X / Twitter
Andrej Karpathy
他翻出今年 4 月那条旧推，说大家对 LLM 能力的共同认知鸿沟正在拉大：不再是两拨人各说各话，而更像一条陡峭的漏斗。
他的粗算：约 60 亿人（~75%）几乎没怎么接触过 LLM；约 10–20 亿人（~20%）偶尔用免费版 ChatGPT 类产品，把它们当更好的搜索或写作助手，许多非数学与编程领域的专业人士也在这一层；约 2000 万人（0.2%）在数学与代码里亲身用上前沿模型，看到过去要几周、几个月的大项目现在一句 prompt 就能让 agent 做完——他自己不到一年前还在编辑器里一个字符一个字符手写代码；最后，约 5000 人（~0.00006%）能接触内部前沿系统，外部世界只看到预告片：成千上万 agent 协同数周做软件大项目、挖零日漏洞、以机器速度攻防、发现新科学、推进数学前沿，而人类审阅与理解已经开始跟不上。
漏斗由三件事驱动：影响随野心、问题规模与时间跨度放大；系统能力呈「锯齿状」，在可验证、数字化、有经济价值的领域（尤其数学与代码）最尖；以及免费档、付费档与内部访问的落差。他总结：公众大多还没真正碰到这些系统，碰到了也像笨拙聊天机器人；多数专业人士只感到温和提升；极小一撮人却在经历曲线几乎垂直上升的眩晕——而且这一切同时发生。
原推
Box CEO Aaron Levie
他转发 Karpathy 的漏斗说：这很能说明 AI 扩散还有多早。绝大多数人仍把 AI 当聊天机器人、近似下一代搜索，很有用，但严重低估真实能力；另一端，agent 群可能是 agent 进入工作流的终极形态——数学、网络、生物、材料、软件工程、金融等任何可并行、可用算力加速的高价值任务，都具备这种特征。
现在只有极少数人这样用 AI，原因包括模型相对领域的能力、成本、可用 harness，以及前沿模型对公众的开放程度。软件与 AI 研究之外的工作，还需要大量变革管理：升级流程、迁移数据、过合规与安全框架。但这些恰恰是机会——应用层会因领域专属性而真正发光；透过 Karpathy 画的漏斗，能提前看见前方。
原推 · Karpathy 原帖
OpenAI Codex & ChatGPT 负责人 Thibault Sottiaux
发布周 Day 7：他把通过 Codex 与 Work 使用的 GPT-6.1 Sol 默认上下文长度从 272k 提到 500k（约增 80%），之后还会再往上；新默认点是仔细测过的「多数用户甜点」，仍可手动调高或调低，上限 1M。此项改动后，从订阅额度扣用量时，不再对 GPT-6.1 Sol 收取长上下文费用。
他还对前一天 Pro 用户投票结果表示困惑：他原以为大家会更倾向「恢复 5 小时限额、换用量翻倍」以平滑需求曲线，但票数走向并不如他所预期。
Day 7 上下文 · 取消长上下文费 · 投票结果
Anthropic Claude Code 的 Thariq（前 YC W20）
他认同陶哲轩（Terence Tao） 的方向：我们不该满足于不透明的超级智能。智能的一个关键信号是沟通——产品与模型应努力与人类共建理解，而不是把人隔开、替人做完。
原推
Y Combinator 总裁兼 CEO Garry Tan
回应 Karpathy 漏斗，他喊话：今天就加入那 5000 人吧，非常美妙；幸运的是价格会下来，更多人会看见，并有机会把它带向世界——「人类历史上最伟大的 alpha 喷泉」。
另一条他强调：把 LLM 调用换成确定性代码是显而易见的选择，也会得到更贴合用户需求的更好代码。
加入那 5000 人 · 确定性代码
FirstMark 合伙人、MAD Podcast 主持人 Matt Turck
他回顾职业角色的演变：人们曾是打孔卡操作员，后来是 Lotus Notes 管理员、Flash / Dreamweaver 站长、DevOps 与 Tableau 分析师，现在正在变成 agent 管理者与 harness 工程师——他觉得这会顺利过渡。
原推
Peter Yang（转发 Micky / Rasmic）
他摘录教过 10 万多人用 AI 做产品的 Micky 的话：还没到能信任 agent 的程度，尤其是别人真的会用的东西；人工审查像最后一步——活已干完，只是尽量从 agent 那里拿到证据。证据驱动测试（前后对比，甚至 greploop）是在建信任：agent 出示「做了什么、为什么它是好的」。对做过开发的人来说，人工审查往往是最糟的环节，这种方式能减少摩擦。Peter 另晒了和女儿用 Codex 做 ModRetro 游戏的画面。
Micky 工作流 · 和女儿做游戏
Builder Zara Zhang（follow-builders 作者）
她说：这些天她用 Gemini 的唯一地方，是在 Chrome 里。
原推