加载中...
作为特斯拉前 AI 主管、OpenAI 创始成员，Andrej Karpathy 一直是 AI 领域最敏锐的观察者之一。他不仅擅长构建模型，更擅长从工程实践中提炼出底层的范式位移。
昨天，Karpathy 发布了《2025 LLM Year in Review》，对过去一年大模型领域发生的结构性变化进行了深度复盘。在这篇总结中，他没有说今年大模型具体的模型参数和性能，而是将目光投向了推理范式的演进、Agent 的真实形态以及“Vibe Coding”的新型开发模式。
原文并非“学术综述”，而是作者以个人视角挑选出他认为“概念上改变格局、并且有点出乎意料的范式变化（paradigm changes）”。我们在这里也聊聊大神眼中的2025年的大模型情况。Karpathy 原文包含6个不同的点，我们把Cursor和Claude Code合并成一个了。原文末尾也有 Karpathy 的博客地址链接。
Follow DataLearner WeChat for the latest AI updates
在 2025 年之前，主流的大模型生产包含三个阶段：
这三段式在一段时间里是“稳定且被证明有效的配方”。而 2025 年的变化是：出现了一个新的、非常吃算力的主要阶段，即基于可验证奖励的强化学习（RLVR, Reinforcement Learning from Verifiable Rewards）。
RLVR 是一种强化学习范式，它依然属于强化学习的广义框架，但与传统从人类反馈学习（RLHF）不同，它 用可程序化、可验证的奖励信号来训练大模型，比如直接验证答案是否正确的规则或测试，而不是依赖人工评判。模型只有在输出能够通过这些客观检验时才获得奖励，从而鼓励模型产生更可靠、可验证的结果。它和RLHF核心差异是 奖励不是来自人类主观偏好，而是来自可自动验证的客观结果：对就是对、错就是错。它的核心特点是：
在Karpathy观察中它已经成为新的事实标准（de facto new major stage），即几乎当前主流的所有的大模型训练都有这个过程。关于RLVR更多的介绍可以参考DataLearnerAI的博客：基于可验证奖励的强化学习（Reinforcement Learning with Verifiable Rewards, RLVR）的介绍：为什么 2025 年，大模型训练的重心开始发生迁移？
Karpathy 关于 2025 年大模型技术的第二个核心判断，是我们终于开始以一种更直观的方式，去内化和理解大语言模型智能的“形态”本身。换句话说，行业第一次在直觉层面“看清了”LLM 的智能到底长什么样，而不再习惯性地用“像人”“像动物一样变聪明”的老比喻去套它。
围绕这一点，Karpathy 提出了一个极具冲击力的隐喻：我们并不是在进化一种新的“动物”，而是在召唤某种“幽灵”。这一判断并非来自哲学想象，而是源于 2025 年行业里愈发普遍的一类现象——LLM 的能力提升并不是整体、平滑、均匀发生的。相反，它们往往在某些**可验证（verifiable）**的任务邻域中突然“刺穿”，例如有明确对错判定的数学、代码和形式化推理问题；而在其他区域，模型依然脆弱，极易被误导。
这种明显不连续、非均匀的能力分布，使得 LLM 呈现出一种近乎“锯齿状（jagged）”的智能结构，也让“像动物一样逐步成长”的类比变得越来越站不住脚。两种智能形态背后的差异，本质上来自完全不同的优化逻辑。大模型锯齿状的智能在此前Ilya Sutskever的访谈中也谈到了，大家也可以参考此前DataLearnerAI的博客：Ilya Sutskever访谈深度解读：关于大模型的瓶颈、人类智能的优势、模型泛化不足以及5-20年后超级智能会出现的真正问题
如果你认真看，人类智能本身也并不是一个平滑、均匀的球体，只是“锯齿的方向完全不同”。人类是“多方向、低峰值”的锯齿，AI 是“少方向、超高峰值”的锯齿。
一方面，人类神经网络是在长期进化中，为部落生存、环境交互与具身决策而塑形的；另一方面，LLM 的神经网络则被明确地优化去模仿人类文本、在可验证问题中获取奖励，以及在 Arena 这类人类反馈体系中赢得更高评分。目标函数不同，得到的“智能形态”自然也截然不同。
也正因为 RLVR 主要发生在可验证领域，LLM 的能力才会在这些局部空间中被不断放大，最终表现为极度不平衡的结构：模型可以在高等数学或复杂推理上展现出近乎博学家的水平，却仍可能在常识判断、语境理解，甚至一次精心设计的 jailbreak 面前，显得像个困惑的小学生。
在这一背景下，Karpathy 对 2025 年各类 Benchmark 表现出了近乎本能的不信任。当榜单本身成为一种“可验证环境”时，实验室围绕这些嵌入空间进行针对性 RLVR 优化几乎是不可避免的结果。刷榜正在演化成一种新的技术艺术，而高分，也越来越不再等同于通往 AGI 的方向。
如果说 2025 年我们第一次在直觉上看清了大模型智能的形态，那么几乎在同一时间，另一条变化也在应用层悄然成形：LLM 正在从“网页里的工具”，迁移成“常驻在本地计算环境中的新一层”。
这里有2个例子：Cursor与Claude Code，它们代表了2025年LLM 应用的形态正在发生的两次关键分裂：
第一，应用层的“厚度”竞争。 以 Cursor 为代表的应用证明了“上下文工程”和“多调用编排（DAG）”的价值。Karpathy 认为，大模型实验室未来更倾向于培养“全能大学生”，而垂直领域的应用层则负责将这些大学生组织成专业的团队，并提供私有数据和反馈环。
第二，Agent 运行环境的“主权”移交。 Claude Code 的出现被视为 Agent 的首个说服力原型。与 OpenAI 坚持的云端容器方案不同，Claude Code 运行在用户的本地环境（localhost）。这种“AI 住在你的电脑里”的范式，比云端 Agent 更能触及开发者的真实上下文。
Cursor 经常被拿来作为例子，但它的意义并不在于“一个更聪明的 IDE”。真正重要的是，它让开发者第一次明确感受到：LLM 不再只是被调用的服务，而是可以深度嵌入工作环境、长期存在、持续协作的系统组成部分。它不只是回答问题，而是在代码、文件和上下文之间“在场”。
Claude Code 将这一趋势推进得更进一步。所谓 AI that lives on your computer，并不是一个修辞性的说法，而是一次边界的下沉：AI 开始直接接触文件系统、终端、进程和真实状态，与人类共享同一套计算原语。在这种模式下，用户不再是唯一的操作主体，AI 也不再只是建议者，而是参与执行、接受反馈、被约束的协作方。
这背后，应用层的竞争逻辑已经发生了明显变化。过去，LLM 应用的核心博弈集中在模型能力、提示词设计和交互界面；而现在，焦点正在转向谁能让 AI 更稳定地“待在系统里”，谁能管理长期上下文，谁能把模型嵌入到真实的工作流与终端环境中。从 Cursor 到物理终端，争夺的其实是 LLM 能够触达的最底层计算接口。
这种变化并非偶然。正是因为大模型的能力本身呈现出明显的锯齿状结构，它们才不适合被当作一次性回答引擎，而更适合以“在位代理”的形式存在：在强项上自动放大效率，在弱项上通过人类监督、工具约束和真实环境反馈来兜底。与其追求一次性更聪明的回答，不如让模型在真实系统中持续工作、持续暴露短板、持续被修正。
从这个角度看，Cursor 和 Claude Code 所代表的，并不是某一类产品形态的胜负，而是一个更长期的问题：**未来的大模型，究竟是偶尔被召唤的工具，还是长期居住在我们计算环境中的协作对象。**而 2025 年，应用层已经开始给出它的答案。
如果说 Cursor 和 Claude Code 标志着 AI 开始“住进”计算环境，那么 Vibe Coding 则进一步改变了人与代码的协作方式。它并不是某种语言或工具，而是一种新的工作范式：**人类不再精确描述每一步实现，而是通过持续的语境、意图和反馈，引导代码整体朝某个方向演化。**关于Vibe Coding的基本概念和介绍也可以参考DataLearnerAI此前6月份发布的博客：最近很火的基于人工智能（AI）的vibe coding是什么？它和传统软件编码之间有什么区别？
在这种模式下，代码变得廉价且临时。为了验证一个想法或复现一个 Bug，开发者可以让模型快速生成整套实现；人类关注的重点，也从理解具体语言和框架，转向维持“意图是否连贯”。
这与传统“逐行构造、逐步控制”的开发方式形成了鲜明对比。Vibe Coding 更像是在维护一种整体状态：系统是否仍朝着预期架构收敛，修改是否破坏了隐含不变量，代码整体是否“还对劲”。实现细节可以被反复推翻甚至完全重写，人类更多承担的是方向性校准，而非逐行审核。
但Vibe Coding 对经验丰富的工程师和初学者的效果几乎相反。
这种分化在 2025 年变得尤为明显，并不只是因为模型更强，而是因为 LLM 已经开始以常驻、在位的方式参与开发流程。当编程从一次次生成请求，转变为长期协作过程时，vibe 本身就成为一种可感知、可调节的对象。
从工程角度看，Vibe Coding 并不是降低严谨性，而是重新分配严谨性的位置。人类负责目标、边界和不可违背的约束；模型负责实现路径和局部试探。代码质量不再主要来自“写得是否精确”，而是来自反馈回路是否足够密集。
因此，Vibe Coding 并不是“把编程交给 AI”，而是承认代码已经从一个完全可控的对象，变成了一个需要被持续引导的过程。开发者的角色，也随之从实现者转向调节者，从逐行控制转向整体判断。
2025 年大模型应用层另一个重要趋势，是 Nano Banana 这类“原生图像能力”模型对 GUI 的直接冲击。Nano Banana 是 Google 在 2025 年展示的一类 Gemini 模型能力形态，其核心特征并不在于“会画图”，而在于两点：对图像的精确理解，以及在多轮交互中保持高度一致、可控的图像生成与编辑能力。模型不仅能识别图像中细粒度的结构、文字和语义关系，还能在反复修改中稳定地“只改该改的地方”。
这里的关键并不是“图像生成变强了”，而是它把两项长期缺失的能力同时补齐：图像理解足够精确，以及图像生成/编辑足够一致、可控。这两项能力叠加后，GUI 才第一次变得像一种“新的人机接口”，而不只是给模型加了个作图工具。
如果 LLM 是新的计算核心，那么它就不应该长期只通过“文本对话”与人类交流。**对人而言，更自然的交互形式应当是图像、信息图、白板、幻灯片、动画、网页应用，甚至是可操作的空间结构，而不是一行行生成的文字。
Nano Banana的出现，使得图像第一次具备了“可操作性”。用户不再需要把视觉世界翻译成冗长的文字描述，而是可以直接指着图像本身提出修改意图——圈选、对比、强调、保持一致。这种交互在过去的多模态模型中要么不精确，要么不可复现，因此始终停留在演示层面。
也正是在这里，Nano Banana 第一次明确展示了一种可能的 LLM GUI 雏形：图像不再只是生成结果，而成为可以被持续理解、修改和校准的交互载体。
回顾 2025 年，大模型展现出一种矛盾的特质：它比预想中更聪明，同时也比预想中更笨。
Karpathy 的结论保持了极客式的冷静：模型能力本身依然是长期的决定性因素，而行业目前甚至还没挖掘出当前模型潜力的 10%。随着 RLVR 范式的成熟和推理算力比例的增加，大模型的演进路径正变得前所未有的开阔，但也更需要我们摆脱“拟人化”的思维定式，去理解那团被算力和奖励信号召唤出来的“幽灵”。
