夜雨聆风一段视频,把整个AI开发者圈子的周末给搅了。
配文没几行,却让人一读就浑身一紧:
"The biggest mistake in AI right now - people are forcing agents to work instead of mastering the model first
We made that mistake in 2016 at OpenAI - It cost us 5 years"
「当前AI领域最大的错误，大家忙着让agent去干活,却没先花时间吃透底层模型。我们2016年在OpenAI就栽在这上头，足足赔上了5年。」
署名是Andrej Karpathy。OpenAI创始成员之一,Tesla前AI总监,现在的Anthropic工程师。
一条103.9万次浏览、4300多赞、9300多次收藏的帖子,一夜之间让无数正在疯狂堆agent的团队心里咯噔一下。
▲ 2026年7月4日发布的这条帖子,103.9万次查看、4300多赞、9300多次收藏，配图是一段5分多钟的解说视频截帧。
三步拆解,外加一记重锤
视频不长,五分半钟。但发这条视频的人显然怕大家没看懂"精髓",贴心地把"Karpathy真正想表达的"总结成了三步。
第一步:别让agent什么都做,先理解底层模型。
第二步:demo很容易,做成产品要十年。自驾证明了这一点，跳过基础,一切都会崩。
第三步:产品的核心从来是基础模型,agent只是长在上面的枝叶。打好基础,agent自然而然就冒出来了。
三步铺垫完,视频甩出收尾金句,情绪值一下子冲到顶:
"you building agents right now - you're at the forefront. not OpenAI, not DeepMind, you"
「现在在构建agent的你们，你们才站在最前沿。OpenAI没赶上,DeepMind也没赶上,只有你们。」
这句话精准踩中了每一个独立开发者的痒处。大厂没有偷偷领先五年,牌桌是开放的,你现在做的东西可能就是最前沿，谁看了不心动。
评论区瞬间被"破防"和"共鸣"两种情绪塞满。
有人说:"master the model first, great agents are built on strong foundations."(先掌握模型,伟大的agent建立在坚实的基础上。)
有人说:"demos are easy, products take a decade is the line that should be at the top of every agent tutorial."(demo容易,产品要十年，这句话该印在每一份agent教程的开头。)
还有人干脆把它当成路线图:"5 years lost at OpenAI because they skipped the model layer. that's not a cautionary tale, that's a roadmap of what not to do."(OpenAI因为跳过模型层损失了5年，这算不上什么警示故事,更像是一份"不要这么做"的路线图。)
看起来,一位硅谷顶尖工程师亲口给全行业敲了记警钟。
但事情往下查,味道就不对了。
查到这一步,评论区先打起来了
这条帖子的源头,其实是另一位账号@0xCodila更早发出的版本，文字一字不差,配图一模一样,只是流量更大。素材来源的这条帖子,发布者是@manishamishra24,内容基本是转发同一份文案。
两条帖子的评论区,都有人坐不住了。
"Karpathy at Anthropic? He's at Eureka Labs now."(Karpathy现在在Anthropic?他应该还在Eureka Labs吧?)，这条质疑本身就说明,连吃瓜群众都没搞清楚他最新的履历。
"he never worked at DeepMind lol. Someone made up this whole quote huh?"(他从没在DeepMind工作过吧,笑死。该不会是有人整段编的吧?)
最尖锐的一条评论来自一位显然更熟悉Karpathy本人风格的网友:"Karpathy's actual takes are way more nuanced than this but engagement farming doesn't do nuance."(Karpathy真实的观点比这细腻得多,但流量生意不做细腻这一套。)
还有人索性开炮:"when and where was this video recorded?"(这段视频到底是什么时候、在哪儿录的?)
97条回复,没有一条来自Karpathy本人，没转发,没回应,没确认。
一段被剪辑、配了字幕解说的视频,一句听起来无比像"权威背书"的引言,一套精心设计的"三步解读"加一记煽情收尾，这套组合拳,像极了一次教科书级别的"借权威人物之口带节奏"。
但奇怪的是,质疑者自己也说错了
先说一个反转:那条"he never worked at DeepMind"的质疑,其实是错的。
翻开Karpathy自己官网karpathy.ai挂出的履历时间线:2011年在Google Brain实习,2013年又去Google Research做视频监督学习,2015年,他确实在DeepMind的深度强化学习组待过一段实习,合作者是Koray Kavukcuoglu和Vlad Mnih。
▲ 维基百科词条显示:Karpathy 2015-2017在OpenAI(创始成员),2017-2022在Tesla任AI总监,2026年加入Anthropic预训练团队，履历完整可查。
再看"Anthropic工程师"这个身份标签本身。维基百科和CNBC的报道都证实,Karpathy确实在2026年5月正式加入Anthropic,负责用Claude加速预训练研究。这条视频2026年7月在网上流传时说他是"Anthropic Engineer",时间线上是站得住的。
也就是说:这条疯传的语录,署名的人是真的,身份标签基本没错,但那句话到底出没出自他本人之口、在哪儿说的、什么语境下说的，查无实据。
这正是这类"病毒式转述"最狡猾的地方:七分真实的背景资料,包裹着一句真假难辨的核心引言,足以骗过大部分只扫一眼配文就转发的人。
但2016年那件事,是真的
如果只纠结"这条quote到底出自谁手",这篇文章写到这儿就该收尾了。可故事没那么简单，"2016年犯下大错"这个说法背后,真有一段扎扎实实的历史。
2016年,OpenAI发布了一个叫Universe的平台,核心项目叫World of Bits:让AI agent通过屏幕像素、网页DOM结构、键盘鼠标操作,去完成订机票、填表单、查地图这些日常网页任务。
论文2017年发在ICML上,作者里就有Karpathy。
▲《World of Bits: An Open-Domain Platform for Web-Based Agents》,ICML 2017论文页,作者:Tianlin Shi、Andrej Karpathy、Linxi Fan、Jonathan Hernandez、Percy Liang。
论文摘要写得四平八稳,但结果不算好看:在简化版基准MiniWoB上,用行为克隆加强化学习训练出来的agent,成功率大约是人类水平的35%;放到真实网站的复杂任务里,成绩掉到人类水平的16%到30%。失败原因五花八门，偏离训练时的示范分布、缓存没命中、点错了页面元素。
说白了:那时候的agent,连订张机票都磕磕绊绊。
原因不难理解。2016年那会儿,规模化的大语言模型还没出现,唯一能用的工具只有强化学习这把"锤子"。语义理解跟不上,规划能力也跟不上,靠反复试错去学操作网页，这条路走不通,后来行业整体转向了语言模型加scaling的路线。这一转,确实花掉了好几年时间。
所以"2016年犯了个错,代价是好几年"这个内核,站得住脚。只是"5年"这个精确数字、"最大的错误"这种斩钉截铁的表述,更像是发布者事后总结出的戏剧化包装,未必是Karpathy亲口给出的量化结论。
他本人最近怎么说?完全是另一种语气
想知道Karpathy自己到底怎么看agent,不用猜,不用等他辟谣，他今年2月就自己发过一条长贴,内容和这条"最大错误"语录的调门完全不一样。
▲ Karpathy本人认证账号@karpathy 2026年2月25日发布,514.9万次浏览,1.6K评论，这是他自己写的,没有经过任何人转述。
他说,过去两个月编程被AI改变的程度,很难用语言描述，不像是渐进式的推进,更像是从去年12月开始的一次断层式跃迁。"coding agents didn't work before December, work since"(编码agent在12月之前基本不能用,之后基本能用了)。
他举了个自己的例子:周末在家给摄像头搭建本地视频分析仪表盘,他只写了一段自然语言指令,把DGX Spark的IP、账号密码、要跑的模型都告诉agent,然后扔下不管,跑了30分钟。agent自己联网查资料、遇到问题自己解决、写代码测试调试、配好服务、最后交回一份markdown报告。"I didn't touch anything."(我什么都没碰。)
这在三个月前还是一个完整的周末项目。
但他紧接着话锋一转,补了一句很关键的话:"It's not perfect, it needs high-level direction, judgement, taste, oversight, iteration and hints and ideas."(它并不完美,仍然需要人来提供高层方向、判断、品味、监督、迭代和提示。)
发现了吗?
同样一个人,同一个话题,真实观点是"agent已经能扛住30分钟自主任务,这事非常震撼,但还是离不开人的判断和监督";疯传视频里的版本,却被简化成了一句斩钉截铁的"强迫agent工作是最大的错误"。前者是一个正在一线摸爬滚打的研究者的复杂体会,后者是一句适合截屏配文、方便转发点赞的口号。
2026年了,基础模型的天花板还在
就算不纠结这句话到底出没出自Karpathy之口,它背后那个道理,在2026年的今天依然成立，现实每天都在验证这一点。
视频疯传的同一时期,行业里正好摆着一个活生生的例子:某新发布的科学任务基准测试显示,即便是当下最强的模型,在真实科研任务上端到端的通过率也只有28.7%。研究者把这个现象叫做"notice-act gap"，模型能注意到哪里不对劲,却不一定能正确地采取行动去修正。
▲ 财经媒体BigGo在2026年7月5日的报道里,把这条语录和同期的AI4S(AI for Science)进展摆在了一起讨论。
翻译过来就是:模型知道自己错了,但改不对。
这恰恰印证了那句被转述的话背后的逻辑，基础模型本身还有明显的能力天花板,天花板补上之前,靠堆agent、堆orchestration去掩盖,只会让问题更难排查,却解决不了根本问题。
自动驾驶就是最好的镜子。Karpathy在Tesla那些年亲眼见证过:demo视频一个比一个惊艳,但从"能演示"到"能量产上路",中间隔着整整十年的边缘案例、数据积累和安全闭环。今天的agent赛道,正在重走这条路，一个漂亮的自动订票或代码重构demo很容易做出来,真正扛得住生产环境里的歧义指令、网站改版、工具失效、成本失控,才是十年的活。
写在最后
这条疯传的"Karpathy语录",大概率是一次精心设计的"借权威之口带节奏"，一手来源缺失,措辞戏剧化,评论区连质疑的人都没搞对基本事实。
但如果因此把这套道理全盘否定,同样是一种偷懒。
2016年OpenAI在World of Bits上真的摔过跟头,这是白纸黑字的论文;2026年的科学agent基准,依然卡在不到三成的通过率上,这是刚刚发生的现实。demo和产品之间那道十年的沟,自动驾驶已经替所有人蹚过一遍。
这段话可以是编的,但历史的教训是真的:先搞懂模型的脾气,再决定要不要把它放出去自己干活。
至于视频里那句最煽情的收尾，"现在在构建agent的你们,才是最前沿"，不管这话是谁说的,倒也不必全当空话。2026年的agent领域,确实还没有哪个大实验室能宣称自己已经在某条具体路线上偷偷领先了五年。牌桌,还摊在桌面上。
