引言
AI 世界内部正在出现一道奇怪的鸿沟。
一边是，大多数人仍然把 AI 当作一个简单的聊天框来体验。他们提一个问题，得到一个答案，也许上传一份文档，偶尔用它来写作、搜索或获取快速解释。这当然有用，但它很少让人觉得这是一种足以重塑行业的技术。
另一边则是一个规模小得多的群体：开发者、研究人员、创业者和企业用户。他们正在使用能力强得多的系统：更强的模型、更长的上下文窗口、代理模式、连接的数据、内部工具、私有工作流，以及昂贵的推理预算。对他们来说，AI 已经不再只是聊天机器人，而正在变成一个可工作的系统。
这正是原文所讨论争议背后的核心观点：公众看到的是 AI 玩具，而一小部分人也许已经在使用更接近全栈式 AI 劳动力的东西。
来源说明
原文包含来自 X、Reddit 和研究页面的截图。与内容高度相关的截图已在上下文中保留。装饰性 logo、宣传图片、二维码风格素材以及重复的品牌横条未被纳入。原文中部有两张图片在抓取时超时，因此未被插入：
“Fable 5”“GPT-5.6”“Opus 4.8”和“Sonnet 5”这些模型名称被保留，因为它们出现在原文讨论中。公开的官方产品页面未必会以完全相同的方式记录每一个确切的版本名称。
Fable 5 和 GPT-5.6：公众用户与 AI 精英之间的鸿沟
这场讨论始于 Sam Altman 在 X 上发布的一则帖子。他用一种轻松、个人化的语气，把孩子早期语言发展的里程碑，与 GPT-5.6 发现新数学的设想作了比较。
这则帖子很快就在网上遭到逐条剖析。有些人把它看作一个温馨的家庭时刻。另一些人则从中看到了别的东西：它提醒人们，最好的 AI 系统也许已经不再被所有人平等地体验。
这正是“AI 折叠世界”这一概念出现的地方。这个说法描述的是这样一个世界：人们在技术上生活在同一个 AI 时代，但他们实际拥有的访问权限却完全不同。一小部分人可能正在使用像 Fable 这样的前沿模型，或即将到来的 GPT-5.6 级系统，而更广泛的公众主要接触的则是更轻量的模型、免费的聊天机器人层级，或消费级产品中的基础助手。
原文引用的一张图表非常鲜明地呈现了这种分裂：世界上大多数人从未使用过 AI，较小一部分人在使用免费聊天机器人，而只有极少数人为高级 AI 服务付费。
这不仅仅是一个定价问题。它改变了人们理解整场 AI 浪潮的方式。
如果你身处科技行业之外，而你对 AI 的唯一体验只是一个免费聊天机器人，它有时会给出浅显或错误的回答，那么关于 AI 将取代工作的说法听起来可能会被觉得夸大其词。你可能会想不通，为什么企业要在这些模型上投入数千亿美元，而在你看来，它们在普通任务上仍然会失败。
但如果你属于那个小圈子，正在使用具备长上下文、私有数据、智能体、工作流自动化和高推理预算的前沿工具，那么看到的图景就完全不同。AI 看起来不再像一种新奇玩意，而像是一种杠杆。
源文将 Peter Gostev 描述为 LMArena 周边的核心人物之一，而这张截图直接抓住了这一点。其核心论点是，真正接触到最高端模型的用户可能只占极小一部分，而其他所有人接触到的只是弱得多的 AI 版本，比如免费版 ChatGPT、AI Overviews、Meta AI，或基础的 Copilot 类产品。
对普通用户来说，这意味着 AI 显得被过度炒作。对少数高阶用户来说，它可能已经像是一种不公平的优势。
如今的 AI 仍然让普通人觉得太遥远
接着，文章从模型能力转向日常生活。为什么这么多人仍然觉得 AI 没什么用？
其中一个例子来自 AI 评论者 Kol Tregaskes，他把自己的兄弟描述为一个典型的非科技用户。他的兄弟偶尔会使用免费版 ChatGPT，也拥有一部带有基础 Apple Intelligence 功能的 iPhone。这基本上就是他全部的 AI 体验。
他对 Claude 并不了解，也不知道 Fable 是什么。他不会从智能体、检索、上下文窗口、工具使用或工作流自动化这些角度去思考。更重要的是，他大概率不会为 AI 订阅付费，就像很多人也从不会觉得搜索需要付费一样。
这种差异之所以重要，是因为这两类人并不只是分别在使用同一种东西的“更好”版本和“更差”版本。它们是
使用不同的产品类别。
对于免费用户来说，AI 往往就是一个聊天机器人。它可以回答问题、改写文本、总结文档，并帮助处理一些小任务。仅这一点，对很多人来说就已经很有用了。
对于高级用户来说，AI 则变成了一套工作系统。它可以连接内部数据、记住项目上下文、跨文件操作、自动化重复性任务、协助管理私有知识库，并支持更复杂的决策。
原文中还通过一张可视化对比图展示了这种差距：免费用户获得的是通用型聊天机器人，而付费的精英级或企业级用户获得的是智能体、长上下文、连接数据、隐私控制、自动化、私有知识和专用工作流。
这也有助于解释，为什么围绕 AI 的公众讨论常常显得混乱。科技公司展示的演示中，AI 会策划豪华婚礼、构建完整应用程序，或执行复杂研究。但很多人并不需要这些。他们需要的是有人帮忙处理账单、表格、购物清单、电子邮件、预约、续费、保险文件、家庭事务安排，以及重复性的行政工作。
一个真正对日常生活有用的 AI 助手，应该了解用户的预算、习惯、家庭偏好、过敏情况、本地商店、日历、文档和各种限制条件。它不应该只是坐在聊天框里回答问题，而应该悄无声息地帮助做决定、比较选项、准备清单、在成本过高时发出提醒，并自动化重复任务。
这正是缺失的那一层。只要主流 AI 仍被困在通用聊天界面里，很多用户看到的就仍然只是演示，而不是真正能改变他们一周生活节奏的产品。
每天花费 1,000 美元的 AI 工作流是什么样的？
最能清楚体现这种差距的例子，就是成本。
原文中，一位 Reddit 用户表示，他们一天就在 Fable inference 上花了 1,000 美元。他还提到，即使是在一家大公司内部，也只有少数人有这种自由，可以在模型使用上花这么多钱。
这个数字让获取门槛的问题变得一目了然。如果认真使用前沿模型一天的成本就能相当于一台笔记本电脑，那么“最好的 AI”显然还不是一种面向大众市场的体验。
原文还提到，一些工程师在访问受限之前，对 Fable 的能力印象极为深刻。据称，有位工程师曾将其用于一个复杂的 ReBAC 授权系统，并认为它在很短时间内完成的工作，如果手动制作原型，原本需要数周时间。
这些说法是否每一条都应该按字面意思理解，是另一回事。但其中的模式很重要：高级用户评判 AI 的标准，已经不再是它是否能够
写一封礼貌的电子邮件。他们正在测试它是否能像一位资深技术协作者那样行动。
另一条 Reddit 评论提供了一个更为平衡的观点。该用户表示，他们喜欢 Codex 风格的工具，目前也依赖其他工作流程，但仍然看到 Fable 有时似乎能解决异常困难的问题。问题不只在于能力，还在于其成本对于日常工作来说是否合理。
接着，原文强调了一种更高级的行为：顶尖用户不一定依赖单一模型，而是在构建多模型工作流，让不同模型承担不同角色。
| 工作流层级 | 原文提到的模型 | 在工作流中的角色 |
|---|---|---|
| 创意与需求层 | ChatGPT 5.5 | 像产品经理一样，帮助进行头脑风暴、构思整理和详细提示词撰写。 |
| 架构与规划层 | Fable | 像系统架构师一样，设计高层结构、步骤和逻辑校验。 |
| 重度执行层 | Opus 4.8 | 像资深开发者一样，处理从中等到高难度的实现任务。 |
| 收尾与审查层 | Sonnet 5 | 处理重复性编码、清理和最终审查工作。 |
在这种工作流中，最强的模型并不总是用来编写每一行代码。相反，它负责规划、架构、推理和验证。随后，由更便宜或更稳定的模型完成大部分执行工作。
这已经更接近一个软件团队，而不是一次聊天机器人会话。
原文还引用了另一位开发者的评论，认为许多人在网上低估了 AI，是因为他们没有见过它被用于严肃的技术工作流。重点并不在于 AI 每次都能写出完美代码，而在于对于那些知道如何引导它、并为它提供正确上下文的人来说，它可以极大地加速专业工作。
这正是分野开始变得实际的地方。一个人在用 AI 获取快速答案，另一个人则把 AI 当作一组经过协调的专业工作人员来使用。
几分钟搭建展示站并增长获客
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
医疗领域中的隐性门槛与个人风险
这篇文章还将这种获取差距延伸到了编程之外。医疗就是一个更敏感的例子。
对于医疗问题来说，较弱答案与较强答案之间的差异可能非常重要。原文认为，存在严重健康顾虑的人可能会从更好的 AI 使用权限中受益，但最有可能需要帮助的群体，往往也是最不可能使用或付费使用先进系统的人。
文中还引用了一张关于将 ChatGPT 作为医学学习者和临床医生诊断工具的研究截图。
被引用的这项 PLOS ONE 研究发现，在所测试的诊断挑战案例集中，ChatGPT 正确回答了 49% 的病例，论文中还报告了更广泛的诊断指标。
这并不意味着人们应该在健康教育方面完全避免使用 AI。但这确实意味着，免费的通用聊天机器人不应被当作医生。在健康、金融、法律合同、保险和私人工作文档等高风险领域，模型质量只是问题的一部分。
其他问题同样重要：
- 系统是否拥有足够的上下文？
- 数据是否私密且安全？
- 回答能否对照可靠来源进行核查？
- 用户是否知道何时该停止并向人类专业人士求助？
- AI 是否已被整合进真实工作流中，还是只是在提供泛泛的建议？
对于拥有企业级工具、内部知识库、安全数据访问和付费模型的人来说，AI 可以基于更丰富的上下文运行。对于免费用户来说，体验往往较浅且泛化。
这又造成了另一种形式的不平等：不仅是谁拥有 AI，而是谁拥有能够安全接触有价值的个人或专业信息的 AI。
反方观点：每一份工作真的都需要 Fable 吗？
原文并不只呈现单一立场，也包含了反对意见。
一个反驳观点很简单：大多数普通工作并不需要强大到能够“发现新数学”的模型。许多商业任务并不属于前沿模型意义上的高智力难题。它们更依赖上下文。
换句话说，问题往往不在于 AI 太弱，而在于没有给 AI 提供正确的数据、文档、API、示例、业务规则、历史信息或工作流位置。
对于许多办公室工作者而言，一个强但价格可负担的模型可能已经足够。通常缺失的是：
- 清晰的任务指令；
- 足够的背景上下文；
- 对正确文件和系统的访问权限；
- 可重复的工作流程；
- 审查与验证；
- 隐私和权限控制。
这是一个重要的纠偏。如果用户向模型提出一个模糊的问题，却不给它任何有用的上下文，那么即便是昂贵的前沿模型，也可能给出平庸的答案。一个更便宜的模型，如果拥有良好的上下文和精心设计的工作流，往往可以胜过一个被草率使用的更强模型。
所以，真正的问题不只是“谁拥有最好的模型？”也是“谁围绕模型构建了最好的系统？”
这个系统包括数据、工具、权限、自动化、提示词、评估和人工审核。
在一个被 AI 折叠的未来里，你站在哪一边？
原文最后以一个更大的
警告：对不同层级 AI 的访问权，可能会成为一种新的不平等形式。
这种分化未必会以一夜之间、戏剧性爆发的方式到来。它可能会悄然发生。一部分人继续使用免费的聊天机器人，觉得 AI 被过度炒作了。另一部分人则把智能体系统融入工作，把原本需要一周完成的任务压缩到几小时内，并不断累积生产力提升。
危险在于，这两类人都在谈论“AI”，但他们谈的已经不再是同一种东西。
对公众而言，AI 可能看起来只是一个偶尔有用但仍会犯错的助手。对精英用户而言，AI 可能已经像一支数字协作团队。对企业而言，它可能会成为嵌入内部运营的一层基础能力。对于医疗、金融和法律工作流程来说，这种差距可能更具影响，因为质量、隐私和上下文都至关重要。
这才是“AI 折叠”世界的真正含义。技术并不只是变得更聪明了，它还变得分布不均。
结论并不是每个人都需要最昂贵的模型。更有价值的启示是：模型能力、工作流集成、上下文和访问权正变得不可分割。一个放在通用聊天框里的弱模型，和一个嵌入完整工作系统中的前沿模型，并不是同一种产品。
常见问题
“AI 访问鸿沟”是什么意思？
AI 访问鸿沟指的是：大多数用户可获得的基础 AI 工具，与少数付费用户、技术用户或企业用户所使用的高级 AI 系统之间的差异。这种差距包括模型质量、上下文长度、数据访问、智能体功能、隐私控制和推理预算。
Fable 5 和 GPT-5.6 是官方公开产品吗？
原始来源将 Fable 5 和 GPT-5.6 作为更广泛的在线讨论的一部分，用来讨论前沿 AI 的访问问题。此改写保留了这些名称，因为它们出现在原文中，但读者应查阅官方提供方页面，以确认当前的公开可用性和准确的模型命名。
为什么免费的 AI 工具常常感觉没那么好用？
免费工具通常会针对广泛可用性、安全性、成本控制和通用任务进行优化。它们可能使用较弱的模型、较低的限制、更少的上下文、更少的集成能力，也无法访问私有工作数据。这使它们在简单任务上很有用，但作为完整工作系统时效果较弱。
普通工作者真的需要前沿 AI 模型吗？
不一定。许多工作任务相比“智能密集型”，更偏向“上下文密集型”。一个能力尚可、但接入了正确文档、工作流和审核流程的模型，往往会比一个缺乏足够上下文的更强模型更有用。
为什么 AI 智能体在这场讨论中如此重要？
智能体让 AI 从“回答问题”转向“完成工作”。它们可以规划步骤、使用工具、处理文件、与数据交互，并执行可重复的任务。这就是为什么智能体访问权会带来与简单聊天机器人截然不同的体验。
用 AI 回答医疗问题安全吗？
AI 可以帮助解释医疗信息、为医生问诊准备问题，或总结一般性概念。但它不应取代专业诊断或治疗。原文引用的 PLOS ONE 论文表明，诊断准确性可能存在局限，因此
高风险的健康决策应由具备资质的临床医生参与。
弥合 AI 使用鸿沟的最佳方式是什么？
降低模型成本会有所帮助，但定价只是解决方案的一部分。还需要更好的产品设计、更安全的数据集成、用户教育、隐私控制以及工作流模板。对大多数用户来说，目标不只是一个更聪明的模型，而是能够真正适配日常工作的 AI。
相关工具
- ChatGPT：OpenAI 面向消费者的 AI 助手，可用于写作、研究、编程辅助、分析和日常任务。
- Claude：Anthropic 的 AI 助手，常用于写作、推理、编程和长上下文任务。
- Microsoft Copilot：微软的 AI 助手，用于通用搜索、生产力提升、写作以及与微软工作流的集成。
- Microsoft 365 Copilot：微软面向 Microsoft 365 环境内用户、以工作场景为重点的 Copilot 体验。
- Apple Intelligence：苹果内置于受支持的 iPhone、iPad 和 Mac 体验中的个人智能系统。
- Arena：公开的模型对比与排行榜平台，前称 LMArena。
相关链接
- Original BAAI Hub Article：作为本英文改写基础的中文原文。
- OpenAI：OpenAI 官方网站，提供产品、研究和模型更新信息。
- Anthropic：Anthropic 官方网站，提供与 Claude 相关的公告和 AI 安全研究。
- Microsoft Copilot：微软 Copilot 的官方入口，用于消费级 AI 助理服务。
- Apple Intelligence Support：苹果的支持页面，说明 Apple Intelligence 的可用性和设置方法。
- Arena GitHub Organization：Arena/LMArena 相关项目的官方 GitHub 组织。
- PLOS ONE: Evaluation of ChatGPT as a Diagnostic Tool：源文医疗部分引用的研究论文。
- PubMed Record for the Diagnostic Evaluation Paper：同一医学评估研究在 PubMed 上的条目。
摘要
本文解释了围绕 AI 分层的争论：大多数人仍然将 AI 体验为免费或低成本的聊天机器人，而规模小得多的一群人则在使用前沿模型、智能体、私有数据以及高成本推理工作流。
关键问题不仅在于模型智能。可访问性、上下文、工作流设计、隐私、数据集成和成本都会共同决定 AI 实际上能为用户做什么。
对很多人来说，答案并不只是“为最强模型付费”。一个设计良好且具备足够上下文的工作流，可能比单纯的模型能力更重要。但随着前沿系统变得更强大、也更昂贵，基础 AI 与精英 AI 之间的差距将越来越难以忽视。
AI 并不是正在变得无用，而是正在变得分配不均。
