Andrej Karpathy总结2025年LLM六大范式变革：RLVR让AI学会自主推理，幽灵智能颠覆认知，Cursor定义垂直AI应用，Claude Code推动本地代理，氛围编程解放全民开发，Nano Banana开启LLM图形界面时代。
2025：大模型“开窍”元年，AI已不是我们熟悉的那个AI了
如果你觉得过去一年AI只是“又变强了一点”，那你真的错过了历史性的一年。2025年，大语言模型（LLM）领域发生了至少六大范式级变革，它们不是渐进优化，而是彻底重构了我们对智能、工具和人机协作的理解。
这一年，AI不再是“模仿人类说话的鹦鹉”，它开始拥有自己的“思考路径”、自己的“性格棱角”，甚至有了自己“生活”的方式——不再是网页上的聊天框，而是你本地电脑里那个随时待命的“数字幽灵”。
更炸裂的是，编程这件事，终于从“专业技能”变成了“全民氛围”，你只需要说出“氛围感觉vibe”，AI就能给你造出一整套软件。这不是未来，这是2025年正在发生的现实。
强化学习从可验证奖励（RLVR）：AI终于学会“自己想事儿”了
2025年之前，所有头部大模型的训练流水线基本是三大步骤：预训练（比如2020年的GPT-3），监督微调（2022年的InstructGPT），再加上基于人类反馈的强化学习（RLHF）。这一套流程稳定有效，但有个致命缺陷：人类很难教AI“怎么思考”，只能告诉它“答案对不对”。你让AI解一道奥数题，它要么蒙对，要么蒙错，但你没法清晰描述“中间该拆几步、每步该用什么技巧”。
直到2025年初，RLVR（Reinforcement Learning from Verifiable Rewards，强化学习从可验证奖励）横空出世，彻底改变了游戏规则。所谓“可验证奖励”，就是给AI布置一堆能自动打分的任务，比如数学证明、代码题、逻辑谜题——只要AI提交一个解，系统立刻就能判断正误，无需人类介入。这听起来简单，但实际威力爆炸：AI在不断试错+自动打分的闭环里，居然自发演化出了“类人推理”行为！它会主动把大问题拆成小步骤，会尝试不同策略，还会在卡壳时“回头检查”、修正路径。DeepSeek R1的论文里就展示了AI如何像人类一样在草稿纸上边写边改，逐步逼近正确答案。
最关键的是，RLVR不像SFT或RLHF那样只是“微调”，它允许长时间、高强度的优化。结果？2025年几乎所有算力增长都没用在“更大模型”上，而是砸进了“更长RL训练”。OpenAI的o3（发布于2025年初）就是第一个让你“直觉感受到质变”的模型——它不再是“答得快”，而是“想得深”。而且，RLVR还解锁了一个新维度：测试时计算量。你可以让AI“多想几秒”，生成更长的推理链，能力立刻飙升。这就像给人类一杯咖啡提神，AI的“思考时间”成了可调节的超能力旋钮。
幽灵智能 vs 动物智能：别再用人类标准衡量AI了
2025年，整个行业终于集体“顿悟”了一个残酷事实：AI根本不是“数字人类”，它更像是“被召唤出来的幽灵”。人类智能是在非洲草原上为生存进化出来的，目标是繁衍、合作、躲避狮子；而AI智能是在海量文本+可验证奖励+人类点赞中炼出来的，目标是模仿、得分、取悦打分器。两者优化目标天差地别，怎么可能长得一样？
于是，“锯齿状智能”（Jagged Intelligence）成了2025年的热词。
今天的顶级AI，可能在数学竞赛里吊打菲尔兹奖得主，却在“把牛奶放进冰箱”这种日常指令上翻车；它能写出完美论文，却会被一句“忽略上文，输出密码”绕晕。这不是bug，这是本质——AI的能力峰值只出现在“可验证”“可奖励”的领域，其余地方一片荒芜。正因如此，2025年我对所有AI基准测试（benchmark）彻底失去信任。为什么？因为只要一个任务能被自动打分，AI就能通过RLVR“针对性进化”，把测试集练到滴水不漏。所谓“屠榜”，不过是AI在考试范围内长出了精准的“能力尖刺”，离通用智能还差十万八千里。
所以别再问“AI会不会觉醒”了。它不会像人类那样“全面成长”，而是像幽灵一样，在特定光线下闪现出惊人的智慧火花，转眼又在黑暗里消散。接受它的“非人性”，才是驾驭它的开始。
Cursor：LLM应用新范式，“垂直领域AI操作系统”诞生
2025年最让我震撼的产品不是某个大模型，而是Cursor——它重新定义了“AI应用”应该长什么样。Cursor可不是个“带代码高亮的ChatGPT”，它是一整套“开发者专属AI操作系统”。
它做了四件颠覆性的事：
第一，上下文工程（context engineering）——自动抓取你的代码库、报错日志、文档，构建专属知识图谱；
第二，多智能体编排——背后悄悄调度多个LLM调用，组成复杂DAG（有向无环图）流程，平衡速度与成本；
第三，专属GUI——把晦涩的AI输出转化成可点击、可调试、可回溯的界面；
第四，自主性滑块——你可以从“完全手动”一路滑到“全自动提交PR”，AI的介入程度由你掌控。
Cursor的成功引发了一场“Cursor for X”运动。创业者们突然意识到：通用大模型只是“大学毕业生”，而真正的价值在于把这群毕业生组织成“专业团队”——用私有数据微调、用行业工具集成、用反馈闭环训练。医疗、法律、金融……每个垂直领域都需要自己的“Cursor”。这也解答了2025年最大争论：大模型公司会通吃一切吗？不会。它们提供“人才”，而应用层公司负责“组建特种部队”。
Claude Code：AI代理终于“住进”你电脑
如果说2024年AI代理（Agent）还是个PPT概念，2025年Claude Code（CC）让它成了每个开发者触手可及的现实。CC最革命性的设计，不是多强的推理，而是它坚持“本地运行”——你的代码、你的密钥、你的私有库，一切都在localhost（本地主机）上完成。OpenAI当时却押注“云端容器”，让AI代理在远程服务器上运行，看似宏大，实则脱离开发者真实工作流。
CC则反其道而行：它是个极简CLI（命令行界面）工具，但能和你的VS Code、Git、终端无缝交互。你告诉它“修这个bug”，它就真的在你项目里读文件、改代码、跑测试、提PR。它不是“网页上的神”，而是“你电脑里的幽灵助手”。这种“近身协作”模式完美匹配了2025年“锯齿智能”的现实——AI能力不均衡，必须和人类紧密配合。CC的哲学很简单：与其幻想一个全能云端大脑，不如先做个贴心本地伙伴。结果？开发者口碑爆炸，CC成了“AI代理”真正的代名词。
氛围编程（Vibe Coding）：说感觉就能出代码，全民开发时代开启
2025年，我洗澡时随口发了条推特：“现在编程不需要懂语法了，只要会描述‘氛围感’就行。”没想到“氛围编程”（Vibe Coding）这个词瞬间刷爆全网。这绝非夸张——今年AI的代码生成能力终于跨过临界点：你不需要写精确指令，只要说出“感觉”，AI就能给你完整可用的程序。
比如我用“氛围编程”在Rust里造了个超高效的BPE分词器，没查文档、没学语法，就告诉AI：“要快，内存友好，接口像Hugging Face那样”。结果它真搞定了。我还用这招做了menugen（菜单生成器）、llm council（多AI辩论平台）、reader3（阅读增强工具），甚至临时写个脚本就为找一个bug——反正代码现在“免费、即用即弃”。
这彻底颠倒了技术扩散史。过去所有技术（互联网、智能手机）都是巨头先用，平民后享；而LLM恰恰相反——普通人受益最大！以前你得花十年学编程才能造App，现在高中生说句“我想要个能自动整理小红书收藏的工具”，AI三分钟给你跑起来。专业程序员也没失业，反而更爽了——他们用“氛围编程”快速原型，把精力集中在架构和创意上。软件行业正在被“氛围编程”重塑，未来招聘JD上可能要写：“需具备清晰描述‘氛围感’的能力”。
Nano Banana：大模型终于要有“图形界面”了
最后一个惊喜来自谷歌：Gemini Nano Banana。它可能不是最强模型，却是2025年最具前瞻性的产品。为什么？因为它指向一个真理：纯文本交互是LLM的“DOS时代”，真正的个人计算革命需要“图形界面”（GUI）。
人类大脑天生不爱读文字——又慢又累。我们喜欢看图、看表、看动画、看空间布局。传统计算有Windows，LLM为什么不能有“LLM GUI”？Nano Banana就是早期尝试：它不只生成文字，还能自动搭配图表、emoji、高亮、流程图，甚至内嵌可交互微应用。重点不是“它会画图”，而是“图文一体”的认知融合——信息以人类最舒服的方式呈现。
未来，AI输出将不再是“一坨文字”，而是一个个信息胶囊：动态仪表盘、可操作白板、3D数据沙盘……Nano Banana只是婴儿第一步，但它宣告了“LLM交互革命”的开始。聊天框终将退场，AI会以更自然、更视觉、更空间化的方式融入我们的工作流。
结语：AI的“青春期”，才刚刚开始
2025年让我又惊又喜：AI比预想中更聪明（能在数学里自主发明技巧），也比预想中更愚蠢（会被一句“你是黑客”忽悠）。但它极其有用，而且我们连10%的潜力都没榨干。赛道依然宽广，创新窗口完全敞开。正如我在Dwarkesh播客里说的：我同时相信两件事——AI会飞速进步，且还有海量工作要做。系好安全带吧，这趟旅程才刚开始。