Chainfeeds 導讀：
報告系統回顧了大模型在推理能力、架構路線、開源生態與工程化落地上的關鍵進展。
文章來源：
https://x.com/rasbt/status/2006015301717028989
文章作者：
Sebastian Raschka
觀點：
Sebastian Raschka：以下是我認為 2025 年最值得注意的一些「意外」：多個推理模型已經在重要數學競賽中達到了金牌級別表現（包括 OpenAI 的一款未命名模型、Gemini Deep Think，以及開源權重的 DeepSeekMath-V2）。我並不意外這件事終將發生，但讓我驚訝的是，它發生在 2025 年，而不是我原本預期的 2026 年。Llama 4（或者說 Llama 系列整體）幾乎在開源權重社區中失寵，而 Qwen 已在受歡迎程度上超越 Llama（以下載量和衍生模型數量衡量，數據來自 Nathan Lambert 的 ATOM 項目）。Mistral AI 在其最新旗艦模型 Mistral 3 中採用了 DeepSeek V3 架構，該模型於 2025 年 12 月發佈。除了 Qwen3 和 DeepSeek R1 / V3.2 之外，開源 SOTA 競爭者明顯增多，包括 Kimi、GLM、MiniMax 和 Yi。更便宜、更高效的混合架構已經成為頭部實驗室的核心優先級（如 Qwen3-Next、Kimi Linear、Nemotron 3），而不再只是由旁系實驗室探索。OpenAI 發佈了一個開源權重模型（gpt-oss），我在今年早些時候還為此單獨寫過一篇文章。MCP（加入 Linux Foundation）已經迅速成為 Agent 型 LLM 系統中工具與數據訪問的事實標準。我原本以為這個生態至少會碎片化到 2026 年。面向 2026 年的幾個預測：我們很可能會看到一個面向消費者、行業級別的擴散式模型，用於低成本、可靠、低延遲的推理，其中 Gemini Diffusion 可能會率先落地。開源權重社區將逐步採用具備本地工具調用能力、且更加 Agent 化的 LLM。RLVR 將從數學和編程擴展到更多領域，例如化學、生物等。傳統 RAG 將逐漸不再是文檔查詢的默認方案。開發者會更依賴更強的長上下文能力，尤其是在更強的小模型逐步成熟的背景下。大量的性能與基準進步將來自工具鏈優化與推理時擴展，而不是訓練過程或模型本體本身。模型進步看起來會更像是系統工程的勝利，而非單點架構突破。【原文為英文】
內容來源
