推荐语

回顾过去一年LLM圈的突破性进展，从推理模型到Agent应用，带你快速把握行业脉搏。

核心内容：
1. 2024-2025年六大关键模型发布与技术突破
2. 行业格局重塑：OpenAI、Google、Anthropic的三方角力
3. 音频生成、编程Agent等新兴应用场景的爆发式发展

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

最近新东西不多，但又觉得应该写点什么，这时候就适合考古了。现在的AI圈是个非常能体现“人的记忆不超过3个月”的领域。

本文写得比较干，如果读者在某些地方没看懂，可以用GPT-5 Thinking来进行解读补充。

1、历史回顾

1.1、o1-preview 推理模型

可能很多人已经遗忘了，o1-preview 于 2024年9月12日 发布，至今刚好一年。

跟之前发布的Claude 3.5 Sonnet一样，公众（包括我在内）对于o1模型的能力认知经历了一个不算快的过程。从最初一个看起来“看起来效果有些改善，但很贵”的模型，直到12月o1发布的时候，我还在发文提醒，不要低估o1模型的能力。

到了2025.1.20日，DeepSeek R1完成了推理模型的首次用户普及教育，让大多数人都体验到了推理模型的能力。

1.2、OpenAI Deep Research

OpenAI在2025.2.2日发布了首个基于RL post-train的Agent应用：Deep Research。标志着端到端优化的Agentic应用的崛起。

后续的OpenAI 云端Codex、o3+Search、ChatGPT Agent Mode等都是这条线的产物。

1.3、Gemini 2.5 Pro与Gemini Deep Think

2025是模型公司重新洗牌的一年，一个标志就是Google的Gemini 2.5 Pro的发布。而Google当初对这个模型发布也是非常小心谨慎，从2025.3.25发布首个exp版本后，过了3个月才正式GA。

在2025.8.1日，Gemini上线了Deep Think功能。而这是我目前最喜欢的深度思考模型产品。

1.4、NotebookLM Audio Overview 与 音频应用

NotebookLM一直以来是个默默无闻的产品，但2024.9月发布的Audio Overview功能却一下震撼了整个圈子。导致在当时有一波资源投入到高质量TTS、双工语音模型、高质量语音的播客生成、其他音频类场景中。

在2025年冒出的这类应用大多是当时入场的。

除了音频生成外，过去的1年中，图片和视频的生成也都有着持续的进展，只是产品发布没有LLM这边频率这么高。

1.5、Claude Code

在应用层中，Claude Code是无法无视的案例。它在2025.2.24日作为预览版发布，在5.22日GA。

它同时包括如下标签：编程、真Agent、快速验证了PMF、无GUI、极其昂贵、模型厂通过自身低成本优势与基于 API 调用的上层应用进行竞争。这buff简直多到没法无视。

而且Claude Code确实很能打，但到目前为止，已经在其编程主战场被OpenAI生态的Cursor + GPT-5追上。

1.6、MCP 与 Manus

MCP是一股热潮，它的难得之处在于符合一般人的逻辑，而生态中大部分没有任何积累的参与者又可以很容易地进行适配。

Manus作为少有的真Agent产品，在发布之后，到现在还能有创新真的不容易。做过真Agent产品的创业公司很多，但能在发布之后还有创新的并不多。在我的标准下，只有Wide Research算是一个产品上的创新。（技术上很多人能看到，但是不会去尝试做它）

2、评价与展望

2.1、pretrain + RL

推理模型的RL post-train范式，从传统RL的角度来看，证明了：世界模型pretrain对于RL的重要价值。（对于文本模态来说，LLM就是这里世界模型。）这种方式不止限于文本推理，也适用于其他模态。我们距离做出能在真实世界自主行动的实体机器人又近了一步。

但看文本模态，RL post-train的范式的价值也尚未完全挖掘，但瓶颈除了众所周知的RL post-train infra外，还有两个方面：

（1）对目标业务场景的足够重视，毕竟如果就不想提升编程能力，那么也做不出一个编程能力强的模型。

（2）对于Reward和仿真环境构建的足够重视。由于pretrain的世界模型，RL的成本已经大幅降低了，所以相对于过去的传统RL时代，对于reward和仿真环境的要求已经低了很多，但仍然需要投入。

2.2、Agent的记忆能力

目前来看： （1）记忆能力的价值已经成为海内外的共识之一。

（2）我目前判断，通用的记忆能力大概率是模型厂在模型层面实现的，类似于目前LLM对于tool的使用能力。

海外3家头部厂商可能会在2-3个季度之后在该方面达到60分。在这之前，最快可能有厂商在未来一个季度就宣称实现该功能，但效果不足60分。

2.3、LLM还没有被充分的训练如何泛化

LLM有一定的泛化能力，但大多还是在同一个问题域之内的。目前来看，不同问题域之间的能力仍然是基本独立的，一个模型在某个领域效果好不好，完全看它的训练过程和数据是否有在该方面投入一定的工作。

究其原因，还是因为LLM在训练过程中并没有被要求跨问题域泛化。我们构建了一个领域的Reward/环境，然后就让模型在其中不断学习直到边际收益较低。模型实际上被训练在该领域中最优化，而不是在一个环境中学习如何适应新环境。

这其实并不是个技术问题，而是考验模型厂在不同领域的Reward/环境构建中到底投入了多少工作的问题。毕竟你不能指望模型仅仅适应过1个领域就能触类旁通。领域之间的共性的学习需要足够多的领域的探索经验，而为了不在训练集上评测，评测就需要更多领域的Reward/环境。

而当模型学会记忆以及如何泛化之后，我估计这个Agent就已经自然地有了所谓的好奇心，而不需要人工植入什么好奇心算法/目标。这方面我估计可能最快会在未来2-3年左右实现。

2.4、想法上没有独创性的时代

很多在追逐前沿AI进展的人应该会觉得自己的不少想法很独创，“我有了一个深刻的认知”。

由于我已经能够触达不少人，从这些网络的反馈能让我认识到我的大部分想法并不原创，我也并不觉得别人的认知就独创。实际上我已经很少看到能让我觉得真的独创的想法了，或多或少都能想到一些这个想法的前置想法。

实际上现在大家都在用着相同的产品和API、看着相同的信息，受到内部认知共识度更高的资本圈和大众圈的影响。大部分人得出的判断和结论其实也是大同小异的。差别一般是：每个人的历史经历给他的“偏见”，每个人能拿到的资源。

虽然想法上找到类似的很容易，但最后能做出来，甚至还能广为人所知的就凤毛麟角（有独创性）了。

2.5、AI发展比较快，但还不够快

AI圈每个季度都有明显的进展，而且2025年的进展实际上比过去都快，每个细分领域，每2个月就有新进展。

但新消息的来源仍然是超过大部分人的耐心范围的，再加上目前人类的媒体和传播方式仍旧很原始，导致充斥着各种狼来了，以及对于效果的夸大。这些能在半年之内，把刚进入这个圈子的人的耐心消磨殆尽。

保持对于新产品的关注和体验是一个很难的事情，当产品变得越来越贵的时候就更是如此了。

前沿AI产品已经从过去每月20刀的穷人的游戏，变成了每月200刀的中产的游戏。

交流与合作

如果希望和我交流讨论，或参与相关的讨论群，或者建立合作，请加微信，联系方式请点击 -> 专栏简介 及 联系方式 2024。

本文于2025.9.14 首发于微信公众号