Andrej Karpathy 作者

microgpt以200行无依赖Python把数据集、字符级分词、自写autograd、类GPT-2网络、Adam训练与采样推理压进单文件，在3.2万姓名上训练1000步使loss约3.3降至2.37并生成新名字，结论是GPT训练与生成的算法本质可被极简复现，生产差异主要在规模与工程效率。

作者称自去年12月起AI编码代理从几乎不可用跃迁为可独立推进长任务，示例中其在约30分钟内完成环境部署、模型下载测试、服务与界面搭建并提交报告，结果编程从手写代码转向用自然语言指派并行代理并审核，工程师重心变为拆解、判断与编排，开发流程被显著重塑但仍需监督且更适合可验证任务。

2025年LLM进展由RLVR取代部分预训练、以可验证奖励拉长推理驱动能力提升，模型呈“尖峰式”智能并使基准易被针对而失真，同时Cursor推动编排型应用层、Claude Code确立本地私有环境代理形态，vibe coding降低编程门槛且重塑岗位，Gemini“nano banana”提示多模态GUI方向，结论是能力仍将加速但离AGI尚远且潜力未被充分开发。