2025年LLM终极回顾：从"新奇玩具"到"生产工具"的惊险一跃

开篇：这一年发生了什么？

2025年，AI终于走出了”炫技”阶段，开始真正干活了。

Claude Code在2月静默发布、GPT-5的深度思考模式、中国开源模型霸榜——这些都在告诉我们一件事：AI不再是演示Demo，它开始上线生产了。

但最值得警惕的，不是技术进步，而是我们对风险的态度变化。

一、推理模型：从学术宠儿到生产工具

OpenAI在2024年9月用o1/o1-mini开启了”RLVR”（强化学习可验证奖励）时代。到2025年，几乎所有大厂都推出了自己的推理模型。

推理模型到底有什么用？

一开始我也很困惑。看模型数草莓里的”r”有几个、解数学逻辑题——这些和日常工作有什么关系？

答案是：工具调用。

推理模型能做的不是单次预测，而是：
– 理解任务目标
– 规划执行步骤
– 调用工具完成
– 检查结果
– 调整计划

AI辅助搜索突然可用了，代码调试效率提升了一个数量级——这都是推理能力的功劳。

二、Claude Code：2025年最被低估的产品

2月份，Anthropic发布了Claude Code。

甚至没有独立的博客文章，只是作为Claude 3.7 Sonnet公告里的第二项被顺带提了一下。

但这可能是2025年最具战略意义的产品发布。

Claude Code是什么？

它是一个”异步编码智能体”——你发起任务，AI在后台持续工作，完成后提交PR。

这解决了”本地代码执行的安全困境”：不在你的电脑上运行任意代码，但又能完成复杂的开发任务。

所有大厂都跟进了。

Google Codex CLI、Mistral Vibe、OpenAI Codex Web…编码开发从”对话式”变成了”任务驱动式”。

三、YOLO模式：我们正在重演”挑战者号”？

Claude Code和其他编码智能体有一个”YOLO模式”（You Only Live Once）——跳过所有确认步骤，自动执行所有操作。

安全研究员Johann Rehberger今年提出了一个概念：“偏差的规范化”（Normalization of Deviance）。

这个词最早由社会学家Diane Vaughan提出，用来解释1986年航天飞机”挑战者号”灾难：

工程师早就知道O型圈有问题，但因为多次发射都没出事，NASA逐渐接受了这个风险为”正常”。直到那一天。

我们现在正在做同样的事。

我每天都在YOLO模式下运行代码agents，虽然我深知风险。但到目前为止”还没出事”…

这就是问题。

四、中国模型弯道超车：从追跑到霸榜

2024年，中国AI实验室还只是”有些起色”。

2025年，前五名全是中国模型。

Artificial Analysis的开源模型排行榜（12月30日）：
– GLM-4.7（智谱AI）- 第一名
– Kimi K2 Thinking（月之暗面）- 第二名
– MiMo-V2-Flash – 第三名
– DeepSeek V3.2 – 第四名
– MiniMax-M2.1 – 第五名

更震撼的是1月20日DeepSeek R1发布当天：NVIDIA市值瞬间蒸发$593亿。

投资者突然意识到：AI可能不是美国的垄断游戏。

这些模型不仅是开源权重，很多还是真正的开源（Qwen用Apache 2.0，DeepSeek和Z.ai用MIT）。

但没有一家公开了训练数据。

五、$200/月订阅：新价格标准的诞生

ChatGPT Plus的$20/月是怎么来的？

一个Discord投票。

Nick Turley在Google Form上发起投票，$20胜出，就这么定了。

2025年，新标准出现了：
– Claude Pro Max – $200/月（20倍额度）
– ChatGPT Pro – $200/月
– Google AI Ultra – $249/月

为什么？

因为像Claude Code这样的工具会消耗海量token。API按量付费对重度用户来说太贵了，$200/月的无限额度反而是折扣。

六、长任务能力：从30分钟到5小时

METR（一家AI能力评估机构）发布了一张图表：

模型能完成的任务长度，每7个月翻倍。

2024年的最佳模型：能完成<30分钟的任务
2025年的GPT-5、Claude Opus 4.5：能完成5小时级别的任务

这已经超越了”对话”范畴，进入了真正的自主工作。

七、图像编辑的意外赢家：Nano Banana

GPT-4o曾宣称要有图像生成功能，最后没有。

2025年3月，Google推出了一个没有名字的模型（后来叫”Nano Banana”）。

它最大的特点？能生成有用的文本。

不仅仅是图片，而是信息图、流程图、带文字标注的图表。

11月的Nano Banana Pro已经成了专业级工具。

八、行业权力的洗牌

OpenAI失去了领先地位

• 图像模型：被Nano Banana击败
• 代码模型：Claude Opus 4.5并列领先
• 开源模型：被中国模型超越
• 唯一优势：消费者心智（”LLM”≈ChatGPT）

Llama彻底掉队

Meta放弃了开源模型开发，转向”超级智能实验室”。

LM Studio最受欢迎的Llama模型还是Llama 3.1——老型号。

Meta的开源战略已死。

Gemini上位成为真正的挑战者

• 硬件优势：TPU比NVIDIA更高效
• 产品线完整：文本、图像、视频、音频
• Nano Banana成为现象级产品

九、我这一年建的110个工具

我开始用”vibe coding”（氛围编程）的方式构建工具——完全通过提示词，不看代码。

2025年，我建了110个HTML+JavaScript工具。

这不是传统意义上的”编程”。我看到东西、说东西、运行东西、复制粘贴东西，大部分时候它就这样工作了。

一些有趣的例子：
– 黑花菜土耳其炖菜计时器（专用的烹饪计时app）
– is-it-a-bird：用CLIP模型判断图片是不是鸟
– bluesky-thread：按最新优先顺序查看Bluesky对话

十、最值得关注的三个问题

1. “偏差规范化”何时触发临界点？

我们日常YOLO运行代码agents，但只要还没爆炸就觉得没问题。

这与挑战者号的历史如出一辙。

2. 开源模型的”黑盒优化”谁来监管？

中国模型用Apache许可开源，但训练过程完全不透明。

3. Google的硬件优势能否真正翻转竞争格局？

TPU + Gemini + 独家算法，能否长期压制OpenAI？

写在最后

2025年，AI从”新奇工具”走向了”生产基础设施”。

这带来了前所未有的效率提升，也带来了前所未有的风险。

我们正在习惯运行不安全的代码，因为”目前为止还没出事”。

这才是最值得警惕的趋势。

本文基于Simon Willison的年度回顾《2025: The year in LLMs》整理编写。

如果你觉得有用，欢迎转发分享。

你对哪个趋势最感兴趣？欢迎在评论区讨论。