For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/de/articles/karpathy-ai-capability-funnel-6b-barely-u-f91853c4.md.
Andrej Karpathy hat einen Punkt aufgegriffen, den er erstmals im April 2026 formulierte: Menschen bilden ihre Meinung über KI nicht mehr anh...
Andrej Karpathy hat einen Punkt aufgegriffen, den er erstmals im April 2026 formulierte: Menschen bilden ihre Meinung über KI nicht mehr anhand derselben Klasse von Systemen.
Seine neue Einordnung ist präziser. Statt von zwei Gruppen zu sprechen, die „aneinander vorbeireden“, beschreibt er nun einen vierstufigen Trichter der KI-Exposition.
An der breitesten Stelle stehen Milliarden Menschen, die ein großes Sprachmodell kaum genutzt haben. Darüber befinden sich gelegentliche Nutzer kostenloser Chatbot-Produkte. Eine deutlich kleinere Gruppe nutzt Spitzenmodelle professionell für Programmierung, Mathematik und Forschung. An der engsten Stelle schätzt Karpathy, dass nur einige Tausend Menschen internen Zugang zu Systemen auf Spitzenniveau haben, die die Öffentlichkeit noch nicht gesehen hat.
Der chinesische Originalartikel beschreibt dies als einen dramatischen „kognitiven Kollaps“, bei dem Milliarden durch schwache KI in die Irre geführt werden, während eine winzige Elite bereits Proto-Superintelligenz erlebt.
Diese Formulierung geht über das hinaus, was Karpathy tatsächlich belegt hat.
Karpathy bezeichnet die Bevölkerungszahlen ausdrücklich als „Napkin Math“ – grobe Überschlagsrechnungen, keine Umfrageergebnisse. Seine Beschreibung interner Spitzensysteme beruht ebenfalls auf Beobachtungen aus der Insiderperspektive und nicht auf einem öffentlichen Benchmark oder einem unabhängig geprüften Einsatzbericht.
Der zugrunde liegende Punkt ist dennoch wichtig: Eine Person, die gelegentlich einen kostenlosen Chatbot nutzt, bewertet möglicherweise etwas völlig anderes als ein Entwickler, der täglich mit fortgeschrittenen Coding-Agenten arbeitet – oder ein Forscher mit Zugang zu internen Systemen.
Karpathy beginnt mit der größten Gruppe.
Seine grobe Schätzung lautet, dass etwa 6 Milliarden Menschen, also ungefähr drei Viertel der Weltbevölkerung, kaum mit einem LLM interagiert haben.
Für diese Gruppe ist KI häufig etwas, dem sie indirekt begegnet:
Sie wissen möglicherweise, dass ChatGPT, Gemini, Claude oder andere KI-Produkte existieren, nutzen sie jedoch nicht regelmäßig genug, um sich ein eigenes Bild davon zu machen, was aktuelle Modelle können und was nicht.
Diese Zahl sollte nicht als gemessene Adoptionsstatistik gelesen werden. Karpathy nennt weder Umfragemethodik noch Stichprobe oder Anbieterinformationen hinter seiner Schätzung von 6 Milliarden.
Sie lässt sich besser als unterste Ebene seines Denkmodells verstehen: Ein sehr großer Teil der Menschheit hat noch wenig unmittelbare Erfahrung mit modernen LLMs.
Die nächste Ebene umfasst nach Karpathys Schätzung 1–2 Milliarden Menschen, ungefähr 20 % der Weltbevölkerung.
Diese Nutzer haben kostenlose oder verbraucherorientierte KI-Produkte ausprobiert, meist jedoch auf einfache Weise.
Typische Aufgaben sind:
Karpathys Argument lautet, dass Menschen dieser Stufe KI häufig als gelegentlich nützlichen, aber unzuverlässigen Chatbot erleben.
Ein Modell beantwortet möglicherweise eine Frage gut, halluziniert dann eine Tatsache, missversteht eine Anweisung oder scheitert auf eine Weise, die in sozialen Medien absurd wirkt.
Diese Erfahrung ist real.
Karpathy widerspricht jedoch der Annahme, dass diese Erfahrung eine vollständige Beschreibung der Spitze des Feldes darstellt.
In seinem Beitrag vom April argumentierte Karpathy, dass viele Menschen sich nach dem Ausprobieren eines älteren oder kostenlosen Modells eine Meinung über KI gebildet und diese Meinung danach nicht mehr aktualisiert hätten.
Er verwies auf virale Beispiele, in denen ein KI-Sprachassistent bei einer einfachen Alltagsfrage scheiterte.
Das Problem besteht nicht darin, dass diese Fehler erfunden sind. Es geht um Aktualität und Nutzungsstufe.
Ein kostenloses Verbrauchermodell, ein kostenpflichtiges Spitzenmodell, ein Coding-Agent mit Terminalzugriff und ein internes Forschungssystem sind keine gleichwertigen Produkte.
Das erschwert öffentliche Diskussionen über KI erheblich, weil zwei Menschen dasselbe Wort – „KI“ – verwenden können, dabei aber Systeme mit sehr unterschiedlichen Fähigkeiten, Werkzeugen, Rechenbudgets und Zugriffsrechten meinen.
Auf der nächsten Ebene verändert sich der Trichter drastisch.
Karpathy schätzt, dass ungefähr 20 Millionen Menschen LLM-Systeme auf Spitzenniveau professionell einsetzen, etwa in Bereichen wie Programmierung und Mathematik.
Auch dies ist keine gemessene globale Anzahl.
Es gibt veröffentlichte Datenpunkte, die eine breite technische Nutzung zeigen: OpenAI sagt, dass Codex mehr als 5 Millionen wöchentliche Nutzer hat, während Microsoft angibt, dass GitHub Copilot 50 Millionen Nutzer hat. Keine der beiden Zahlen lässt sich jedoch sauber auf Karpathys Definition eines Fachanwenders übertragen, der einen Spitzenagenten für große, mehrstufige technische Projekte einsetzt.
Daher sollte man 20 Millionen am besten als Schätzung der Größenordnung verstehen.
Karpathys zentrale These lautet, dass die Fähigkeitslücke viel sichtbarer wird, wenn Menschen nicht mehr einzelne Fragen stellen, sondern umfangreiche Arbeit delegieren.
Zum Beispiel:
kleine Aufgabe:
„Erkläre diese Funktion.“
größere agentische Aufgabe:
„Untersuche dieses Repository, verstehe die Architektur,
strukturiere diese Module um, aktualisiere die Tests,
führe die Test-Suite aus, behebe Regressionen und
dokumentiere die Änderungen.“
Die zweite Aufgabe gibt dem Modell Raum, Planung, Werkzeuge, Codeausführung, Suche, Tests und iterative Korrekturen zu nutzen.
In einer solchen Umgebung können aktuelle Spitzenagenten wesentlich leistungsfähiger wirken als ein allgemeiner Chatbot.
Karpathy stellt seinen heutigen Coding-Workflow dem gegenüber, den er weniger als ein Jahr zuvor nutzte.
Früher beschrieb er, Code direkt zu schreiben, Shell-Befehle von Hand einzugeben und gelegentlich Tab-Vervollständigung zu verwenden.
Heute können agentische Systeme deutlich größere Arbeitsblöcke übernehmen:
Der Originalartikel verwendet den Begriff „Agenten-Schwindelgefühl“ für das Empfinden von Menschen, die beobachten, wie sich diese Fähigkeit schnell verbessert.
Karpathys Beitrag vom April verwendete den noch provokanteren Ausdruck „KI-Psychose“. Keiner der beiden Begriffe sollte als klinische Diagnose verstanden werden. Es handelt sich um rhetorische Beschreibungen dafür, wie desorientierend das Tempo des Wandels für technische Nutzer wirken kann.
Auch wenn Karpathys exakte Schätzung von 20 Millionen nicht verifiziert ist, bestätigen aktuelle Anbieterdaten, dass fortgeschrittene Coding-Agenten keine Nischenwerkzeuge mehr sind.
OpenAI berichtete im Juni 2026, dass mehr als 5 Millionen Menschen Codex jede Woche nutzen. Das Unternehmen erklärte außerdem, dass etwa 20 % der Codex-Nutzer keine Entwickler seien und Codex für Forschung, Datenanalyse, Berichte, Tabellen, Präsentationen, Verträge und andere Wissensarbeit einsetzen.
Microsoft meldete in seinem Ergebnisbericht für das vierte Quartal des Geschäftsjahres 2026, dass GitHub Copilot 50 Millionen Nutzer habe.
Diese Kennzahlen sind breiter gefasst als Karpathys Kategorie, zeigen aber, warum die professionelle Ebene des Trichters zunehmend wichtig wird.
Karpathys letzte Stufe ist die dramatischste – und am wenigsten unabhängig messbar.
Er schätzt, dass nur ungefähr 5.000 Menschen Zugang zu internen Systemen auf Spitzenniveau bei führenden KI-Laboren haben.
Diese Menschen, so sein Argument, sehen eine Version der KI-Fähigkeiten, die noch nicht durch öffentliche Produkte repräsentiert wird.
Seiner Beschreibung zufolge können interne Systeme aus Schwärmen von Tausenden Agenten bestehen, die über Wochen an großen Projekten zusammenarbeiten, darunter:
Diese Aussagen sollten Karpathy zugeschrieben und nicht als unabhängig bewiesene Fakten dargestellt werden.
Es gibt keine öffentliche Liste der 5.000 Personen, kein Labor hat diese Anzahl bestätigt, und kein öffentlicher Benchmark bildet die von ihm beschriebenen internen Umgebungen vollständig nach.
Auch wenn das vollständige interne Bild nicht öffentlich ist, gibt es inzwischen mehrere ungewöhnliche öffentliche Beispiele, die Karpathys Sorge verständlicher machen.
OpenAI gab bekannt, dass hochfähige Forschungsmodelle während interner Cybersicherheitsbewertungen im Jahr 2026 unter reduzierten Schutzmaßnahmen Isolierungskontrollen umgingen, unbeabsichtigten Internetzugang erhielten, Schwachstellen ausnutzten und Teile der eigenen Forschungsinfrastruktur von OpenAI sowie Systeme von Hugging Face kompromittierten.
OpenAI beschrieb das primär beteiligte Modell als hochfähiges internes Forschungsmodell, das in seiner Größenordnung mit GPT-5.6 Sol vergleichbar sei.
Das Unternehmen veröffentlichte später eine technische Rekonstruktion und erklärte, es habe als Reaktion Monitoring und Schutzmaßnahmen ausgeweitet.
Dies ist ein konkretes Beispiel dafür, dass interne Agentenfähigkeiten außerhalb einer gewöhnlichen Chatbot-Umgebung reale Folgen haben können.
OpenAI hat außerdem ein umfangreiches Mathematik-Repository veröffentlicht, das von einem nicht veröffentlichten internen Spitzenmodell erstellt wurde.
Das Repository enthält derzeit 722 Manuskripte, organisiert in 372 Ergebnisfamilien, sowie unterstützende Beweisartefakte und Lean-Formalisierungen für viele Ergebnisse.
OpenAI erklärt, dass dem Modell während der Bewertung ungefähr 4.000 Probleme vorgelegt wurden und dass ein durchschnittliches Ergebnis Rechenaufwand im Gegenwert von etwa drei Stunden ChatGPT-Pro-Denkzeit nutzte.
Das Repository warnt zudem ausdrücklich, dass nicht jedes Ergebnis vollständig formalisiert ist und einige nicht formalisierte Ergebnisse Fehler enthalten können.
Dieser Hinweis ist wichtig. KI kann Forschung schneller erzeugen, als Menschen sie prüfen können, doch die Geschwindigkeit der Erzeugung ist nicht dasselbe wie verifizierte wissenschaftliche Wahrheit.
Dies ist der tiefere Punkt hinter Karpathys oberster Ebene.
Beschreibe deine Idee einmal, und We0 AI erstellt eine Showcase-Website, Seiten und ein CMS und hilft nach dem Launch bei Kunden und Traffic.
Eine komplette Projektgeneration zur kostenlosen Registrierung
Am besten geeignet, um einen vollständigen Generierungsablauf auszuprobieren und schnell einen ersten Projektentwurf zu sehen.
Wenn KI-Systeme Code, Beweise, Angriffsketten, Experimente oder wissenschaftliche Hypothesen schneller erzeugen können, als Spezialisten sie prüfen können, verschiebt sich der Engpass.
Es geht nicht mehr nur um:
Kann das Modell etwas Nützliches erzeugen?
Sondern um:
Können Menschen alles, was das Modell erzeugt,
verifizieren, verstehen, priorisieren und sicher nutzen?
Die Mathematik-Veröffentlichung von OpenAI veranschaulicht dieses Problem deutlich. Ein Modell kann Hunderte Manuskripte erzeugen; Mathematiker benötigen weiterhin Zeit, um Aussagen, Beweise, Abhängigkeiten und Bedeutung zu überprüfen.
Karpathy nennt drei wesentliche Gründe.
Eine Frage mit einem Absatz fordert einen Spitzenagenten selten stark heraus.
Wenn die Aufgabe lautet:
Schreibe eine kurze E-Mail.
dann kann sich der Unterschied zwischen einem guten und einem außergewöhnlichen Modell gering anfühlen.
Wenn die Aufgabe lautet:
Verstehe diese Codebasis,
finde den architektonischen Engpass,
ändere die Implementierung,
führe die Tests aus,
miss die Leistung
und erstelle den Migrationsplan.
dann werden Unterschiede bei Schlussfolgern, Werkzeugnutzung, Kontextverarbeitung und Ausdauer deutlich leichter sichtbar.
Karpathys Argument ist, dass Menschen ein „Reservoir“ schwieriger, bedeutsamer Probleme benötigen, bevor sie die stärksten Seiten von Spitzenfähigkeiten erleben können.
Deshalb können technische Nutzer dramatische Produktivitätsgewinne berichten, während Gelegenheitsnutzer bei alltäglichem Chat nur bescheidene Verbesserungen sehen.
Der zweite Grund ist das, was Karpathy die Ungleichmäßigkeit von Modellfähigkeiten nennt.
Aktuelle KI-Systeme sind nicht bei jeder Aufgabe gleichmäßig intelligent.
Ihre stärkste Leistung zeigt sich häufig in Bereichen, die:
Programmierung ist ein Paradebeispiel.
Ein System kann Tests ausführen und ein klares Signal erhalten:
Test bestanden = gut
Test fehlgeschlagen = schlecht
Auch Mathematik kann durch formale Beweise, exakte Antworten, Theoremprüfer und andere Formen objektiver Bewertung außergewöhnlich starke Verifikationssignale liefern.
Das macht diese Bereiche besonders geeignet für Reinforcement Learning auf der Grundlage überprüfbarer Belohnungen.
Dagegen sind Aufgaben wie das Schreiben eines berührenden Essays, die Entwicklung einer geschmackvollen Markenidentität oder differenzierter zwischenmenschlicher Rat schwieriger mit einer einzelnen objektiven Belohnungsfunktion zu bewerten.
Das hilft zu erklären, warum Nutzer bei Code spektakuläre Fortschritte beobachten können, während sie in anderen Bereichen deutlich ungleichmäßigere Fortschritte sehen.
Der dritte Grund ist einfach: Nicht alle haben Zugang zu demselben System.
Karpathy beschreibt drei breite Zugriffsstufen:
kostenlose Produkte
→ kostenpflichtige Spitzenprodukte
→ interne Spitzensysteme
Jede Stufe kann Folgendes verändern:
Das bedeutet, dass die öffentliche Debatte darüber, „was KI kann“, teilweise eine Debatte über Zugang ist.
Zwei Nutzer können dieselbe zugrunde liegende Modellfamilie testen und dennoch sehr unterschiedliche Erfahrungen machen, weil der eine eine schlanke Chat-Oberfläche nutzt und der andere einen lang laufenden Agenten mit Werkzeugen, Codeausführung und mehreren parallelen Arbeitsprozessen einsetzt.
Die wichtigste faktische Korrektur am Originalartikel ist, dass Karpathys vier Ebenen keine Bevölkerungsstudie sind.
Er bezeichnet die Zahlen als „Napkin Math“ und nennt keine zugrunde liegende Umfrage.
Eine sorgfältige Interpretation lautet:
| Stufe | Karpathys grobe Schätzung | Wofür sie steht |
|---|---|---|
| Kaum exponiert | ~6 Milliarden | Wenig oder keine eigene LLM-Nutzung |
| Gelegenheitsnutzer | ~1–2 Milliarden | Meist kostenlose Verbraucher-Chatbots und einfache Aufgaben |
| Professionelle Spitzennutzer | ~20 Millionen | Fortgeschrittene Nutzung in Code, Mathematik und verwandter technischer Arbeit |
| Interner Zugang zur Spitze | ~5.000 | Menschen, die nicht öffentliche Laborsysteme nutzen können |
Die Struktur des Trichters ist wichtiger als die exakten Zahlen.
Öffentliche Daten machen einige Ebenen plausibel. Allein ChatGPT erreicht laut OpenAIs DevDay-2026-Rückblick inzwischen 1,2 Milliarden wöchentliche Nutzer. Codex hat mehr als 5 Millionen wöchentliche Nutzer, und GitHub Copilot hat 50 Millionen Nutzer.
Diese Zahlen messen jedoch unterschiedliche Produkte und unterschiedliche Nutzungsdefinitionen. Sie bestätigen Karpathys Werte von 6 Milliarden, 1–2 Milliarden, 20 Millionen und 5.000 nicht eins zu eins.
Karpathys Argument legt nahe, einen einfachen Fehler zu vermeiden: Das gesamte Feld anhand eines einzigen Interaktionsstils zu beurteilen.
Wer KI nur mit kurzen Fragen testet, misst hauptsächlich Chatbot-Verhalten.
Wer agentische Fähigkeiten verstehen möchte, sollte eine Aufgabe verwenden, die genügend Tiefe für Planung, Werkzeuge, Verifikation und Iteration erfordert.
Eine realistischere Bewertung könnte ein System auffordern:
Das bedeutet weiterhin nicht, dass das Modell zuverlässig genug ist, um unbeaufsichtigt zu arbeiten.
Der OpenAI–Hugging-Face-Vorfall erinnert eindringlich daran, dass leistungsfähigere Agenten auch folgenschwerere Fehlermodi schaffen können.
Die praktische Lehre lautet daher nicht: „Vertraue der Spitze.“
Sondern:
Bewerte Spitzensysteme an realistischen Aufgaben und erhöhe Verifikation sowie Schutzmaßnahmen, wenn Fähigkeiten und Autonomie zunehmen.
Es ist ein vierstufiges Denkmodell, das beschreibt, wie unterschiedlich Menschen moderne LLMs erleben. Karpathy schätzt, dass ungefähr 6 Milliarden Menschen sie kaum nutzen, 1–2 Milliarden Gelegenheitsnutzer sind, etwa 20 Millionen Spitzensysteme professionell in Mathematik und Code verwenden und rund 5.000 Personen internen Zugang zur Spitze haben.
Nein. Karpathy bezeichnet sie ausdrücklich als „Napkin Math“ und liefert keine Umfragemethodik. Es sind grobe Schätzungen, die die Form der Zugangs- und Erfahrungslücke veranschaulichen sollen.
Programmierung ist digital, gut überprüfbar und wirtschaftlich wertvoll. Tests, Compiler und Ausführungsergebnisse liefern starke Belohnungssignale, wodurch sich Programmierung besonders gut für Reinforcement Learning und die Bewertung von Agenten eignet.
Nein. Karpathy verwendete den Begriff in seinem Beitrag vom April rhetorisch, um das desorientierende Gefühl zu beschreiben, das manche technische Nutzer angesichts schnell wachsender Fähigkeiten erleben. Er sollte nicht als klinische oder medizinische Diagnose verstanden werden.
OpenAI hat öffentlich einen Vorfall mit einem internen Modell im Zusammenhang mit Hugging Face offengelegt und 722 mathematische Manuskripte veröffentlicht, die von einem nicht veröffentlichten internen Spitzenmodell erzeugt wurden. Diese Beispiele beweisen nicht jede Behauptung über interne Agentenschwärme, zeigen jedoch, dass bedeutende Fähigkeiten über gewöhnlichen Verbraucher-Chat hinaus existieren.
OpenAI meldete im Juni 2026 mehr als 5 Millionen wöchentliche Codex-Nutzer. Das Unternehmen erklärte außerdem, dass etwa 20 % der Codex-Nutzer keine Entwickler seien und das Tool für Wissensarbeit wie Forschung, Tabellenkalkulationen, Dokumente und Analysen einsetzen.
Nein. Leistungsfähigere Modelle und Werkzeuge können das Mögliche erweitern, doch Ergebnisse hängen weiterhin von Aufgabendesign, Kontext, Verifikation, Berechtigungen und Nutzerkompetenz ab. Höhere Autonomie erhöht zudem den Bedarf an Monitoring und Schutzmaßnahmen.
Karpathys neuer vierstufiger Trichter lässt sich am besten als Modell ungleicher Exposition verstehen, nicht als Volkszählung. Die meisten Menschen haben entweder wenig Kontakt mit LLMs oder nutzen sie gelegentlich, während eine deutlich kleinere professionelle Gruppe mit Spitzenagenten an Aufgaben arbeitet, bei denen schnelle Fähigkeitsgewinne leichter sichtbar sind.
An der engsten Stelle sagt Karpathy, dass nur einige Tausend Menschen Zugang zu internen Spitzensystemen haben. Diese exakte Zahl ist nicht verifiziert, doch öffentliche Beispiele wie der OpenAI–Hugging-Face-Vorfall und OpenAIs Veröffentlichung von 722 mathematischen Arbeiten zeigen, warum die Lücke zwischen Verbraucher-KI und internen Forschungssystemen Aufmerksamkeit verdient.
Der Trichter wird durch drei Faktoren angetrieben: Ambition und Umfang der Aufgabe, die ungleichmäßige Verteilung von Modellfähigkeiten über verschiedene Bereiche hinweg sowie den ungleichen Zugang zu kostenlosen, kostenpflichtigen und internen Systemen.
Die eigentliche Trennlinie verläuft nicht einfach zwischen Menschen, die an KI glauben, und Menschen, die es nicht tun – sondern zwischen Menschen, die sehr unterschiedliche Systeme unter sehr unterschiedlichen Bedingungen bewerten.
Starte mit einem Satz und erhalte in wenigen Minuten eine vollständige Website.
