Karpathy年终大模型清单引近200万人围观，主角是它们
编辑｜杜伟
2025 年还有 10 天就要结束，这意味着是时候进行一波年终总结了。
对于人工智能领域而言，2025 年是大语言模型（LLM）快速演进、重磅事件密集出现的一年。
就在昨天，知名 AI 学者 Karpathy 列出了一份清单，记录了他个人认为最重要、也多少有些出乎意料的「范式转变」。
这些真正改变了行业格局、并在概念层面让 Karpathy 印象深刻的变化会落在哪些领域呢？我们接下来一一来看（以第一人称）。
可验证奖励强化学习（RLVR）
2025 年初，几乎所有实验室的 LLM 生产训练流程都像下面这样：
预训练（类似 2020 年的 GPT-2/3）；监督微调（SFT，类似 2024 年的 InstructGPT）基于人类反馈的强化学习（RLHF，约 2024 年）
这套流程稳定、可靠，曾长期被视为「工业级 LLM」的标准做法。
但在 2025 年，一种新的阶段浮出水面，并迅速成为事实上的标配：可验证奖励强化学习（Reinforcement Learning from Verifiable Rewards，RLVR）
RLVR 的核心做法是，让模型在可自动验证的环境中接受强化学习训练，比如数学题、代码题、逻辑谜题等。在这些环境中，模型自发学会一些在人类看来非常像「推理」的策略：它会把复杂问题拆解成中间步骤，并反复试探、修正路径，逐步逼近答案（DeepSeek R1 的论文中有不少很好的例子）。
在以往的 SFT 或 RLHF 框架下，这类「推理轨迹」是极难人为设计出来的。这是因为我们并不知道对模型而言，什么才是「最优的思考过程」。而在 RLVR 中，模型可以通过优化奖励函数，自行摸索出对自己最有效的解题方式。
此外，与 SFT 和 RLHF 这种「计算量相对较小的薄层微调」不同，RLVR 使用的是客观、难以被投机取巧的奖励函数，这使得训练可以跑得非常久。结果就是：RLVR 提供了极高的能力 / 成本比，大量吞噬了原本准备用于预训练的算力。
因此，2025 年的大部分能力提升，并不是来自模型规模的暴涨，而是来自相似规模模型 + 更长时间的 RL 训练。这个阶段还带来了一个全新的「旋钮」：通过在推理时生成更长的思考链条、投入更多测试时算力，模型能力可以继续提升，并呈现出新的 scaling law。
OpenAI 的 o1（2024 年底）是第一个明确展示 RLVR 思路的模型，而 2025 年初的 o3，则是那个让人直观感受到质变拐点的版本。
幽灵 vs 动物：锯齿状智能
2025 年，是我（以及我认为整个行业）第一次真正直觉性地理解了 LLM 智能的「形状」。我们并不是在「培育或进化动物」，而是在「召唤幽灵」。
LLM 的一切都和人类不同：神经结构不同、训练数据不同、训练算法不同，最关键的是优化目标完全不同。人类神经系统，是为丛林生存、部落协作而优化的；而 LLM 是为模仿人类文本、在数学谜题中拿分、在 LM Arena 里获得点赞而优化的。
一旦某些领域具备可验证性，RLVR 就会在这些区域「长出尖刺」。于是我们看到的，是一种锯齿化（jagged）明显的能力分布：它们可以在某些领域表现得像博学的天才，同时又在另一些地方像困惑的小学生，甚至轻易被 jailbreak 套走隐私数据。
我很喜欢一张 meme：人类智能是蓝色曲线，AI 是红色曲线。它也提醒我们：人类智能本身，同样是锯齿状的，只是形状不同。
这也解释了我在 2025 年对基准普遍不当回事与不信任。问题在于：基准测试本质上就是可验证环境，因此天然容易被 RLVR 或弱化版本的「合成数据训练」所攻破。
在现实中，模型团队往往会在基准所在的嵌入空间附近「培育能力突起」，把 jaggies 精准地长到测试点上。「在测试集上训练」已经演变成了一门艺术
那么问题来了：如果一个模型碾压了所有基准，却依然不是 AGI，那意味着什么？
Cursor：LLM 应用的新一层
Cursor 在 2025 年的爆发本身就很惊人，但对我而言，更重要的是：它清晰地揭示了一种全新的 LLM 应用层
人们开始说，「这是某某领域的 Cursor」。在我今年 YC 演讲中提到过：像 Cursor 这样的 LLM 应用，本质是在为特定垂直领域打包和编排 LLM 能力：
上下文工程（context engineering）；在后台编排多次 LLM 调用，形成越来越复杂的 DAG，同时平衡成本与性能；提供面向人的、领域专用的 GUI；提供「自主性滑块」（autonomy slider）。
2025 年围绕着一个问题出现了大量讨论：这一层会有多厚？LLM 实验室会不会吞掉所有应用？还是说，LLM 应用层依然有广阔空间？
我个人的判断是：基础模型会趋向于「一个通用能力很强的大学毕业生」，而真正把他们组织成专业团队、在具体行业中落地的会是应用层，通过私有数据、传感器、执行器和反馈回路将模型组织并投入实际工作流程」。
Claude Code：住在你电脑里的 AI
Claude Code（CC）是我第一次觉得：「这才像一个真正的 LLM Agent。」它以循环方式将推理与工具调用串联起来，能持续解决长任务。
更重要的是：它运行在你的本地电脑上，直接使用你的环境、数据和上下文。
我认为 OpenAI 在这里判断失误了：他们把 agent /codex 的重心放在云端容器、由 ChatGPT 统一调度；而在一个能力锯齿、起飞缓慢的世界里，更合理的顺序其实是先让 agent 成为开发者身边的伙伴。
Claude Code 在这点上做对了，并且用一个极其优雅、极简、极具说服力的 CLI 形态呈现出来。
AI 不再只是一个你访问的 ，而是一个住在你电脑里的小幽灵。
这是一次全新的交互范式转变。
Vibe Coding（氛围编程）
2025 年，是 AI 跨过某个关键门槛的一年：人们可以只用英语构建复杂程序，甚至忘记代码本身的存在。
有趣的是，「vibe coding」这个词，最早只是我一条随手写的推文，完全没想到会流传这么广。
Vibe coding 让编程不再只是专业工程师的专利，任何人都可以上手；但同时，它也让专业工程师可以写出大量原本永远不会被写出来的软件。
在 nanoc h a t 项目中，我直接用 vibe coding 写了一个高效的 Rust BPE tokenizer；我用它快速写了很多 demo 项目（比如 menugen、llm-council、reader3、HN time capsule）；甚至为了定位一个 bug，我会 vibe coding 一个临时应用，用完即弃。
代码变得不值钱、短暂存在、并可随意改写与丢弃
Vibe coding 在重塑软件形态之外，也会重塑工作角色。
Nano Banana：LLM 的 GUI
Google Gemini 的「Nano Banana」，是 2025 年最让我震撼的模型之一。
在我的世界观里，LLM 是类似 1970–80 年代计算机的新一代通用计算范式，因此我们必然会看到类似的演化路径：
个人计算微控制器（认知核心）Agent 网络（类似互联网）
而在 UI/UX 层面，「聊天」就像 80 年代的命令行。文本是计算机最偏好的表示形式，但并不是人类最喜欢的输入方式。人们更喜欢视觉化、空间化的信息 —— 这正是 GUI 出现的原因。
同理，LLM 也应该用我们偏好的形式与我们交流：图片、信息图、幻灯片、白板、动画、网页应用……
Emoji 和 Markdown 只是最早期、最粗糙的尝试。那么，谁会构建真正的 LLM GUI？在我看来，Nano Banana 是一个非常早期但重要的信号。
它的意义不只在于图像生成，而在于：文本、图像与世界知识在同一模型中深度纠缠
最后总结
2025 年，是一个令人兴奋、也充满意外的大模型之年。
LLM 正在显现出一种全新的智能形态：它们既比我预期的聪明得多，又比我预期的愚蠢得多
但无论如何，它们已经极其有用，而我认为行业甚至还没有发挥出它们 10% 的潜力。
想法太多，空间太大，这个领域仍然是开放的。
正如我今年在 Dwarkesh 播客中说过的那样：
我一方面相信进展会持续且迅猛，另一方面也清楚，还有大量艰苦而细致的工作要做。
「系好安全带」，接下来只会更快。
原推链接：https://x.com/karpathy/status/2002118205729562949
相关攻略
数字逻辑与物质建构的深度对话 ——评许哲诚“境域·生成”计算性设计展演 □ 丁雅力（江苏省美术馆策展人） 当代设计与造物的核心范式，正经历着由计算性设计带来的深刻变革。2026年3月20日，南京艺术学院教师许哲诚于南京莫玄空间呈现的“境域·生成”个人专场展演，正是这一前沿趋势的集中体现。本次展览超越
近日，开源具身智能原生框架Dexbotic宣布正式支持以RLinf作为其分布式强化学习后端。对具身智能开发者而言，这不仅是一次普通的工程适配，更意味着VLA模型研发中长期存在的「SFT与RL割裂」问题，正在被真正打通。 这是一种典型的「乐高式协作」：双方不强行Fork、不粗暴揉合代码，而是保持清晰边
随着大模型参数规模不断增长，混合专家（Mixture-of-Experts, MoE）架构因其稀疏激活特性，成为平衡模型性能与计算开销的主流方案。然而，在实际的Web级应用部署中，一个关键挑战日益凸显：传统MoE的路由机制通常是“无记忆”的。 试想，在搜索引擎、智能问答或多轮对话等高并发场景下，用户
编程十年的一点分享 在软件开发的路上走过十几年，从一个爱好者到以此为业，有些体会或许值得聊聊，就当是抛砖引玉吧。 最早接触编程，是从BASIC和C语言开始的。工作后，随着需要，陆续学习了dBase、Access这类桌面数据库的开发。真正以开发为职业，可以说始于FoxPro 5 0，之后技术栈随着项目
引言 编程，是一门实践科学。这意味着，学习它的最佳方式就是动手去敲代码。但这是否意味着，我们可以因此轻视理论的学习呢？ 入门编程 如果你去各大技术社区提问“该如何入门编程”，五花八门的答案会瞬间涌来。 不过，仔细梳理一下，无外乎以下几种流派： 学院派 他们推荐从C语言入手，并辅以数据结构、操作系统等
热门专题
热门推荐
《Zero Parades: For Dead Spies》的媒体评测已经解禁，结果相当亮眼。这款被许多人视为《极乐迪斯科》精神续作的作品，在OpenCritic上拿到了86分的媒体均分，在Metacritic上也有83分。游戏将于5月21日正式登陆PC平台，看来2026年的必玩叙事RPG名单上，又
目录 你是否也遇到过这些问题 处理效果 前置准备 超简单AI自动化解决方案 第1步：准备好你的原始数据 第2步：针对指定的文件下达指令 第3步：验收 还能解决这些同类问题 指令为什么这么有用？ 更多场景直接抄作业 销售数据三级汇总 成本数据多级汇总 库存数据汇总 员工薪资汇总 常见问题答疑 核心价值
AI Agent 的发展，正迎来一个关键的转折点，从概念验证迈向真正的生产力交付。 想象一下，当一个 AI 智能体能够在无需人工介入的情况下，独立完成一个复杂项目的全流程，并将成功经验固化为可随时调用的“技能”——这是否标志着 AI 在职场中的角色，已经从辅助工具演变为自主的生产力单元？ 随着 Op
彭博社的马克・古尔曼在最新报道中透露了一个有趣的发现：苹果为WWDC 26发布的宣传海报，其设计细节可能暗藏玄机，指向了即将在iOS 27中亮相的全新Siri交互界面。 根据古尔曼的分析，新版Siri的核心变化在于与灵动岛的深度融合。唤醒时，它将不再以传统的全屏或底部卡片形式出现，而是会以一个扩展的
GitHub 的 Star 数量还值得信赖吗？真相可能比你想象的更严峻。 开源社区中“购买 Star”的现象早已不是秘密，其便捷程度甚至超过点外卖，单价低廉且支持批量折扣。然而，卡内基梅隆大学（CMU）一项被 ICSE 2026 顶会收录的最新研究，首次系统性地揭示了这场“造假生意”的惊人规模：Gi