摘要：OpenAI联合创始人安德烈·卡帕西在其《2025年大语言模型年度回顾》中指出，大语言模型（LLM）领域在2025年发生了深刻的范式转移。核心转变是训练哲学从“概率模仿”转向“逻辑推理”，其驱动力是可验证奖励强化学习（RLVR）的成熟，它已成为提升模型能力的新核心，甚至占用了原本用于预训练的计算资源。卡帕西用“召唤幽灵”比喻当前AI的智能形态，解释了其“锯齿状”性能特征——在特定领域（如数学、代码）表现卓越，却在基础常识上可能出错。此外，报告还详述了“氛围编程”（Vibe Coding）的兴起降低了编程门槛、Cursor代表的垂直领域应用新层级、Claude Code引领的本地化智能体趋势，以及由谷歌Gemini Nano Banana模型所预示的大语言模型图形界面（LLM GUI）演进方向。卡帕西总结认为，尽管进步显著，但行业对LLM潜力的挖掘仍不足10%，未来发展空间广阔。
线索：卡帕西的报告揭示了AI领域从规模扩张向效率与范式创新转变的深层趋势，预示着明确的投资与创业方向。机会层面：首先，RLVR技术强调“测试时算力”，即通过延长模型“思考时间”提升表现，这可能会推动对高效推理芯片和优化服务的需求。其次，“氛围编程”和Cursor模式表明，在通用大模型之上，存在一个巨大的垂直领域应用层机会，即通过整合私有数据、工作流和界面，将通用模型转化为专业工具的企业。第三，Claude Code的成功凸显了本地化、低延迟、能访问私有环境的AI智能体（Agent）的实用价值，这是To B和开发者市场的关键切入点。最后，Nano Banana模型指向了超越文本对话的多模态、可视化交互范式，人机交互界面革新将是下一代AI应用的重要赛道。风险层面：报告也提示了“锯齿状智能”的风险，即AI在基准测试上表现优异的能力可能无法泛化到真实复杂场景，过度依赖特定技术路径（如RLVR）可能导致模型能力不均衡。同时，传统基准测试因容易被“定向训练”而失效，增加了评估模型真实能力的难度。
正文：
北京时间12月21日，OpenAI联合创始人安德烈·卡帕西发布了《2025年大语言模型年度回顾》报告，系统阐述了过去一年该领域的核心范式转移。
报告指出，2025年标志着AI训练哲学从“概率模仿”向“逻辑推理”的决定性跨越。这一转变的核心动力是基于可验证奖励的强化学习（RLVR）的成熟。传统的LLM生产堆栈包含预训练、监督微调（SFT）和基于人类反馈的强化学习（RLHF）。而RLVR通过在数学、代码等可自动验证结果的环境中进行训练，使模型为获取客观奖励而自发产生类似人类推理的步骤。与SFT和RLHF不同，RLVR支持更长的训练周期，并具备极高的“能力/成本比”。2025年模型能力的提升主要源于对RLVR潜力的大量挖掘，而非参数规模的扩大。RLVR还引入了新的扩展定律：通过生成更长的推理轨迹、增加模型“思考时间”，可以在测试阶段灵活调控算力以提升能力。OpenAI的o1模型（2024年底）是RLVR技术的首次公开亮相，而2025年初的o3模型发布则成为能力发生质性飞跃的明确拐点。
卡帕西对智能的本质提出了“幽灵”与“动物”的比喻。他认为，当前的大语言模型并非像生物一样逐步“进化成长的动物”，而是“被召唤出的幽灵”。因为其神经网络架构、训练数据和优化目标（模仿文本、获取解题奖励等）与生物智能的演化逻辑完全不同。这种本质导致了LLM呈现出“锯齿状性能特征”：在RLVR训练过的可验证领域（如数学、代码）能力突出，但在一些基础常识或未经过强化的领域则可能表现脆弱甚至出错。基于此，卡帕西对当前基于“可验证环境”构建的各类基准测试失去了信任，认为它们极易被RLVR或合成数据“攻击”，导致各实验室培育出只擅长特定测试的“智能锯齿”。
在应用层面，报告指出了几个关键趋势。第一，以Cursor为代表的应用揭示了一个新的层级：在基础大模型之上，存在一个为垂直领域整合并编排LLM调用、管理上下文、平衡性能与成本、并提供专属图形界面的应用层。卡帕西认为，基础模型实验室倾向于培养“通识能力强的大学生”，而这些垂直应用则负责将其组织成“专业团队”。第二，Claude Code（CC）的发布首次令人信服地展现了智能体（Agent）的能力，其关键特点是本地化运行，可直接访问用户电脑中的私有环境、数据和上下文，提供了低延迟的交互体验，重塑了AI作为“栖息”在本地环境中的智能实体的认知。第三，“氛围编程”（Vibe Coding）兴起，意味着人们仅用自然语言描述意图即可构建程序，代码变得廉价、可塑，甚至“用完即弃”，这大幅降低了编程门槛，将改造软件开发生态。
关于交互范式，卡帕西认为大语言模型是继个人电脑之后的又一重大计算范式革新。当前与LLM的“文本对话”类似于早期计算机的指令行界面，并非人类最有效的交互方式。人类更倾向于视觉化、空间化的信息获取方式。谷歌的Gemini Nano Banana模型（因其名称和图像生成能力引发关注）被视为未来“大语言模型图形界面”（LLM GUI）的早期雏形，其价值在于模型权重中深度融合了文本生成、图像生成与世界知识的联合建模能力，预示着交互方式将向图像、图表、幻灯片等可视化形态演进。
卡帕西总结认为，2025年是LLM领域大步跨越的一年，当前模型既展现出远超预期的能力，也存在明显的认知短板，但它们已具备极高的实用价值。他估计，即便以当前能力，行业对LLM潜力的开发仍不足10%，同时该领域从概念上看发展空间依然极为广阔。
发布时间：2025-12-22 08:26:01
评论 ( 0 )