把四月這則推文重新翻出來，是因為人們對大型語言模型（LLM）能力的認識落差，正在持續擴大。如今，與其說是「兩群人各說各話」，不如說已經形成了一個急劇收窄的漏斗。
— 粗略估算，大約有60億人（約占全球人口75%）幾乎還沒接觸過LLM。
— 大約有10億至20億人（約20%），只是偶爾使用ChatGPT這類產品的免費版。他們看到的是有點蠢萌、時常犯傻的聊天機器人，把它當成好用一點的Google搜尋、寫作輔助工具之類的東西。也許會讓某個代理幫忙訂機票。我有些非科技圈的朋友說，自己實在沒什麼地方用得上它；在我看來，這完全可以理解。甚至連許多數學與程式設計以外領域的專業人士，也處於這一層。例如，高階主管和許多其他職位的人，大量時間都花在與人交談上。因此，即使他們在理智上理解正在發生什麼，那仍然是間接得來、多少有些抽象的認識。
— 再往下，是在數學與程式設計中，專業使用最先進LLM的人。大約有2,000萬人（0.2%）親身看見：過去需要數週乃至數月的大型複雜專案，如今只要給代理一個提示，就能完成。開發應用程式、複製應用程式、將應用程式移植到其他語言、從二進位檔反編譯應用程式……這一切都發生得極快，而且就在最近。不到一年前，我還在手動寫程式，把記在腦中的電腦程式指令，一個字元一個字元地敲進編輯器，偶爾按一下Tab，讓它自動補完一小段程式碼。
— 最後，是大約5,000名（約0.00006%）能在內部使用最先進系統的人。外界已經看到了一些預演：數以千計的代理組成群體，連續數週協作，處理超大型軟體專案；挖掘零日漏洞，以機器的速度展開網路攻防，作出新的科學發現，推進數學前沿。這些工作，過去即使交給業界頂尖專業人士，也得花上多年。與此同時，人類的審查與理解已經開始跟不上。例如，人們至今仍在對數月前的OpenAI–HF事件做「考古」。數學家們也可能還得花上好一段時間，細讀那722篇前沿數學論文手稿。
這個漏斗，是幾種因素共同造成的：
- 影響會隨著目標的雄心、問題的規模，以及任務的時間跨度而放大。一個只需要一段文字就能回答的問題，根本沒怎麼考驗這套系統。你需要手上有一大批自己真正關心、規模大而且困難的問題。這個因素，主要形成了漏斗中一般消費者與專業使用者之間的差異。
- 系統能力的參差不齊，我之前已經另外寫過很多。能力的高峰，集中在數位化、結果可驗證，而且具有經濟價值的領域。這是因為，LLM的能力來自以可驗證獎勵進行的強化學習，而訓練所用的是經過挑選、由營收潛力引導的一組環境。這個因素，主要形成了漏斗中不同領域之間的差異，例如數學與程式設計。
- 使用權限：免費版、付費版，以及內部系統。
所以，這就是當下弔詭的地方。大多數一般民眾，幾乎還沒和這些系統打過交道。即使接觸過，看到的也只是個傻乎乎的聊天機器人。大多數專業人士，仍然只感受到幅度有限的提升。而極少數專業人士，卻正因為那條曲線幾乎垂直向上而感到暈眩。
這一切，正在同時發生。