Karpathy beschreibt die LLM-Kluft als „sharp funnel“

Karpathy ersetzt die zwei Lager durch einen scharfen Trichter

Andrej Karpathy hat am Sonntag, 11. Oktober 2026, auf X einen Post vom April aktualisiert. Darin heißt es, die Lücke im gemeinsamen Verständnis von LLM-Fähigkeiten werde größer. Das Bild habe sich verschoben: Statt „two groups of people speaking past each other“, so seine Formulierung aus dem April, sehe er nun einen „sharp funnel“. Mehrere Medien berichten übereinstimmend darüber, zwei davon mit wörtlichen Zitaten.

Neu ist die Rahmung, nicht die Datenlage. Eine neue Grundlage nennt Karpathy nicht. Seine Zahlen bezeichnet er selbst als „napkin math“, also als Überschlagsrechnung. Ob schon der Aprilpost Zahlen enthielt, lässt sich dem vorliegenden Material nicht entnehmen. Eine Quelle nennt den 12. Oktober als Datum. Ob ein Zeitzonen- oder Zählunterschied dahintersteckt, ist ungeklärt. Das Original haben wir nicht an der Primärquelle geprüft.

Von 6 Milliarden ohne Kontakt bis zu 5.000 Insidern

Die unterste Stufe bilden nach Karpathys Schätzung rund 6 Milliarden Menschen. Wörtlich schrieb er: "Napkin math somewhere around 6B people (~75% of the population) have barely come in contact with LLMs at all."

Darüber liegen 1 bis 2 Milliarden Menschen (rund 20 Prozent). Sie nutzen gelegentlich und selten kostenlose Angebote wie ChatGPT. Laut Karpathy sehen sie „derpy chatbots“ und behandeln sie wie eine bessere Suche oder ein Schreibhilfsmittel.

Die dritte Stufe umfasst rund 20 Millionen Menschen (0,2 Prozent). Sie erleben aus erster Hand, dass große, komplexe Projekte, die früher Wochen oder Monate dauerten, per Prompt von Agenten erledigt werden. Die Quellen beschreiben diese Gruppe als Coder und Mathematiker beziehungsweise als professionelle Nutzer in technischer Arbeit. Eine Quelle engt sie auf Entwickler ein.

An der Spitze stehen rund 5.000 Menschen (etwa 0,00006 Prozent) mit internem Zugang zu Frontier-Systemen, typischerweise bei führenden KI-Laboren. Business Insider und hyper.ai berichten zudem, Karpathy habe auf den „OpenAI Hugging Face breach“ verwiesen. Die Zitate liegen nur abgeschnitten vor. Der Zusammenhang bleibt offen.

Drei Faktoren erklären das Gefälle – eine Datengrundlage fehlt

Karpathy führt das Gefälle auf drei Faktoren zurück. Erstens zählen Größe und Zeithorizont der Probleme, die Menschen angehen. Zweitens sind die Fähigkeiten ungleich verteilt, „jagged“ in seinem Wort. Am stärksten zeigen sie sich in verifizierbaren, wirtschaftlich wertvollen Domänen wie Mathematik und Code, weil dort Reinforcement Learning mit verifizierbaren Belohnungen greift. Drittens kommen die Zugangsstufen Free, Paid und Intern hinzu.

Mit den Zahlen sollte man vorsichtig umgehen. Keine der vorliegenden Quellen nennt eine Datengrundlage. Offenbar handelt es sich um eine persönliche Einschätzung. Eine Sekundärquelle nennt für die unterste Stufe 5 statt 6 Milliarden. Das dürfte ein Übertragungsfehler sein, denn 6 Milliarden entsprechen 75 Prozent von etwa 8 Milliarden Menschen. Das Original haben wir nicht eingesehen. Der Post fand Resonanz: Der Hacker-News-Thread kam laut ai-tldr.dev auf 441 Punkte und mehr als 600 Kommentare.

Microsofts Messung zeigt ein anderes, aber ebenfalls wachsendes Gefälle

Eine andere Messgröße liefert Microsofts Global AI Diffusion Report für das zweite Quartal 2026. Demnach nutzten im Juni weltweit 18,8 Prozent der 15- bis 64-Jährigen KI. Im Globalen Norden waren es 28,8 Prozent, im Globalen Süden 16,2 Prozent. Die Lücke wachse weiter.

Gezählt wird, wer im Berichtszeitraum ein generatives KI-Produkt genutzt hat. Grundlage sind aggregierte, anonymisierte Microsoft-Telemetriedaten. Der Bericht misst damit Nutzung, nicht das Verständnis von Fähigkeiten. Karpathys Schätzungen bestätigt oder widerlegt er deshalb nicht.