LLM 的 2025：进展、问题与预测

2025 年 LLM 发展由推理模型主导，DeepSeek R1 证明推理行为可通过强化学习培养，并以开放权重达到当时顶级专有模型水平。其采用的 RLVR 与 GRPO 成为年度核心训练方法，此后各主要厂商纷纷推出推理变体；DeepSeek V3 的 671B 参数训练成本估算约 500 万美元，R1 在其之上再训约 29.4 万美元。