Det store AI-oppfatningsskillet

Det store AI-oppfatningsskillet

@karpathy kom med en viktig observasjon om det økende gapet i hvordan folk oppfatter AI-kapasiteter [5][6]. Brukere som sitter fast på gratis eller utdaterte modeller sliter fortsatt med hallusinasjoner og grunnleggende feil, mens profesjonelle som bruker betalte verktøy som Codex 5.3 og Claude Code ser genuint nyttig teknisk arbeid.

Han tilskriver denne raske fremgangen til forsterkningslæring med verifiserbare belønninger og bransjens skifte mot B2B-fokus [5]. Når du faktisk kan verifisere om kode fungerer eller om en agent fullførte en oppgave korrekt, blir tilbakemeldingsløkken mye strammere.

Dette forklarer hvorfor AI-diskursen føles så polarisert. Halvparten av samtalen er folk som er frustrerte over ChatGPT 3.5 fra 2023, mens den andre halvparten bygger produksjonssystemer med modeller som faktisk fungerer. Gapet bare øker.

Kinesisk åpen kildekode lukker gapet med GLM 5.1

Zhipu AI har nettopp lansert GLM 5.1 under MIT-lisens, og den topper åpen kildekode-rangeringene samtidig som den matcher lukkede modeller som Claude Opus 4.6 og GPT-5.4 [7][8][9]. Modellen utmerker seg innen koding og agentiske oppgaver, særlig langsiktig arbeid, til omtrent 6x billigere prising enn de store navnene.

@bindureddy kalte den den nye åpen kildekode-lederen og anbefalte den spesielt for kodingsagenter [10][11]. Dette er ikke bare en ny "bra for åpen kildekode"-lansering—den er genuint konkurransedyktig med de beste proprietære modellene.

Implikasjonene er massive. Hvis åpen kildekode kan levere GPT-5.4-nivå ytelse til en brøkdel av kostnaden, er hele prisstrukturen for AI-tjenester i ferd med å bli svært interessant. Vollgraven rundt frontmodeller krymper raskt.

Hva dette betyr for din bedrift

AI-landskapet stratifiseres raskt. Gratis og billige nivåer blir genuint utilstrekkelige for seriøst arbeid, mens premiumverktøyene når genuin nytte. Hvis du fortsatt evaluerer AI basert på gratis ChatGPT, tar du beslutninger med utdatert informasjon. Modellene som betyr noe for forretningsapplikasjoner—koding, agentiske oppgaver, kompleks resonnering—lever bak betalingsmurer nå.

Fremveksten av kapable åpen kildekode-alternativer som GLM 5.1 skaper en tredje vei: distribuer din egen infrastruktur og unngå abonnementstråkket helt. For selskaper som bygger AI-drevne produkter, kan dette bety forskjellen mellom bærekraftig enhetsøkonomi og å blø penger på API-kall.

Skiftet fra generelle modeller til spesialiserte verktøy akselererer. I stedet for å spørre "hvilken AI er best," begynn å spørre "hvilken modell er best for koding, hvilken for tale, hvilken for video." Tiden med AI som passer alle er over, og vinnerne vil være de som orkestrerer de riktige verktøyene for de riktige oppgavene. Hovedpoeng: Slutt å optimalisere for den billigste AI-en og begynn å optimalisere for den mest effektive AI-en for hver spesifikke bruksområde.

Kilder

1. https://www.cnbc.com/2026/04/09/openai-chatgpt-pro-subscription-anthropic-claude-code.html
2. https://techcrunch.com/2026/04/09/chatgpt-pro-plan-100-month-codex
3. https://x.com/sama/status/2042342572958630332
4. https://x.com/bindureddy/status/2042093196948467929
5. https://x.com/karpathy/status/2042334451611693415
6. https://www.threads.com/@carnage4life/post/DW7erkSj944/andrej-karpathy-nails-the-perception-gap-in-ai-capabilities-that-ive-mentioned
7. https://huggingface.co/zai-org/GLM-5.1
8. https://llm-stats.com/models/glm-5.1
9. https://artificialanalysis.ai/models/glm-5-1
10. https://x.com/bindureddy/status/2041566630212403476
11. https://www.reddit.com/r/ClaudeCode/comments/1rf3obx/new_banger_from_andrej_karpathy_about_how_rapidly