10月11日，Karpathy把自己4月的一条旧推"掸掸灰"重发了一遍，只补了一句判断：人们对大模型能力的认知差距，已经从"两群人各说各话"，变成了一个越往下越尖的漏斗。知乎
两天之内，这条推文被马斯克转发，评论区盖到425条、吵成两个世界，知乎一夜冒出好几个相关问题，B站、公众号全在对照分层自查。微博知乎
有意思的是他现在的身份：这位OpenAI联创、"vibe coding"概念的提出者，今年5月已经宣布加入Anthropic。所以这段话既是一线观察，也带着立场——读之前先把这两样拆开。微博
漏斗四层，你在哪一层
先把Karpathy的原始估算摆出来。注意，全部是"餐巾纸估算"，后面会讲哪部分不能当真。知乎
第一层：约60亿人，占全球人口75%，几乎没碰过大模型。对他们来说，AI只存在于新闻标题和科幻电影里。
第二层：10到20亿人，免费版ChatGPT类产品的偶尔使用者。这一层的AI世界观，是被"去年某个时间点的免费版"和社交媒体疯传的翻车视频塑造的——比如看着AI在"我该开车还是步行去洗车"这种问题面前结结巴巴，然后哈哈大笑："就这？"Karpathy的原话很扎心：大众完全被免费版和旧模型骗了，那些被淘汰的旧模型，根本代表不了今年这一代前沿智能体（尤其是Codex和Claude Code）的实力。
第三层：约2000万人，占0.2%，付费用前沿智能体干数学和编程的专业人群。这层人正在集体经历他所说的"智能体眩晕"。Karpathy拿自己现身说法：不到一年前他还在纯手写代码，一个字符一个字符敲进编辑器，偶尔按一下Tab补全一小段；现在是把一个终端交给模型，亲眼看它"熔化"掉过去要几周的编程难题。OpenAI最高付费档的Codex可以在后台静默跑一个小时，然后完整重构一整套庞大代码库。36氪
第四层：约5000人，占0.00006%，能接触实验室内部前沿系统的人。他拿珠峰打比方：全球登顶过珠峰的大约7500人，而真正见识过前沿AI极限能力的人比这还少。这5000人看到的是"智能体蜂群"——成千上万个agent在没有人类干预的情况下自主协作数周，攻克巨型软件项目、发现零日漏洞、进行网络攻防、推进数学前沿。
而且机器产出已经开始跑赢人类消化速度：AI生成的722篇数学手稿，顶尖数学家还在加班加点"补番"。36氪
先泼冷水：这个漏斗哪部分不能当真
转发之前，建议先看完知乎上一篇流传很广的批判性拆解，它给材料做了三次降级：
其一，这是社交媒体上的量级估算，不是审计过的统计口径。原推没有给估算方法、样本来源和误差范围。当量级参照用行，当精确数据引用就超了。知乎
其二，这是观点输出，不是事实发布。而说话的人如今是Anthropic的人。知乎评论区最扎心的解读是：这套叙事的潜台词是"75%的人类还没用过AI，增长空间巨大，A社估值太低了"。这个质疑不影响漏斗有参考价值，但你应该知道它同时也是一份增长故事。知乎
其三，就算数字全对，推论也不一定对。Mollick补了一条重要的冷水：就算那5000个站在塔尖的人，很多也没把先进模型的能力用满，应用高度集中在网络安全、数学和AI研发。换句话说，权限不等于用满。知乎
但泼完冷水，剩下一个更硬的东西：分层很可能发生在用法那一侧，不在模型那一侧。另一位被广泛引用的Oran Ge说得更直接：大部分人不用大模型，是因为大模型对他们没用、没有ROI，人不傻。翻译一下：60亿人和2000万人之间隔的，不是权限、不是智商，是手上有没有一件"能交给AI做完、还能被验收"的活——代码跑不跑得通、推导对不对、做出来的东西有没有人用。这类活的反馈回路最短、对错最清晰，所以编程和数学最先被打穿。Karpathy自己给的三个驱动因素里，前两个（问题规模、可验证奖励）全在使用侧，只有第三个（访问层级）才在门票侧。知乎
第三层门票的账：四条路线，从0元到每月200美元
这才是和大多数人真正相关的部分。第二层爬到第三层，门票=前沿模型+编码智能体+可持续的用量。截至10月13日，市面上大致是四条路线：
路线A：0元试水档——国产免费模型套Claude Code壳。小红书最近一篇1100+收藏的爆款笔记，玩法是把DeepSeek、Kimi等模型的免费额度接进Claude Code，还能配置备用模型、失败自动切换，号称"月13亿token随便造"。适合先验证"我到底有没有活可交给AI"的人。代价也明确：模型能力和前沿有代差，复杂任务返工率高，省下的订阅费可能用时间加倍还回去。小红书
路线B：20美元/月的订阅入门档。Claude Pro、ChatGPT Plus都在这个价位，能跑各自的编码智能体，但额度按轻度使用设计，重度玩家很快撞限流。适合每天用不了一小时、以小型项目为主的人。
路线C：100-200美元/月的重度档。Claude Max分100和200美元两档，ChatGPT Pro是200美元/月。微博上有博主说得直白：买个Codex 200美元档、注册个GitHub，“就已经起飞了一大半”。这是Karpathy所说"2000万人层"的标配，适合把写代码当主业、每天开几个小时agent的人。提醒一句：订阅额度是按峰值设计的，B站上专门有《Codex和Claude Code会员怎么选？别再花冤枉钱了》这种视频，说明买错档的人不少。微博哔哩哔哩
路线D：API按量付费——被官方账号体系挡在门外的人的现实解。国内直连Claude Code会撞上三道坎：地区名单提示、OAuth回调失败、账号403风控——一个跨境ERP二开团队复盘过，六台机器一周在这上面耗掉超过两个工作日，而且全部出在账号层，本地无解。绕开的路径是拿API Key配ANTHROPIC_BASE_URL直连，不走登录。价格方面：官方Opus 5.5是每百万token输入4美元、输出20美元；第三方路由普遍打到官方价3.3-3.5折，最低见过2.7折（1.20/6.00美元），支持支付宝微信、5美元起充。适合用量波动大、或者被地区限制卡住的团队。代价：没有包月的心理安全感，大项目一天几十美元是常态；而且第三方路由要自己盯两件事——回包的model字段是不是真货、缓存读是不是按官方比例计价，这两点不达标，省下的钱会从质量和返工里加倍还回去。知乎知乎
不管走哪条，省钱顺序是通用的（来自一家看了几千个Claude Code用户账单的团队的总结）：先把缓存用对——一个会话里七成以上输入是重复发送的仓库上下文，Opus 5.5缓存读只有输入价的5%，同一段上下文走不走缓存成本差20倍。再做模型分档——便宜模型用在写测试、改文案这种明确小任务，把Opus留给设计和排错；然后勤用/compact控上下文；最后才考虑按量付费。千万别靠降智省钱：把复杂重构丢给便宜模型，返工轮数上去，总花费反而更高。知乎
顺带一个对爬漏斗的人友好的背景：Opus 5.5是9月22日发布的，输入输出比Opus 5降了20%、缓存读降了60%，官方口径典型负载成本低40%，而且默认档就超过了Opus 5的最高档、成本约为后者五分之一。门票本身正在降价。知乎
漏斗尽头长什么样：24小时151个PR
如果你觉得"第三层用法"听着还是抽象，看看10月上旬一个GitHub仓库里实际发生的事。
OpenAI数学挑战清单里编号109的题（问整数乘法的下界还能压到多低），榜单最初卡在2的负182次方，像一堵墙。知乎
研究者Doug Colkitt最早接招，把数值一级级抬到负108、负78次方；10月7日夜里换了条路子，靠非相邻轴交换把路由代价压到O(d)，一下跳到负34次方。提交完代码已是凌晨，他发帖说进展不算多，先去睡了。知乎
一觉醒来，世界换了模样。Rohan Arun等研究者看出潜力，一口气放出几十个由Codex和Claude带队的智能体，接上自动化研究工具——agent们自己翻最新论文和代码、自己写实现、自己跑验证，过了就提PR，没过就重来。
最热的时候几乎每分钟都有新方案冒出来，当晚11点半，成绩定格在0.00129，越过了千分之一门槛。知乎
24小时，151个PR，新增代码超过2.6亿行，产出速度一度把验证程序都甩在身后。知乎
事后复盘里有两个细节，对日常用AI写代码的人特别值得咂摸：
一是两个模型的脾气完全不同。151份PR里，89份标注用了Codex，48份标注了Claude。Codex出手快，擅长在既有框架里做组合、暴力试错、靠数量取胜，比手速Claude很难追；Claude Opus 5.5慢一些，但整个队伍卡壳、原地打转的时候，常常是它绕开原来的思路，做出结构上的一跃。知乎
二是纯靠智能体堆量会撞墙，撞墙之后值钱的还是人。数值逼近千分之一后，整支队伍掉进局部最优出不来。人类研究者Jacob Sussman这时插了一手，把E8格点几何（八维空间里球体堆得最密的那套排法）引进来重新搭变换——思路一换，困在二维三维里的智能体被一把拽上高维。之后的分工是：人给方向，Claude把它落成新的几何路子，Codex负责把电路成本继续往下压。
“一个人只要手里有个够大胆的方向，再加一份按月付费的编码工具，就能跟顶尖大脑站到同一条起跑线上”——这句话听着像鸡汤，但在这个仓库里，它是一个周末里实际发生的流程。这就是第三层用法的真实样子：不是跟AI聊天，是把可验证的难题整包交给一群agent，自己当那个出方向、做验收的人。知乎
分层行动：你该干什么
如果你还在第二层（偶尔问问免费版）：别急着掏钱，先回答一个问题——手上有没有一件"能交给AI做完、还能被验收"的活？一个脚本、一个小工具、一段重复流程都算。有，就走路线A或B进门，每月成本150元人民币以内；没有，先去找活，不是先找工具。连塔尖5000人里都有一堆没把模型用满的，你冲进去大概率也是空转。
如果你已经在第三层（付费写码）：你的分水岭不在工具，在用法。对照上面那个数学仓库自查：你还在让agent逐个函数地写，还是已经开始给它整块可验证的任务？Codex型模型跑组合试错、Claude型模型攻结构卡点，这个分工今天就能抄进你的工作流。
如果你在观望前沿：漏斗的数字大概率会被修正（它本来就没核实过），但三个信号值得长期跟——订阅价格会不会继续降（Opus 5.5已经开了头）、agent蜂群会不会出现更多"151个PR"式的公开案例、以及"顶层没用满"这个观察什么时候出现量化数据。
最后说回这场争论里最出圈的那句话，Karpathy引用的：“你对AI感到敬畏的程度，与你使用AI写代码的频率完美正相关”。漏斗不是墙，是用法账本。你在哪一层，不取决于你见过什么，取决于你把什么交给了AI、又亲手验收回来了什么。36氪
