同一套 AI，已经让不同人群看到完全不同的现实。Karpathy 用一条“尖漏斗”解释这种落差：多数人仍停留在聊天机器人层面，少数专业用户已经把代理接入复杂编程。
PERSPECTIVE。
同一套 AI，已经让不同人群看到完全不同的现实。
Andrej Karpathy 最近重新发出一条旧帖，并把它改写成一幅“尖漏斗”：大多数人几乎没有接触过大语言模型；更多人只在免费聊天产品里偶尔使用；少数专业用户已经把前沿代理接入数学和编程；最窄的一端，则是能接触内部前沿系统的人。
这组数字不是统一口径的人口统计。它提供了一个观察日常争论的坐标：有人觉得 AI 只是会犯低级错误的聊天机器人，也有人已经看见代理处理大型代码项目。
两种体验可以同时存在。它们对应不同的模型层级、任务难度和操作权限。
“大多数人仍然只看到一个笨拙的聊天机器人，少数人却正在经历曲线突然变陡的眩晕感。”
01
同一个词，指向四种使用现实。
Karpathy 在帖中给出了一组粗略分层。他估计，约 60 亿人几乎没有接触过大语言模型；约 10 亿至 20 亿人偶尔使用免费版 ChatGPT 类产品；约 2000 万人已经在数学和编程等专业场景中使用前沿模型；最窄的一层约有 5000 人，可以接触内部前沿系统。
这组数字把使用差距画出了比例。普通用户的体验，可能来自一次问答、一次搜索或一段写作辅助；专业用户的体验，来自一个持续运行的工作循环。
口径说明：60 亿、10—20 亿、2000 万和 5000 人均来自原帖估算；它们不是统一统计口径下的独立人口调查。
02
能力差距，首先出现在任务类型。
帖中最重要的一步，是把“模型变强”拆成了不同任务。搜索、写作、建议和闲聊，往往要求系统给出开放式答案，正确与否很难用一个稳定标准判断。代码、数学和部分研究任务则更容易接入测试、编译器、形式规则或结构化评分。
OpenAI 的开发者文档把这类任务放进可验证工作流。输出可以经过确定性测试、代码检查或结构校验。
Codex CLI 的官方说明包括读取代码、修改文件、运行命令和检查结果。Anthropic 对 Claude Code 的说明也采用类似工作方式。
这解释了为什么“会不会聊天”越来越难代表模型的全部能力。一个代理可以在终端里连续查看文件、修改代码、运行测试，再根据报错继续调整。用户看到的结果，也从一段回答变成了一串可追踪的动作。
03
“前沿体验”还取决于入口。
Karpathy 把访问权限单独列为第三个变量。免费层、付费层和内部系统之间，任务范围、模型选择、上下文长度、工具权限与运行时长都可能不同。
面对同一个问题，不同用户拿到的系统也可能处在不同的能力曲线上。
这会制造一种特殊的公共讨论。普通用户拿一款免费产品问几个日常问题，得到的体验可能仍然笨拙；专业用户把高端模型放进代码仓库，让它持续工作一小时，得到的却是跨文件修改、测试和重构。双方谈论的“AI”，已经包含不同的模型层级、任务难度和操作权限。
决定体验差距的，至少有三个变量：问题有多大、任务能否验证、用户拿到了什么入口。
04
真正的分水岭，是人类还能否跟上。
Karpathy 最后把视线推向了最窄的一端：成百上千个代理并行工作数周，处理软件项目、网络安全或新科学问题。这里的关键变化不只在于系统能生成多少代码，也在于任务规模开始超过单个人的即时理解范围。
当代理同时改动几十个文件、调用多个工具并持续运行，人类面对的工作也会变化。人需要选择任务、设置权限、设计验证、检查中间产物，再决定哪些结果可以进入真实系统。
所以，今天关于 AI 的很多争论，实际在比较不同截面的经验。有人还在判断它能否答对一个简单问题；有人已经在判断自己能否审阅一个代理群留下的完整工作链。两种判断都来自真实使用，只是站在漏斗的不同位置。
来源：Andrej Karpathy X 帖；OpenAI Codex 开发者文档；Anthropic Claude Code 文档。