Karpathy 推文：AI 能力感知的两极分化
Karpathy 推文：AI 能力感知的两极分化
人们对 AI 能力的理解正在出现日益严重的分化——这是 Andrej Karpathy 这篇观察的起点。他指出，许多人仍以免费版或早期模型的体验来锚定对 AI 的整体判断，看到语音模式在简单问题上出丑便一笑了之。但与此同时，另一群深度使用前沿 agentic 模型（如 OpenAI Codex、Claude Code）的技术用户，正在见证 AI 在编程、数学、漏洞挖掘等领域的惊人进步——其能力提升之陡峭足以让人产生"AI 精神病"般的震撼。
Karpathy 的精辟之处在于点明了这种分化背后的双重逻辑：一方面，可验证奖励机制让编程等技术领域天然适合强化学习训练，进步速度远超写作等难以量化评判的领域；另一方面，B2B 场景的高价值决定了团队资源向这些方向倾斜。于是，免费用户看到的是出糗合集，技术用户看到的却是能力奇观——两者谈论的，几乎是两个不同的世界。这篇文章之所以值得一读，不仅因为它揭示了 AI 能力的真实图景，更因为它对"认知鸿沟"本身的剖析，让我们得以理解今天围绕 AI 的种种争议从何而来。
Andrej Karpathy @karpathy 2026-04-09
从我的时间线来看，人们对 AI 能力的理解存在越来越大的鸿沟。
第一个问题：使用时效与层级的偏差
我认为第一个问题在于使用时效和层级。很多人大概去年用过 ChatGPT 的免费版，然后就以此过度决定了他们对 AI 的看法。这群人会对模型的各种古怪表现、幻觉等问题发笑。是的，我也看过 OpenAI 的 Advanced Voice Mode 在各种简单查询上出糗的爆款视频，比如"我该开车还是走去洗车店"。问题是，这些免费且老旧/已弃用的模型，并不能反映今年最新一代前沿 agentic 模型的能力，尤其是 OpenAI Codex 和 Claude Code。
第二个问题：能力高度的不均衡分布
但这就引出了第二个问题。即便人们每月花 200 美元使用最先进的模型，其诸多能力在高度技术性领域也相对"陡峭"。搜索、写作、建议等常见查询，并不是能力取得最显著、最惊人进步的领域。部分原因在于强化学习的技术细节及其对可验证奖励（verifiable rewards）的使用。但部分也在于，这些用例没有被公司充分优先考虑，因为它们不能带来那么多 $$$ 价值。金矿在别处，关注点自然随之转移。
"AI 精神病"群体
于是这就引出了第二群人，他们同时满足：1）付费并使用最前沿的 agentic 模型（OpenAI Codex / Claude Code），并且 2）在编程、数学和研究等技术领域专业地使用它们。这群人最容易患上"AI 精神病"（AI Psychosis），因为今年在这些领域取得的进步简直令人瞠目结舌。当你把一个计算机终端交给这些模型之一时，你现在可以看着它们瓦解那些通常需要数天/数周才能完成的编程问题。正是这第二群人，对这些能力、能力的增长斜率以及各种与网络相关的后果赋予了更大的严重性。
TLDR
总而言之，这两群人各说各话。现实确实是：OpenAI 的免费且我认为有些被冷落（？）的 Advanced Voice Mode 会在你的 Instagram Reels 里连最愚蠢的问题都答不上来，与此同时，OpenAI 最高层级、付费的 Codex 模型会花一个小时连贯地重构整个代码库，或者在计算机系统中发现并利用漏洞。后面这部分真的行得通，并且取得了巨大进步，原因有两个：1）这些领域提供了可验证的显式奖励函数（reward functions），意味着它们很容易通过强化学习训练来优化（例如单元测试通过与否，相比之下写作就难以明确评判）；但同样重要的是 2）它们在 B2B 场景中价值更高，因此团队最大比例的资源都集中在改进它们上。所以，现状就是这样。
2026-04-09
你对 AI 感到惊叹的程度，与你使用 AI 编程的程度完全正相关。
术语表
| 原文 | 中文 |
|---|---|
| agentic models | agentic 模型 |
| AI Psychosis | AI 精神病 |
| B2B | B2B（企业对企业） |
| reward functions | 奖励函数 |
| verifiable rewards | 可验证奖励 |
此文章由 AI 翻译