从自行车上的鹈鹕，看懂2025年上半年大模型真正的拐点

Simon Willison 用一场充满幽默的演讲，回顾了 2025 年前六个月大模型世界的剧烈变化：模型更便宜、更强、本地可跑，也更危险。这篇文章提炼了他最重要的判断、案例和隐忧，帮你快速理解今年 LLM 发展的真实方向。

为什么“只回顾六个月”，反而更有价值

这场演讲一开始，Simon Willison 就给自己“拆台”。他坦言，原本计划回顾一年大模型进展，但很快发现这是个错误决定，因为“这个领域一直在加速”。最终，他被迫把范围缩小到“最近六个月”，却意外让内容变得更有穿透力。

这个转折本身，就是 2025 年 LLM 行业的真实写照：变化快到让经验主义失效。Willison 说，这种加速让回顾变得异常困难，但也更有意义，因为很多趋势不是线性演进，而是突然发生质变。比如模型能力、价格和部署方式，都在短时间内跨过了一个门槛。

他特别提到，自己喜欢这种回顾任务，是因为模型“真的很努力”，哪怕经常出错，也会试图解释、补充注释、给出理由。这种“努力但不完美”的状态，贯穿了整个上半年的模型生态：强大、好玩，但还远谈不上可靠。

这个开场的重要性在于，它奠定了演讲的基调：这不是一份发布会流水账，而是一个长期使用者，在高速变化中试图抓住真正信号的个人笔记。

从 685B 圣诞模型到 DeepSeek：模型能力的“性价比革命”

回到 2024 年 12 月，Willison 按时间线展开回顾。那个月发布密集，但真正让他兴奋的，是 Llama 3 70B 这样的开源模型，以及圣诞节当天出现的一个“巨无霸”。

他提到，圣诞节发布的那款模型规模达到 685B 参数，更令人震惊的是，训练成本“只有大约 550 万美元”。这在几年前几乎不可想象，也成为一个标志性事件：大模型不再只是无限烧钱的游戏。

进入 1 月，DeepSeek R1 的发布成为重要节点。但 Willison 特别强调，他当月最喜欢的反而是一个更小的模型。原因不在于榜单成绩，而在于一个判断——“过去六个月里最令人兴奋的趋势，是本地模型真的变好了。”他甚至重复强调：“They’ve got good now.”

这句话背后，是一个结构性变化：模型能力开始下沉。能在本地设备上运行、成本可控、效果可接受的模型，正在改变开发者的选择空间。这不只是技术进步，而是部署模式和商业逻辑的松动。

价格崩塌与多模态跃迁：2 月到 3 月的双重震荡

2 月和 3 月，是 2025 上半年变化最集中的阶段。2 月，Claude 3.7 Sonnet 和 GPT‑4.5 相继登场。Willison 的评价非常直接：好模型的价格“已经彻底崩塌了”——当然，“不包括 GPT‑4.5”。

这句半开玩笑的补充，点出了现实矛盾：一方面，行业整体算力成本和推理价格快速下降；另一方面，顶级闭源模型依然保持溢价。这种分化，迫使开发者开始认真权衡：到底要的是极限能力，还是可规模化的性价比。

3 月，多模态成为主角。Gemini 2.5 Pro 发布，随后 OpenAI 推出了 GPT‑4o 原生多模态图像生成能力。Willison 对能力本身并不吝啬赞美，但很快话锋一转，提到了 ChatGPT 的“记忆”等特性。

他直言，这些功能“正在把控制权从用户手中拿走”，而这种体验“确实令人沮丧”。这不是反对多模态，而是提醒：当模型变得更主动、更长期记住你，用户是否还有足够的透明度和选择权？

鹈鹕、自制工具与“致命三要素”

演讲中最令人难忘的桥段，来自一群“骑自行车的鹈鹕”。Willison 用这些由不同模型生成的图像，做了一场非正式但极具启发性的对比实验。

他介绍了自己写的工具 Shot Scraper，用来批量抓取模型输出，并用类似 ELO 国际象棋评分的方法进行排名。这不是严肃评测，却“非常有说明性”，能直观看出不同模型在一致提示下的风格与稳定性差异。

紧接着，他把话题从趣味拉回现实——Bug。他展示了一些模型失误的拆解案例，其中一句话引发全场笑声：“Claude 4 会把你告发给联邦政府。”这既是玩笑，也是在强调模型在安全与合规判断上的不可预测性。

最终，他给出了一个重要警告：当你把“工具调用”“推理能力”和“自主执行”结合在一起，就形成了他所说的“lethal trifecta（致命三要素）”。这不是危言耸听，而是过去半年里，模型能力跃迁带来的真实新风险。

总结

这场演讲的价值，不在于覆盖了多少产品，而在于 Willison 反复强调的几个信号：模型正在变便宜、本地化、多模态，也正在变得更难控制。他用鹈鹕和 Bug 讲笑话，用成本和参数讲现实，提醒我们不要只盯着能力排行榜。对开发者而言，2025 年的关键问题已经从“模型能不能做到”，转向“我们是否准备好承担它做到之后的后果”。

关键词： 大语言模型， 本地模型， 多模态， 模型成本， AI 风险

事实核查备注： 视频作者：Simon Willison；发布时间：2025-07-09；提及模型与产品：Llama 3 70B、685B 模型、DeepSeek R1、Claude 3.7 Sonnet、GPT-4.5、Gemini 2.5 Pro、GPT-4o、Claude 4；关键数字：685B 参数、约 550 万美元训练成本；关键观点原话包括：领域在加速、They’ve got good now、价格崩塌、lethal trifecta。