4月30日，Karpathy 在 Sequoia Ascent 2026 做了一个炉边谈话，标题叫 "Software 3.0"。这个演讲的信息密度相当高，而且说出了几句相当有冲击力的话。
他说，2025 年 12 月是一个 "Agentic 拐点"。
不是模型突然变聪明了，而是默认工作流变了。以前你写代码，是一行一行敲进去。现在你把一个完整任务丢给 Agent，它自己写、自己跑测试、自己修 bug。单位从 "代码行" 变成了 "宏观动作"：“实现这个功能”、“重构这个子系统”、“研究这个库”。
这意味着什么？程序员从代码撰写者变成了 Agent 编排者。
上下文窗口就是新的程序
Karpathy 把这个趋势定义为 Software 3.0
1.0：人类写显式代码 2.0：人类造数据集、目标函数，程序通过权重学习 3.0：人类通过提示词、上下文、工具、示例、记忆和指令来编程 LLM
在这个范式里，Context Window 变成了主要杠杆。你给 Agent 一段指令，Agent 读取本地环境，debug 错误，适配机器，完成设置，整个过程是一个可以在任意环境中运行的"程序"。它不够精确，但足够自适应。
这其实就是"上下文工程"的本质：不是优化 prompt 的措辞，而是设计整个上下文的结构，让 LLM 作为解释器在其上执行计算。
可验证性决定了 AI 落地速度
Karpathy 给了一个核心自动化框架：
- 传统软件自动化："你能描述清楚的东西"
- LLM 和强化学习自动化："你能验证结果的东西"
代码为什么落地最快？因为测试会通过或失败，程序会跑或崩，diff 可以审查，benchmark 可以测量。反馈是自动化的。
这个逻辑反过来也成立：为什么很多创意类任务 AI 表现平庸？因为没有自动化的成功信号。AI 无法知道自己"做得好不好"，除非你人工介入。
所以真正的问题不是"AI 能做什么"，而是"你的场景是否能产生自动化验证信号"。
普通人能怎么用
如果你在用 AI 编程工具：把更大、更完整的任务丢给 Agent，不要停留在单行 prompt 层面。信任度可以更高一点了，2025 年 12 月之后的工具已经比之前可靠得多。
如果你在做 AI 产品：先问自己一个问题，我的任务是否可验证？如果答案是否定的，你可能需要人工反馈循环，或者至少是一套人工评估流程。不要指望模型自己学会"做好"一件没有奖励信号的事。
开发者值得关注的点
模型的能力不是均匀分布的。Karpathy 提出了一个公式：能力跃迁 = 可验证性 × 训练注意力 × 数据覆盖面 × 经济价值。
你的任务场景在模型的哪条轨道上？如果正好在训练密集区，模型表现会远超预期。如果不在，结果可能让人失望。这就是为什么同一个模型在不同任务上表现差异巨大。这不是模型缺陷，是训练信号分布不均的结果。
