2025 年 AI 大模型行业最重要的 6 大技术成果

“Vibe Coding”概念提出者Andrej Karpathy近日发布年度复盘长文——《2025 LLM Year in Review》，系统梳理了2025年大模型领域最具突破性的六大技术进展，语言平实、洞察犀利：

1. RLVR（可验证奖励强化学习）

过去一年前，主流大模型训练范式始终围绕三大支柱展开：

1️⃣ Pretraining（预训练）：从全网抓取海量文本，训练模型预测下一个词；
2️⃣ SFT（监督微调）：靠人工标注高质量问答对，引导模型向“标准答案”靠拢；
3️⃣ RLHF（基于人类反馈的强化学习）：让模型生成多个候选输出，再由人打分排序，逐步校准偏好。

而RLVR另辟蹊径：它不依赖主观评价，而是将模型投入具备唯一正确解的高难度数学推理任务中——先推演，再验算，用“对错分明”的结果反向驱动策略进化。这种机制首次让模型在无监督试错中自发构建起链式推理能力。

更关键的是，RLVR已成为今年算力消耗的绝对主力，并悄然解锁了一个全新控制维度：“思考时长调节”。OpenAI的o1是该路径的探路者，而o3则标志着其真正走向成熟与规模化落地。

2. 智能的锯齿曲线

2025年我们终于看清一个事实：大模型并非类人智能体，而是一种高度特化的“应召幽灵”。

人类智能是在漫长演化中为生存而打磨出的通用适应力；但大模型的“聪明”，却是被精心设计出来的——只为更像人类说话、更擅长解题拿分、更能在基准测试里刷出漂亮数字。于是它呈现出一种诡异的“智能波动”：既能攻克IMO压轴题，又会在数清“strawberry”里有几个r时翻车。

这也意味着传统评测体系正快速失效——所有厂商都在针对榜单刷题，甚至把训练数据直接锚定在特定benchmark上。当能力演进变成一场应试竞赛，通往AGI的道路只会越走越窄。

3. Cursor

Cursor真正的意义，远不止于一款成功产品本身。今年，“XX行业的Cursor”已成为创业圈高频标签，这背后折射出一个清晰信号：大模型正加速下沉至垂直应用层。

Cursor验证了一种新商业模式——不做底层模型，而是做“模型封装师”：面向特定职业场景（如前端开发、数据分析），把通用大模型能力打包成开箱即用的生产力套件，就像一位懂技术的产品经理。

未来的生态分工或将如此：基础模型厂商负责培养“通识型毕业生”，而Cursor这类公司，则承担起“岗前实训导师”的角色，把理论派快速转化为实战派。

4. Claude Code

Claude Code是当前最接近理想形态的本地化Agent，它运行于用户设备之上，理论上，你能用键盘鼠标完成的操作，它同样可以接管。

相比之下，OpenAI的路径略显激进：过度聚焦ChatGPT这一统一入口，将Codex、Agent等关键能力全部收编至云端。诚然，“在一个对话框里搞定一切”极具AGI浪漫主义色彩，但现实是——当前模型能力仍处于“上限极高、下限极低”的不稳定区间。此时，端侧可控、响应即时、隐私友好的智能体，反而更具实用价值。

标签： 前端 windows 浏览器 前端开发 ai chatgpt openai win gpt claude 大模型 本地化