发生了什么

人工智能研究者安德烈·卡帕斯基在X上的原帖中说，人们对大语言模型，也就是LLM能力的共同认识差距正在扩大。这不是一次新产品发布，而是在讨论不同人实际接触到的AI可能完全不同。

他用四个很粗的层次来描述这种差距。约60亿人几乎没有接触过LLM。约10亿至20亿人偶尔使用免费聊天机器人，把它当作搜索或写作工具。约2000万人在数学和编程工作中使用先进模型。还有约5000人能在AI实验室内部接触前沿模型。关于这一小群人，卡帕斯基描述了数千个AI智能体长期协作，处理大型软件项目、数学和网络安全工作的场景。他认为，生成的结果可能快到超过人的检查速度。但这些是他的描述，不是一份已经独立验证的成果清单。

候选信息显示，这条帖子在Hacker News获得457个积分和652条评论。这表示社区很关注它，不表示卡帕斯基的估算一定正确。

背景：同一种工具正在接受不同测试

一个简短问题和一个长期项目，考验的不是同一种能力。普通用户可能只要求AI回答一句话。专业用户则可能给AI智能体一个大目标，再提供文件、工具和多个步骤。后一种使用方式，更容易让人看到聊天窗口中不会出现的能力。

卡帕斯基还认为，LLM的能力并不平均。对于结果容易检查的数字化工作，模型的优势更容易显现。数学和编程通常比开放式建议更容易测试。访问条件也不同。人们可能使用不同模型、不同价格档位、不同限制和不同工作流程。因此，大家说的AI，可能根本不是同一种使用体验。

为什么重要

这种差距会让公共讨论互相错开。一个人看到的是不太可靠的聊天工具。另一个人看到的是能改变复杂工作安排的工具。只要使用的模型、任务和权限不同，两种观察都可能只在各自范围内成立。

更难的问题是检查。AI智能体如果生成内容的速度超过人们检查的速度，速度本身就不等于可靠。公司、学校和政府需要知道模型能做什么、会在哪里出错，以及需要多少人工检查。如果只根据某一个使用层次讨论AI，就可能把它说得过强或过弱。

可以确认的内容

从原帖可以确认的是：卡帕斯基提出了四个层次，给出了人口数量的粗略估算，并解释了任务大小、能力差异和访问条件为何会影响体验。帖子也确实获得了大量Hacker News关注。

但这些数字不是全球调查结果。Hacker News的积分和评论数只反映关注度，不能替代事实核查。

仍然未知的内容

原帖没有清楚规定每一层的边界，也没有说明如何统计几乎没用过LLM的人、普通用户、专业用户和内部用户。它没有说内部使用的是哪些模型，也没有提供独立案例来说明大型项目完成得多好、剩下多少错误、需要多少人工修改。

扩大中的差距也需要时间数据来证明。我们需要连续观察访问权限、使用方式、实际表现和人们对限制的理解。没有这些数据，这条帖子更像一个观察框架，而不是已经测出的趋势。

接下来要看什么

今后值得看的是对长期任务的独立测试。测试应同时报告完成结果、错误数量和人工检查时间。还要看实验室内部出现的能力，是否能在公开工具中重复出现。卡帕斯基的帖子不是AI进步的最终地图，而是提醒人们：大家可能正站在不同的AI体验上争论同一件事。