密钥等上下文信息的能力，使本地运行的 AI Agent 在实用性上超越了云端沙箱方案
- LLM 需要视觉输出革命：文本是 LLM 的原生格式但不是人类的原生格式——多模态输出（图表、应用、动画）将成为 LLM 应用的重要发展方向
深度解读
这篇年度回顾展现了 Karpathy 独特的认知角色——他既是深度技术专家，又是出色的概念框架构建者。他不是在列举 2025 年发生了什么，而是在提供理解这些事件的思维框架。
"幽灵 vs 动物" 可能是 2025 年最有影响力的 AI 比喻。它提供了一种理解 LLM 能力与局限性的方式，避免了两种常见的认知陷阱：既不把 LLM 神化为"类人智能"，也不贬低为"仅仅是统计模式匹配"。LLM 是一种全新的存在——我们用培养动物的方式召唤了幽灵，幽灵有幽灵的长处和短处。
RLVR 的意义远超技术本身。它意味着 LLM 的能力来源正在从"数据质量"转向"训练时间"——这类似于 AlphaGo 从监督学习转向自我对弈的飞跃。可验证奖励的使用也暗示了一个重要趋势：AI 在可验证领域（数学、编程、逻辑推理）的进步将远快于不可验证领域（创意写作、社交智能、常识判断）。
氛围编程的概念尤其值得关注——这个由 Karpathy 在 2025 年初创造的术语已经成为行业标准词汇。它捕捉到了一个历史性的拐点：编程从精英技能变为大众能力。这不是"低代码/无代码"的老生常谈——那些平台限制你只能做预设的事情，而氛围编程允许你构建任何你能用语言描述的东西。
从 Karpathy 个人立场的角度看，这篇文章也值得玩味：他对 Claude Code 的高度评价和对 OpenAI 云优先策略的批评，暗示了他对 AI 产业发展方向的判断——开放、本地、赋能个体优于封闭、云端、中心化控制。
延伸思考
RLVR 的天花板：RLVR 依赖可验证的奖励信号（数学题的对错、代码的通过率）。但人类最有价值的智力活动（科学假设生成、战略决策、创意表达）往往缺乏客观验证标准。RLVR 范式能突破可验证领域的边界吗？
锯齿状智能的哲学含义：如果 LLM 在某些维度超越所有人类但在其他维度不如儿童，我们应该如何定义"智能"？是否需要一种全新的智能分类学来描述这种前所未有的能力分布？
应用层 vs 模型层的价值分配：如果 LLM 实验室提供通用模型，应用公司提供垂直解决方案，长期的价值和利润将如何在这两层之间分配？历史上，平台通常赢者通吃——LLM 领域是否会重复这一模式？
AI 的物理化：Karpathy 强调 AI 需要访问本地系统、传感器、执行器。这暗示了 AI 从"纯数字存在"向"物理世界嵌入"的演进。机器人学是否即将迎来由 LLM 驱动的爆发？