说实话，看到LLM过去一年的发展，很多老观点真得重新掂量掂量了。我们之前总说大模型就是个“Token生成器”、“概率预测机”，但2025年的现实是，这个定义已经跟不上趟了。一句话总结：LLM正在突破“Token生成器”的局限，展现出一些我们以前想都不敢想的新能力。

核心变化可以概括为三个维度：模型能力从“续写”走向“初步规划”；使用成本从“巨头专属”降到“人人可及”；而DeepSeek的出现，更是直接引爆了低成本AI革命，用开源基座模型把门彻底踢开。

说到这个话题，就不得不提GTC 2025大会上，LeCun老爷子又一次“炮轰”LLM。他坚持认为，LLM本质就是“Token生成器”，只会预测下一个单词，根本没有世界模型、推理、规划和记忆能力，甚至预言五年内就会被新范式取代。

这个观点，在差不多一年前，很多人（包括我自己当时的分享）都是认同的。但现在站在2025年4月往回看，LeCun的批评到底有没有道理？大模型真的只能被永远困在“下一个词预测”的牢笼里吗？过去这一年，行业到底发生了哪些深刻的变化？下面，我结合近期的观察，做个简要的梳理。

1. 能力边界的重塑：从“续写”到“初步理解与规划”

事实是，这个“墙”的边界正在模糊。过去我们认为LLM最擅长的是续写、摘要、翻译这些局部任务，但Claude 3.7 Sonnet、ChatGPT o1、DeepSeek-R1这类模型的涌现，正在打破这个刻板印象。

模型内部开始显露出更深层的规划与思考迹象。举个具体例子，Anthropic对Claude的研究发现，它在写诗时，似乎能在内部“预先规划”好韵脚，并在句子开头就开始为后续的押韵做准备。这意味着模型不再是一步一步、漫无目的地预测下一个词，而是展现出了一定的前瞻性规划能力。

虽然我们还没法说这已经构成了LeCun定义的“稳健世界模型”，但模型的表现正在超越 “Token Prediction” 的范畴，更像是模拟了世界知识，并进行目标导向的序列生成。

2. 模型成本的变革：从“巨头专属”到“人人可及”

除了能力本身，获取和部署先进AI的经济门槛，在2025年也出现了显著下降。一个最突出的例子就是DeepSeek。它不仅在编程和数学推理等特定领域推出了一系列性能极具竞争力的模型，最关键的是，它采取了极具碘伏性的低成本策略。

DeepSeek的API定价远低于OpenAI或Anthropic，同时还开源了多个强大的基座模型。这极大地降低了企业和开发者的使用门槛。它的成功策略清楚地表明，随着市场竞争加剧和模型效率优化，高性能AI不再是少数巨头的专属品。这股成本“民主化”的浪潮，正使得尖端AI技术对更广泛的企业（包括中小型企业）和独立开发者变得触手可及，从而加速了AI在各行各业的落地。

3. 模型即产品：AI工作流的范式转移

随着模型能力的提升，一个深刻的范式转移正在发生：AI的价值核心正从围绕模型的复杂应用层，向模型本身迁移——模型正在成为产品。它不再只是隐藏在应用界面后的“黑盒引擎”，而是凭借其强大的内在集成能力，直接定义了核心功能与用户交互模式。

用户越来越多地直接与模型交互来完成端到端的任务。比如OpenAI的DeepResearch，它并非简单的搜索应用封装，而是通过强化学习等方式进行专门训练，内化了搜索、网页浏览、信息综合等核心能力的“研究型语言模型”。它能够直接端到端地自主完成深度研究与报告生成任务，无需复杂的编排。

这种“模型即产品”的趋势，也意味着传统“流水线式”的AI工作流正在被碘伏。过去，用户可能需要在ComfyUI或SD WebUI中手动编排复杂的节点网络；如今，GPT-4o这样的模型把风格迁移、细节注入、主体一致性等能力统统融合于自身，允许用户通过更直接、更自然的语言交互来驱动创作。模型本身，而非围绕它的软件外壳，正在成为交付给用户、解决实际问题的核心载体。

4. 2025，AI Agent的破晓时刻

尽管前几年主要聚焦于基础大模型，但2025年正迅速成为AI Agent向功能成熟期过渡的关键年份。这体现在多个层面：首先，能看到展示出显著操作自主性的高级Agent开始出现，比如Monica公司的Manus AI，它能基于高层级目标自主分解任务、生成可执行计划并管理复杂工作流，吸引了显著关注并激发了早期用户的兴趣。

其次，支撑Agent进行稳健部署的关键基础设施也日渐成熟。近期Browser Use公司获得的1700万美元融资就突显了这一点，这笔投资旨在解决一个长期挑战：让Agent能够有效且可靠地在动态网页环境中导航和交互。

此进步背后的驱动力是双重的：核心模型能力的提升，以及与外部世界交互方式的标准化。后者方面，由Anthropic等倡导的模型上下文协议（MCP）（2024年底）应运而生。它旨在建立一套开放、统一的行业标准，以避免不同模型厂商因工具交互协议不兼容而导致的生态割裂。MCP的核心是让任何兼容的Agent都能以标准化的方式调用外部工具，这极大地促进了互操作性，为构建更开放、灵活的AI Agent生态奠定了基础。

过去一年，Agent正明显地超越其早期作为简单的指令跟随工具或受限于插件能力的角色。它日益展现出进行复杂任务分解、涉及工具使用的多步规划，以及基于环境反馈动态调整执行的能力。这标志着向更自主、更稳定的系统转变。

5. 技术门槛的消融：用户体验的飞跃

技术进步最直观的体现，莫过于用户体验的提升。我仍然清晰记得两年前，尝试用MidJourney制作一本英文儿童绘本时的“艰难”。那时，图像生成高度依赖繁琐的提示词技巧、风格词汇堆砌、采样方法选择，并且需要多轮人工筛选来对抗随机性。为了完成一本不到20页的绘本，我生成了超过400张图片，角色一致性和画面细节仍是巨大挑战。

而到了GPT-4o图像生成功能上线的这一周，社交平台上的讨论重点已不再是各种高超技巧，而是直接分享成果，比如吉卜力风格的家人合照，个人定制化的3D手办。新模型极大地消解了图片创作的技术门槛，用户无需深入理解复杂的提示词结构，模型就能自动处理风格化、细节控制、主体一致性等问题。两年前我提到的那些“工程化痛点”，如今基本都被自然地克服了。这种体验上的天壤之别，正是模型内部能力集成、推理能力进步的现实映射，是AI从“面向技术爱好者”向“面向所有人”转变的一个缩影。

6. 未知大于已知：在智能的冰山一角探索

尽管我们为2025年取得的成就感到兴奋，但当我们尝试深入理解这些大模型时，会发现其内部的未知空间依然广阔。

是否真正拥有稳定、可泛化的世界模型？在生成长序列输出时，模型是如何进行多步规划的？当面对模糊、矛盾或从未见过的信息时，其内部的推理机制又是如何动态调整适应的？这些根本性问题，目前仍缺乏标准答案。AI的智能形态正从“语言机器”加速演变为“通用问题解决器”，甚至开始显露“行动智能”的特征，但我们对它的理解，或许仍如同盲人摸象，只触及其庞大能力冰山的一角。

回到LeCun的质疑，也许他的论断可能低估了当前LLM路线的实践进展和演化潜力，但他的批评仍具价值。当前我们所观察到的惊人能力涌现，其底层机制可能仍与我们所期望的“AGI”有本质区别。眼前的进步或许只是通往更高级智能漫长道路上的一小步。在人类与日益强大的智能系统共同探索的征途上，大模型的未来，依旧充满了待解的谜团、巨大的潜能，以及伴随而来的责任与挑战。

后记：当写作也开始“Vibe”

OpenAI联合创始人、前特斯拉AI负责人Andrej Karpathy在2025年2月提出了“Vibe coding”概念，描述了一种与AI协同的编程新范式：通过语音命令，而AI则负责生成实际代码。他形容这种状态是“看到什么，说到什么，运行什么，复制粘贴什么，基本上就可行了”。

本文的整个创作过程，便是一次与此高度相似的实践，可以称之为“Vibe writing”。

并没有从一张白纸开始逐字推敲。脑海中首先形成的是本文希望探讨的核心议题、大致的行文框架以及关键的论证逻辑——这可以视为设定了创作的蓝图。随后，将相关的参考资料链接提供给AI（本文主要使用了ChatGPT-4o和Gemini 2.5 Pro），并围绕预设的框架，通过多轮、迭代式的对话进行“共同创作”。在这个过程中，人类作者的核心价值，似乎正更多地转向战略性的构思、方向的把控、深度的洞察以及最终质量的裁决，而AI则扮演了效率惊人的工匠，依据蓝图，将思想快速显化为具体的文字。