把 2022 年 11 月到 2026 年 8 月的大模型史压缩成一句话：算力搬了三次家。先花在预训练上（scaling laws 时代），再搬到推理时（o1/R1 的”多想一会儿”），最后搬到任务时（智能体一干就是几小时）。每次搬家都有明确的标志性产物，也都把上一个时代的稀缺资源变成了便宜的地基。这篇给出完整时间轴：每个节点配一句”为什么重要”和一手来源链接。
一句话主线
三年半 = 四棒接力：先教模型”听话”（对齐），再让它”便宜”（MoE/开源），再让它”会想”（test-time compute），最后让它”会干活”（Agent）。每一棒的起点，都是上一棒把某种稀缺资源打成了白菜价。
这个”四棒”划分是我的读法（观点），但每一棒的节点日期和论文都是核实过的事实——两者在下文分开标记。
顶层视图
timeline
title 四棒接力 × 算力的三次搬家（2022.11 – 2026.08）
section 第一棒 · 对齐时代<br>算力在预训练
2022.11 : ChatGPT（RLHF）
2023 : LLaMA 开源生态
: DPO / QLoRA 对齐平民化
section 第二棒 · 架构效率+多模态<br>算力开始搬向推理时
2024 : MoE / 长上下文 / GPT-4o
: o1 —— test-time compute
section 第三棒 · 推理RL+Agent元年<br>算力搬向任务时
2025 : DeepSeek-R1 纯RL推理
: MCP 生态 / 编码 Agent
section 第四棒 · 智能体成熟期
2026 : 超长任务 / 1M 上下文
: 前沿进入季度迭代用AI 顶级原理的透镜看，这条时间轴主要在三条原理上做文章：目标函数演化（下一个词 → 人类偏好 → 可验证奖励）、算力换智能（训练期 → 推理期 → 任务期）、复用与组合（开放权重 → 蒸馏 → 工具协议）。下面逐棒展开。
第一棒：对齐时代（2022.11 – 2023.12）
核心问题：怎么把一个只会续写的预训练模型变成助手？ 答案的技术含量没有想象中高——这正是《SFT 是解锁器，不是灌装机》整篇在讲的事：能力早就在预训练里了，对齐只是接上开关。
| 时间 | 技术 / 产物 | 为什么重要 | 一手来源 |
|---|---|---|---|
| 2022.11.30 | ChatGPT（RLHF 三段法：SFT→RM→PPO） | 范式原点；方法论来自 InstructGPT | OpenAI / InstructGPT |
| 2022.12 | Constitutional AI（RLAIF） | 用 AI 反馈替代人工标注，Claude 系的技术底座 | arXiv 2212.08073 |
| 2023.02 | LLaMA 1（开放权重，7B–65B） | 开源生态的种子；之后所有微调研究的基底 | arXiv 2302.13971 |
| 2023.03 | GPT-4 | 闭源能力天花板确立，此后 16 个月无人接近 | 技术报告 |
| 2023.03 | Alpaca（52k 样本 SFT 蒸馏） | 证明几百美元的 SFT 蒸馏就能得到”像样的助手” | Stanford CRFM |
| 2023.05 | DPO | 把 RLHF 的 RM+PPO 两步压成一个分类损失，对齐平民化 | arXiv 2305.18290 |
| 2023.05 | QLoRA | 4-bit 量化 + LoRA，单卡 48GB 微调 65B 成为可能 | arXiv 2305.14314 |
| 2023.07 | Llama 2（可商用 + 公开 RLHF 细节） | 开源第一次拿到完整对齐配方 | arXiv 2307.09288 |
| 2023.09 | Mistral 7B（滑动窗口注意力、GQA） | “小模型 + 精数据”路线的代表作 | arXiv 2310.06825 |
| 2023.12 | Mixtral 8x7B（开源 MoE） | MoE 平民化起点，为第二棒预热 | arXiv 2401.04088 |
| 2023.12 | Mamba（选择性状态空间模型） | 对 Transformer 的第一次严肃架构挑战 | arXiv 2312.00752 |
这一棒结束时的状态：对齐从”OpenAI 的秘方”变成了”人人会做的标准工序”——稀缺资源被打掉了，竞争必须换战场。
第二棒：架构效率 + 多模态（2024）
核心问题：预训练 scaling 边际递减后，钱往哪儿花？ 2024 年给出三个答案（稀疏化、长上下文、原生多模态），年底 o1 意外开出第四条路。
| 时间 | 技术 / 产物 | 为什么重要 | 一手来源 |
|---|---|---|---|
| 2024.02 | Gemini 1.5 Pro（1M 上下文，MoE） | 长上下文军备竞赛开始 | arXiv 2403.05530 |
| 2024.02 | Sora（视频生成，Diffusion Transformer） | 生成式多模态出圈事件 | OpenAI |
| 2024.02 | GRPO（DeepSeekMath 提出） | 去掉 value model 的 RL 算法——一年后成为 R1 的引擎 | arXiv 2402.03300 |
| 2024.05 | GPT-4o（端到端音频、原生多模态） | “拼接式多模态”→“原生多模态”的分水岭 | OpenAI |
| 2024.07 | Llama 3.1 405B | 开源首次摸到 GPT-4 水位；训练系统细节极详尽——InfiniBand 与训练网络那篇引用的 RoCE 集群实践正出自这篇论文 | arXiv 2407.21783 |
| 2024.09 | OpenAI o1 —— test-time compute 范式 | 算力第一次从训练期搬到推理期：“思考越久越聪明”被产品化 | OpenAI |
| 2024.10 | Claude Computer Use | Agent 操作真实电脑的第一个商用尝试 | Anthropic |
| 2024.11 | MCP（Model Context Protocol） | Agent 时代的”USB 接口”，后来成为事实标准 | Anthropic |
| 2024.12 | DeepSeek-V3（MLA + FP8 + 671B MoE） | 论文口径 278.8 万 H800 GPU 小时（约 557.6 万美元）训出旗舰——架构工程把成本打下一个数量级 | arXiv 2412.19437 |
这一棒的隐藏剧情是 GRPO：2024 年 2 月它只是数学模型论文里的一个算法改进，没人想到它是下一棒的发令枪。
第三棒：推理 RL + 智能体元年（2025）
核心问题：推理能力如何规模化？智能体如何落地？ 这一年信息密度最高，也是为什么大模型需要强化学习那篇的现实注脚。
| 时间 | 技术 / 产物 | 为什么重要 | 一手来源 |
|---|---|---|---|
| 2025.01.20 | DeepSeek-R1（纯 RL 涌现推理，MIT 协议） | 复现 o1 且公开配方：AIME 2024 达 79.8%（论文口径，o1-1217 为 79.2%）；1 月 27 日引发英伟达单日市值蒸发约 6000 亿美元（多家媒体报道） | arXiv 2501.12948 |
| 2025.02.24 | Claude 3.7 Sonnet + Claude Code（研究预览） | 混合推理（快/慢思考合一）+ 编码智能体进入终端 | Anthropic |
| 2025.03 | METR 任务时长研究 | 提出 task horizon 指标：AI 能完成的任务时长每约 7 个月翻倍——衡量 Agent 能力最重要的单一数字 | arXiv 2503.14499 |
| 2025.03.25 | Gemini 2.5 Pro（thinking 默认开启） | 推理模式从”可选”变”默认” | |
| 2025.04 | Qwen3（0.6B–235B 全家桶，MoE + 双模式思考） | 开源生态重心向中国模型倾斜的标志 | arXiv 2505.09388 |
| 2025.05.22 | Claude 4（Opus/Sonnet）+ Claude Code GA | 编码智能体从 demo 变成日常生产工具 | Anthropic |
| 2025.08 | GPT-5（快/慢模型自动路由）+ gpt-oss（OpenAI 重返开源，Apache 2.0） | “该用哪个模型”被产品收编为路由问题——从评测到路由那篇讨论的正是这个决策点 | GPT-5 / gpt-oss |
| 2025.08.21 | DeepSeek-V3.1 | 开源阵营的推理/非推理混合路线跟进 | Wikipedia: DeepSeek |
| 2025.09.29 | Claude Sonnet 4.5 | 年末前沿三连发第一枪 | Wikipedia: Claude |
| 2025.11.18 | Gemini 3 Pro（12.03 追加 Deep Think） | Pro 档取代 Ultra 档；深思考成独立产品档位 | Wikipedia: Gemini |
| 2025.11.24 | Claude Opus 4.5 | 年末三连发收尾，前沿差距压缩到”周”级 | Wikipedia: Claude |
第四棒：智能体成熟期（2026.01 – 2026.08）
核心问题：超长任务 + 成本效率。 竞争焦点从”谁更聪明”转向”谁能便宜地干完一整天的活”——这也是什么是好的 Agent Harness 和智能体工程决策图谱关心的工程层。
| 时间 | 技术 / 产物 | 为什么重要 | 一手来源 |
|---|---|---|---|
| 2026.02.05 | GPT-5.3-Codex 与 Claude Opus 4.6 同日发布 | 专职编码 Agent 模型成为独立产品线，且两家开始贴身竞争 | Wikipedia: GPT-5.3-Codex / Wikipedia: Claude |
| 2026.02.19 | Gemini 3.1 Pro | 前沿三家进入”季度迭代”节奏 | Wikipedia: Gemini |
| 2026.04.16 | Claude Opus 4.7 | 季度迭代节奏的又一例 | Wikipedia: Claude |
| 2026.04.23 | GPT-5.5 | FrontierMath Tier 4 达 35.4%（OpenAI 自报口径）——前沿数学推理逼近专业研究水位 | Wikipedia: GPT-5.5 |
| 2026.04.24 | DeepSeek-V4 预览（V4-Pro 1.6T 总参/49B 激活；V4-Flash 284B/13B；均 1M 上下文） | 极限稀疏比（激活约 3%）+ 长上下文平民化 | Wikipedia: DeepSeek |
| 2026.07.24 | Claude Opus 5 | 当前（本文发布时）前沿旗舰之一 | Wikipedia: Claude |
一段猜想（明确标注为猜想）：如果 task horizon 翻倍规律继续成立，第五棒大概率是”多智能体组织”——单体模型能干一天的活之后，瓶颈会移到分工、验证与知识沉淀，就像人类组织的演化。这没有任何已验证证据，只是外推。
五条暗线：贯穿三年半的元规律
时间轴是”发生了什么”，暗线是”为什么会这样”。这五条都能一句话说清，也都能预测下一步。
1. 对齐方法演化 = 不断删掉昂贵组件。 RLHF(PPO) 需要四个模型 → DPO 删掉 RM 和 PPO → GRPO 删掉 value model → R1 删掉过程奖励和 MCTS，只留规则奖励。方向感极强：谁能用更少的组件拿到同样的对齐效果，谁就赢下一轮。
2. 稀疏化 = 用通信换算力。 Dense → Mixtral（8 选 2 专家）→ DeepSeek 细粒度专家 + MLA → V4 的 1.6T/49B（激活比约 3%）。代价是 all-to-all 通信压力——InfiniBand 那篇讲的”流量画像塑造网络”在 MoE 上体现得最彻底。
3. 算力搬家 = 本文主线。 训练期 scaling（Chinchilla 定律时代）→ 推理期 scaling（o1/R1，2024.09 起）→ 任务期 scaling（Agent task horizon，2025 起）。每次搬家，上一站的成果都变成下一站的地基而非战场。
4. 开源-闭源时差在收敛。 GPT-4（2023.03）到 Llama 3.1 405B 摸到同水位（2024.07）用了约 16 个月；o1（2024.09）到 R1（2025.01）只用了 4 个月——这是我的粗略读法（观点），“同水位”的判定见各论文的基准对照表。到 2026 年，Qwen/DeepSeek 与闭源旗舰在公开基准上已互有胜负。
5. 接口标准化 = 溢价从模型转移到生态。 ChatML → function calling → MCP（2024.11）。当模型能力差距压缩到”周”级，护城河就变成了工具生态和 harness 质量——这正是Agent 基建决策图谱的立论前提。
带得走的总表
| 时代 | 稀缺资源 | 标志性解法 | 被打成地基后开启 |
|---|---|---|---|
| 对齐（2023） | 对齐配方 | RLHF → DPO/QLoRA | 人人可训助手 → 竞争转向效率 |
| 效率（2024） | 训练算力成本 | MoE/MLA/FP8 | 便宜的强模型 → 竞争转向推理 |
| 推理（2025） | 推理能力 | test-time compute + 可验证奖励 RL | 会想的模型 → 竞争转向任务 |
| 智能体（2026–） | 任务时长与可靠性 | harness/MCP/超长上下文 | （进行中） |
读任何一条新模型发布公告时，可以先问：它在哪一棒上做文章？它假设哪种资源已经是地基？ 这两个问题基本能定位它的技术野心。
诚实的提醒
- 日期精度分级：精确到日的条目（如 2025.01.20、2026.04.23）均在本文写作当天回查过 Wikipedia 发布表或官方页；只写到月的条目（如 GPT-4o 2024.05、MCP 2024.11）来自训练记忆 + arXiv ID 月份推定，未逐日回查。
- 全部 17 个 arXiv ID 经 arXiv API 逐一核实，标题与论文一一对应。你可以用一条命令复现这个核实（成本最低的验证实验）：
curl -sL "https://export.arxiv.org/api/query?id_list=2203.02155,2302.13971,2303.08774,2305.18290,2307.09288,2401.04088,2402.03300,2412.19437,2501.12948,2503.14499" | grep "<title>"- 未亲手复现的数字：R1 的 AIME 79.8%、GPT-5.5 的 FrontierMath 35.4%、DeepSeek-V3 的 557.6 万美元训练成本，均为论文/厂商自报口径；英伟达单日市值蒸发约 6000 亿美元为媒体报道口径。“2025 年初模型可完成约 30 分钟任务、年末约 5 小时”这一说法来自二手时间线综述，我未回查 METR 原始数据点，故只在此提及、未写入正文表格。
- 2026 年条目的一手来源以 Wikipedia 发布表为主（官方发布页分散且部分需登录），若你要引用到更严肃的场合，建议再回查各厂商官方公告。
参考来源
arXiv 论文（均已 API 核实）：InstructGPT 2203.02155 · Constitutional AI 2212.08073 · LLaMA 2302.13971 · GPT-4 2303.08774 · DPO 2305.18290 · QLoRA 2305.14314 · Llama 2 2307.09288 · Mistral 7B 2310.06825 · Mamba 2312.00752 · Mixtral 2401.04088 · GRPO/DeepSeekMath 2402.03300 · Gemini 1.5 2403.05530 · Llama 3 2407.21783 · DeepSeek-V3 2412.19437 · DeepSeek-R1 2501.12948 · METR 2503.14499 · Qwen3 2505.09388
官方发布页 / 工程实践：OpenAI: ChatGPT · OpenAI: o1 · OpenAI: GPT-4o · OpenAI: GPT-5 · OpenAI: gpt-oss · Anthropic: Computer Use · Anthropic: MCP · Anthropic: Claude 3.7 · Anthropic: Claude 4 · Google: Gemini 2.5 · Stanford: Alpaca
时间线核对：Wikipedia: Claude · Wikipedia: Gemini · Wikipedia: GPT-5.5 · Wikipedia: GPT-5.3-Codex · Wikipedia: DeepSeek · LLM Gateway Timeline