Andrej Karpathy, były pracownik OpenAI i Tesla, opublikował roczne podsumowanie najważniejszych zmian w rozwoju modeli językowych. Autor opisuje sześć „zmian paradygmatów”, które według niego wyróżniły się konceptualnie i zmieniły sposób, w jaki myślimy o LLM. Ja zaś mam prostą zasadę: jak ktoś wpada na pomysł tak mocnego terminu jak „vibe coding”, to i warto go posłuchać.
Sześć kluczowych zmian w LLM w 2025 roku według Karpathy’ego
- RLVR jako nowy etap produkcji – trenowanie przeciwko weryfikowalnym nagrodom zastąpiło część pretrainingu i pozwoliło modelom samodzielnie wypracować strategie rozumowania, których nie dałoby się osiągnąć poprzez SFT czy RLHF.
- Zjaggowana inteligencja zamiast ewolucji zwierzęcej – według autora, LLM-y nie są „rozwijającymi się zwierzętami”, ale „przywołanymi duchami” o fundamentalnie innej naturze inteligencji, która jednocześnie może być genialna w matematyce i podatna na proste jailbreaki.
- Cursor jako nowa warstwa aplikacji – Karpathy wskazuje, że Cursor ujawnił nowy typ aplikacji LLM, które pakują i orkiestrują wywołania modeli dla konkretnych branż, zarządzając kontekstem, kosztami i GUI dla człowieka w pętli.
- Claude Code żyjące na lokalnym komputerze – autor wyróżnia ten produkt jako pierwszą przekonującą demonstrację agenta LLM, która działa bezpośrednio na komputerze użytkownika z dostępem do lokalnych danych, instalacji i konfiguracji, zamiast w chmurze.
- Vibe coding demokratyzuje programowanie – Karpathy, który ukuł ten termin w tweecie, opisuje 2025 jako rok, w którym AI przekroczyło próg pozwalający budować aplikacje wyłącznie przez język naturalny, co otwiera programowanie dla zwykłych użytkowników i pozwala profesjonalistom tworzyć efemeryczny kod „do jednorazowego użytku”.
- Nano banana jako GUI dla LLM – według autora, Google Gemini Nano banana jest pierwszym sygnałem przyszłego interfejsu dla modeli językowych, który zamiast czatu (odpowiednika konsoli z lat 80.) pozwoli LLM komunikować się z ludźmi w ich preferowanym formacie – przez obrazy, infografiki, animacje i aplikacje webowe.
O autorze i artykule
Andrej Karpathy to były dyrektor AI w Tesli i członek zespołu OpenAI, który wcześniej prowadził kurs CS231n na Stanfordzie. Aktualnie prowadzi własne projekty związane z edukacją AI i rozwija narzędzia open-source. W swoim podsumowaniu rocznym autor nie ogranicza się do suchego wyliczenia zmian – każdy punkt uzupełnia linkami do swoich wcześniejszych esejów rozwijających poszczególne tematy (Animals vs. Ghosts, Verifiability, The Space of Minds, Power to the people).
Pełny artykuł zawiera szczegółowe wyjaśnienia mechanizmów RLVR z odniesieniami do paper DeepSeek R1, analizę problemu „benchmaxxingu” i podatności benchmarków na RLVR, oraz konkretne przykłady projektów wajbkodowanych przez autora (nanochat, menugen, llm-council, reader3). Karpathy opisuje także swoją wizję przyszłości LLM jako nowego paradygmatu obliczeniowego podobnego do komputerów lat 70. i 80., z własnymi odpowiednikami personal computing czy mikroprocesorów. Warto przeczytać oryginał, żeby zobaczyć pełne rozwinięcie każdego punktu wraz z linkami do dodatkowych materiałów autora oraz przemyśleniami o tempie rozwoju AI z podcastu Dwarkesh.
Źródło
Te artykuły powinny Cię zainteresować
O autorze
Nazywam się Michał Małysa i od wielu lat zajmuję się zawodowo SEO oraz analizą treści, a od 2023 roku w zakres moich obowiązków i zainteresowań dość naturalnie weszło AI. Na stronie MałySEO porządkuję wiedzę o pozycjonowaniu stron internetowych, AI Search oraz działaniu LLM-ów. Prowadzę również MałySEO Newsletter, do którego subskrypcji serdecznie Cię zachęcam na podstronie najlepszego w Polsce newslettera SEO.
Jako że przygotowanie materiałów do MałySEO Newslettera oraz na bloga zajmuje nieco czasu, może zaświtać Ci w głowie dość miły z mojej perspektywy pomysł drobnego rewanżu. Jeżeli uznasz, że lektura tego wpisu była dla Ciebie czymś więcej, niż tylko szybkim odklepaniem randomowej internetowej treści, możesz postawić mi kawkę na buycoffee.to. Z góry dziękuję!
Jeżeli z jakiegoś powodu potrzebujesz się ze mną skontaktować, wyślij mail na adres kontakt[at]michalmalysa.pl