Separately 本身是一个常见的英文连接词，意为“另外/单独来看”，在 AI 领域的讨论中经常出现在博主转述和评论的语境里，用来引出与主话题并列的补充观察。近期它在中文 AI 社区的曝光度上升，主要源于 Andrej Karpathy 关于 AI 能力认知分裂的讨论被多家中文科技博主分别转述，相关帖子以“Separately”等表述引出补充观点，形成了二次传播。这一讨论的核心是：不同人群对大模型能力的理解正在拉开差距。
Separately 相关的 AI 认知分层讨论
Andrej Karpathy 近期提出，人们对 AI 能力的认知正在分裂成四个层级，且这种差距正在演变成一个“漏斗”。Andrej Karpathy 认为：人们对 AI 能力的认知，正在分裂成四个层级 的转述中给出大致数量级：约 60 亿人（约 75%）几乎没有接触过 LLM。
约 10 亿到 20 亿人属于第二层级，他们偶尔使用免费版 ChatGPT 查东西、做简单任务，对模型的印象停留在“能用的搜索替代品”。Andrej Karpathy 说，人们对 AI 能力的理解差距在扩大 指出，越往内层的人看到的模型能力越不可思议，而外层用户基本意识不到这种差距的存在。
Separately，模型侧的进展也在拉大这种感知落差。小米 MiMo 团队正式发布并开源 MiMo-V2.6 系列，包含 Pro 和 Flash 两个原生多模态模型，Pro 版在第三方评测机构 Artificial Analysis 的综合智能指数上拿到 46 分。小米正式发布并开源 MiMo-V2.6 系列 还提到，团队此前公开的 RL 在线实时面板显示，按计算量计这可能是开源团队迄今最大的单次 RL 训练。
当前焦点与观察点
当前讨论的焦点在于“认知差距”而非模型本身：前沿用户已经在用模型完成复杂的多步任务，而大多数人尚未形成基本的使用习惯，这使得对 AI 的公众讨论常常各说各话。Karpathy 的分层框架被广泛引用，正是因为它给这种割裂提供了一个可量化的描述。
值得观察的几点：一是漏斗是否有收敛的可能，产品形态（如免费入口、多模态交互）能否把外层用户向内推送；二是开源模型（如 MiMo-V2.6）在中低端设备上的普及速度，会直接影响第二、三层级的人数分布；三是评测分数（如 Artificial Analysis 的 46 分）与普通用户的实际体验之间，是否也会形成新的认知落差。Separately 来看，这些观察都指向同一个问题：AI 能力的增长速度，可能持续快于大众认知的更新速度。