你用的 AI 和别人用的 AI，已经不是同一件事
Karpathy 的一句话戳到了要害：OpenAI 的 Advanced Voice Mode 在背后跑的是 GPT-4o 时代的旧模型，而 Codex 在另一端能自主重构整个代码库。同一家公司，能力鸿沟已经有多宽？
Andrej Karpathy 最近发了一条推文，Simon Willison 引用并评论了它：
“It really is simultaneously the case that OpenAI’s free and I think slightly orphaned (?) ‘Advanced Voice Mode’ will fumble the dumbest questions in your Instagram’s reels and at the same time, OpenAI’s highest-tier and paid Codex model will go off for 1 hour to coherently restructure an entire code base, or find and exploit vulnerabilities in computer systems.” — Andrej Karpathy，via Simon Willison
Karpathy 说的不只是「AI 有好有坏」，而是指向了一个更系统性的问题：同一个品牌的 AI，因为接入方式不同，能力差距可能达到数个数量级。
Advanced Voice Mode 背后是什么
你在手机 ChatGPT 里点开语音模式，问它一个问题，它答不上来——很多人把这归因为「AI 就是这样」。
但实际上，Advanced Voice Mode 背后跑的是一个 GPT-4o 时代的模型，knowledge cutoff 是 2024 年 4 月。Simon Willison 在文章里直接点明：
“I think it’s non-obvious to many people that the OpenAI voice mode runs on a much older, much weaker model — it feels like the AI that you can talk to should be the smartest AI but it really isn’t.” — Simon Willison，2026/Apr/10
这是一个奇怪的产品决策（或者说，是一个很现实的商业决策）：语音模式需要极低延迟，而最新最强的模型做不到实时响应。所以你用的「语音 AI」，是一个被「略微遗弃」的旧版本。
另一端在发生什么
而在光谱的另一端，Codex 这类工具——即 OpenAI 最高付费层级的产品——正在做的事情是：自主运行一小时，重构完整代码库，或者发现并利用系统漏洞。
这不是科幻小说。Cursor 的 Composer 2 报告 显示，他们的 agentic coding 模型在 SWE-bench Multilingual 上达到 73.7，在真实软件工程任务上的能力已经接近资深工程师的水平。
两者之间的差距，不仅仅是「新模型 vs 旧模型」，更是使用场景的本质不同：
- 语音对话：需要实时响应，延迟敏感，偏向流畅而非准确
- agentic coding：可以异步、长时运行，有明确的可验证 reward，RL 可以针对性地优化
Karpathy 的分析提到两个关键原因解释为什么 coding 领域进步最快：
- 明确的 reward function：测试通过/不通过，单元测试分数，是清晰可量化的信号，天然适合 RL 训练。写作、对话的 reward 难以自动化。
- B2B 商业价值更高：coding agent 能直接替代高薪工程师工作，付费意愿强，团队把最多资源投入这里。
能力分层的社会效应
这件事的真正影响，是不同用户获得的 AI 体验正在急剧分化。
一个每天靠免费语音模式用 AI 的普通用户，和一个订阅了 Codex Pro、天天用 Claude Code 的工程师，他们对「AI 能力」的理解已经是完全不同的现实。
这种分层会加速：随着 agentic AI 在专业场景（软件、法律、医疗）里持续进化，两端的体验差距只会越来越大。
Karpathy 的担忧值得认真对待：当大多数人对 AI 的判断基于免费语音模式的糟糕体验，他们根本感知不到「真正的 AI 能力」正在发生什么。这不仅仅是产品问题，也是公众理解 AI 风险和机会的信息差问题。
下次有人说「AI 就是个玩具」，先问问他用的是哪个接入口。