2025 年最值得优先读的一批基本集中在三条主线推理与 agentic 能力、多模态统一建模、以及新一代高难度评测。([arXiv][1])一、推理与 Agentic 主线1. DeepSeek-R1这是 2025 年最有代表性的“推理模型”论文之一。它的关键点不是单纯把模型做大而是强调用纯 RL 路线激发推理能力并展示了 R1-Zero / R1 这类 reasoning post-training 路线的可行性。读这篇的价值在于它几乎定义了 2025 年“长思维链 强化学习推理模型”的讨论起点。([arXiv][1])2. Qwen3 Technical ReportQwen3 很值得读因为它代表了 2025 年开源 LLM 的一个重要方向同一模型同时支持 thinking mode 和 non-thinking mode并且覆盖 dense 与 MoE 两条路线。它不只是性能报告更像是 2025 年“实用型开源基础模型”的系统总结。([arXiv][2])3. Kimi K2: Open Agentic Intelligence这篇很有代表性因为它把焦点从“纯推理”推进到agentic intelligence。论文的亮点包括1T 总参数 / 32B 激活参数的 MoE 设计、MuonClip优化器以及围绕真实与合成环境交互的后训练流程。它在软件工程和 agent 任务上的强调很能代表 2025 年下半年的研究方向。([arXiv][3])4. Gemini 2.5: Pushing the Frontier with Advanced ReasoningGemini 2.5 的代表性在于它把thinking model、coding、multimodal understanding、长视频处理放到同一代模型里。官方报告明确写到 Gemini 2.5 Pro 可处理最长3 小时视频这说明 2025 年前沿模型已经不再把“推理”和“多模态”分开看。([arXiv][4])5. EXAONE 4.0这篇论文很值得读因为它提出了一个 2025 年很典型的产品化思路在同一模型体系里统一 non-reasoning mode 与 reasoning mode同时加入agentic tool use。相比只追 benchmark它更接近“如何把 reasoning 模型变成可用系统”的方向。([arXiv][5])6. Phi-4-reasoning这是 2025 年“小而强”路线的代表。它的价值不在参数规模而在于说明14B 级别模型通过精心构造的 reasoning SFT 数据和短程 outcome-based RL也能逼近更大推理模型的表现。这篇很适合和 DeepSeek-R1 对照着读。([arXiv][6])二、多模态主线7. Qwen2.5-VL Technical Report这是 2025 年前期最值得读的 VLM 论文之一。它的重点非常明确视觉识别、精确定位、文档解析、长视频理解。如果你关心 OCR、图表、GUI、长视频或视觉 grounding它比很多泛泛的“看图说话”模型更有工程参考价值。([arXiv][7])8. Kimi-VL Technical ReportKimi-VL 的代表性在于它把MoE VLM、长上下文、多模态推理、agent 能力放到一个高效开源体系里而且语言解码部分只激活2.8B 参数。它很适合和 Qwen2.5-VL 一起看前者更像“强通用 VLM”后者更像“高效 agent 型 VLM”。([arXiv][8])9. Qwen3-Omni Technical Report如果你想看 2025 年“omni model”的代表作这篇很关键。论文主张一个单模型同时覆盖text、image、audio、video并强调不牺牲单模态能力。它体现的是 2025 年后期多模态研究的一个核心目标从 VLM 走向真正的 omni-modal foundation model。([arXiv][9])三、评测与“新经典基准”主线10. Humanity’s Last Exam (HLE)这不是模型论文而是 2025 年最重要的新 benchmark 之一。它提出的背景很直接传统 benchmark 被刷得太快已经很难区分最强模型所以 HLE 试图做一个覆盖数学、人文、自然科学等领域的高难度、多模态、闭卷式前沿知识测试。2025 年很多前沿模型报告都会引用它。([arXiv][10])11. ARC-AGI-2如果说 HLE 更偏“高知识密度难题”ARC-AGI-2 更偏“抽象推理与流体智能”。它延续 ARC-AGI 的思路但把任务做得更细、更难并给出大量 human baseline。2025 年它几乎成了讨论“模型到底有没有更通用推理能力”时绕不开的 benchmark。([arXiv][11])四、压缩成“最推荐先读的 6 篇”最核心的 6 篇建议按这条顺序DeepSeek-R1 → Qwen3 → Kimi K2 → Qwen2.5-VL → Humanity’s Last Exam → ARC-AGI-2。这 6 篇基本能把 2025 年最重要的主题串起来推理 RL、混合 thinking/non-thinking、agentic intelligence、强 VLM、以及新一代高难 benchmark。([arXiv][1])五、理解 2025 年的“经典性”2025 年“经典论文”的共同特征不是再造一个全新骨架而是三件事让模型更会推理让模型更会调用工具/处理真实环境让评测真正重新变难。这也是为什么 2025 年最有代表性的论文往往同时围绕reasoning、agent、multimodal、benchmark四个关键词展开。([arXiv][1])参考链接[1]: https://arxiv.org/abs/2501.12948?utm_sourcechatgpt.com “DeepSeek-R1: Incentivizing Reasoning Capability in LLMs …”[2]: https://arxiv.org/abs/2505.09388?utm_sourcechatgpt.com “[2505.09388] Qwen3 Technical Report”[3]: https://arxiv.org/abs/2507.20534?utm_sourcechatgpt.com “Kimi K2: Open Agentic Intelligence”[4]: https://arxiv.org/abs/2507.06261?utm_sourcechatgpt.com “Gemini 2.5: Pushing the Frontier with Advanced Reasoning …”[5]: https://arxiv.org/abs/2507.11407?utm_sourcechatgpt.com “EXAONE 4.0: Unified Large Language Models Integrating Non-reasoning and Reasoning Modes”[6]: https://arxiv.org/abs/2504.21318?utm_sourcechatgpt.com “Phi-4-reasoning Technical Report”[7]: https://arxiv.org/abs/2502.13923?utm_sourcechatgpt.com “[2502.13923] Qwen2.5-VL Technical Report”[8]: https://arxiv.org/abs/2504.07491?utm_sourcechatgpt.com “[2504.07491] Kimi-VL Technical Report”[9]: https://arxiv.org/abs/2509.17765?utm_sourcechatgpt.com “[2509.17765] Qwen3-Omni Technical Report”[10]: https://arxiv.org/abs/2501.14249?utm_sourcechatgpt.com “Humanity’s Last Exam”[11]: https://arxiv.org/abs/2505.11831?utm_sourcechatgpt.com “ARC-AGI-2: A New Challenge for Frontier AI Reasoning Systems”