Karpathy清单揭示2025大模型三大颠覆与智能陷阱

2025年眼看就要收尾，AI圈的年终总结直接炸场了！

OpenAI元老、前特斯拉AI负责人安德烈·卡帕西（Andrej Karpathy）晒出的年终大模型清单，一发布就引爆全网，近两百万网友蹲点围观。

这位曾入选MIT 35岁以下科技创新榜单的大佬，总结里没有半句废话，全是重塑行业格局的“范式级突破”。咱们今天就用大白话拆透，看看今年的AI到底藏着哪些真本事，又有哪些坑要避。

讲真，2025年大模型的核心提升，压根不是模型体量变大，而是训练路子换了——可验证奖励强化学习（RLVR）直接顶替了之前的RLHF，成了行业通用玩法。

以前训练大模型，全靠人类标注员打分，不仅费钱又慢，遇到数学推理这种复杂活，压根教不会。

但RLVR就聪明多了，它让模型在数学题、代码题这些有标准答案的“题库”里自己刷题，拆解步骤、试错修正，慢慢摸出最优解题思路，这种思考过程，人类想手动设计都难。

更关键的是，RLVR的评分标准客观又难作弊，能让模型长时间“刷题”修炼。

哪怕是和以前规模差不多的模型，练久了能力也能翻倍，性价比直接拉满，甚至把原本用来做预训练的算力都抢着用。

OpenAI去年底的o1模型先露了手，今年初的o3版本直接迎来质变，成了RLVR落地的标杆，能力提升肉眼可见。

不是真懂推理，甚至用随机奖励、错误标签训练，某些模型也能涨分，换个新场景就歇菜，泛化能力还得再观察。

这也印证了Karpathy说的“锯齿智能”——现在的AI就是个偏科生，可验证领域是天才，换个场景可能就变笨蛋，就像有工程师说的，AI能解复杂难题，却可能在简单常识题上翻车。

不知道你有没有发现，2025年AI Agent算是彻底火出圈了，但真正能打的，反而不是云端巨头，而是扎进你电脑里的“小幽灵”。

Karpathy在清单里重点夸了Claude Code，说它是第一个让他觉得“像真Agent”的工具。

和OpenAI把Agent放在云端调度不同，Claude Code直接装在你电脑里，能用你的本地环境、数据，循环串联推理与工具调用。

再难的长周期任务都能啃下来，极简的操作界面更是戳中开发者痛点。

这种贴身干活的定位，比云端Agent更懂实际需求，用着也更顺手。

但Karpathy也没盲目吹，他10月在播客里直言，现在的Agent还有三大短板：不会持续学习、不能真正多模态、操作电脑的能力还差得远，要想达到能“雇佣”的水平，至少还得等十年。

这就像自动驾驶，从90%可靠度冲到99.9999%，每多一个9，都要付出天大的努力。

Agent爆火的同时，也带火了Karpathy随口创造的“Vibe Coding（氛围编程）”。

现在不用死磕代码，用英语就能搭复杂程序，连Meta、谷歌这些大厂的工程师，都开始用这种方式干活——先写好测试，再让AI生成代码，效率直接翻倍。

普通人能上手编程，工程师能快速赶demo、临时排bug，代码彻底变“廉价”了，用完就能丢，软件形态和职场角色都在跟着变天。

12月4日的技术报告显示，Nano Banana Pro已经在生命科学领域落地用起来了，能生成精准的解剖图、代谢路径图，还能合成医学影像帮科研人员训练模型，省了不少时间。

从另一个角度看，Nano Banana也是Gemini家族多模态路线的极致体现。

2025年的大模型，就是个“偏科天才”——靠RLVR实现能力跃迁，在可验证领域能封神，却在常识题上可能翻车；Agent和氛围编程改变了工作方式，却还没成熟到能“打工”。

Karpathy说行业潜力才发挥10%，这话一点不假。现在的AI就像刚学会走路的孩子，未来十年会慢慢融入每份工作、每种生活，咱们能做的，就是跟上节奏，别被时代甩在身后！