原始来源：Andrej Karpathy · X
获取渠道：FxEmbed · 第三方转取
Karpathy 重提四月的讨论，认为人们体验到的 LLM 能力差距仍在扩大。他把使用者从几乎未接触、偶尔使用聊天产品，到在数学与代码中处理长任务，再到接触内部系统，描绘成一个漏斗；人数和比例是随手估算。他提出三个解释：任务的规模与时间跨度、能力在领域间的不均衡，以及可用系统的差别。原帖是对使用体验的判断，没有给出证明这种人群划分的调查。
可信度 65 · 重要性 72 · 新颖度 63
技术与主题
Agent 系统 · AI 编程 · 评测与基准 · Long-Horizon Agents · Verifiable Rewards · Capability Evaluation
Andrej Karpathy
节选原帖的论证顺序；人数为作者估算，未取得 X 官方页面。
忠实转述（非原句）：他先描述从未接触、偶尔使用、专业使用到内部访问的不同体验，再解释差异：短问答不足以发挥系统能力，需要真正关心的难题；能力集中在数字化、可验证且有经济价值的领域；免费、付费与内部访问也不同。他最后强调，这些很不一样的体验正在同时发生。
usernomdeguerre
针对同一原帖的替代解释，来自 HN 评论，经 Algolia 公开树读取。
忠实转述（非原句）：他希望看到可指认的成果，而非笼统描述曲线竖直上升。他提出另一种解释：LLM 当前擅长的工作可能集中在能由机器验证、或无需验证的部分，多数人并没有这样的工作。
komali2
针对原帖人口比例的质疑，不是能力复测。
忠实转述（非原句）：他质疑用全球人口作分母：儿童、没有相关需要或正在解决基本生活问题的人，也被算进了“尚未接触”的比例。这种估算是否适合说明采用潜力，他觉得需要再解释。
编辑评读
把任务条件写出来，是这条观点最有用的部分。只问一个短问题与交给系统一个有明确验收的长项目，确实不是同一次测试。读者可以据此重新描述自己的失败或成功案例，而不用先争论模型总体有多聪明。
但任务更大并不自动使效果更可靠。本期反编译记录中，团队正是在扩大运行后发现验收不足；MASS 也显示研究任务与软件工程的迁移不同。HN 的 usernomdeguerre 因此给出另一种解释：差异可能首先来自工作能否由机器检查，而不只是使用者有没有接触先进系统。这是可以比较的替代假设，现有随手人数估算不足以分辨两者。