Capability Overhang（能力悬垂）
定义
Capability Overhang 是 Ian Silber 在 OpenAI 设计访谈中描述的产品现象：许多用户只使用模型可提供能力的一小部分。它支持“默认体验保持极简、把 cutting edge 分层暴露”的设计讨论，但访谈没有给出跨产品的使用率测量，因此不能把它写成普遍分布规律。
证据身份
本页现有两类独立来源：Ian Silber 从产品设计角度描述“模型能力远大于典型用户使用”，Ethan Mollick 从个人与工作采用角度描述“现有模型能力远未被实际工作吸收”。二者支持同一结构性落差，但都没有给出跨产品、跨行业的统一使用率测量。
核心命题
模型能力 >> 典型用户使用
→ 把 cutting edge 暴露给 100% 用户会 overwhelm
→ 把 cutting edge 藏起来又会浪费 overhang
→ 解决：分层默认体验
- 默认 = 极简、streamlined、任何人都能用
- cutting edge = 桌面 app / Codex / ChatGPT Work（给高级用户）
- 终极目标：distill 到主体验，让用户"don't have to think about a switch or a mode"
Ian 的原话
"We believe in this idea of this is sort of capability overhang where the product, vast majority of the people are getting a sliver of the true value that they could out of the model. That's not necessarily a bad thing. They're still getting tons of value."
"We focus on creating an extremely simple, streamlined experience for many, many people. And then we put all of the cutting edge stuff... we also make sure to give that and make sure that's really accessible for the people that care."
"Eventually... things will truly become for billions of users when they don't have to think about a switch or a mode or anything like that."
跨域同构
- Excel / AutoCAD / iPhone —— 本库用于帮助理解“能力与使用之间的落差”的类比，不是本页来源提供的统一测量
- Vibe-Coding 中的 vibe coder —— 可作待验证的结构类比，不等于已测得相同的能力/使用分布（Vibe-Coding）
与 Broad Spectrum User 的关系
Capability overhang 是 broad spectrum user 现象的结构原因：
Capability overhang（能力远大于使用）
+ Broad spectrum user（用户能力分布广）
→ ChatGPT 同时服务"问疹子"和"建 Salesforce"两类用户
设计推论
- 极简默认：与 Just-Do-Less 直接关联——overhang 越大，越要克制
- Adaptive interface：根据用户上下文（novice / power user）给不同 affordances
- Layered exposure：desktop app / Codex / ChatGPT Work 是 cutting edge 入口
- Distill 方向：overhang 最终要被 distill 到主体验，不留 mode 切换
从产品 overhang 到工作 overhang
Ethan Mollick 把 capability overhang 从界面暴露问题扩展到工作系统：模型可能已经拥有可用能力，但个人和组织缺少领域知识、跨域知识、品味或主动探索，因此潜在能力没有转化为实际生产力。
判断：Capability Overhang 可以分成两个相关但不同的层次：产品 overhang 是能力没有被界面/工作流承载，采用 overhang 是能力已经可达但没有被人的知识与组织实践吸收。前者主要是产品设计债务，后者更接近组织学习债务。
- 证据：20260918-oneusefulthing-the-overhang；Mollick 以 Zork 3D、Eco library reconstruction 与 Blender/video 制作为案例，并明确提出 deep knowledge、wide knowledge、taste、agency 是把当前能力转成结果的四种杠杆。
- 边界：这些是作者主动探索得到的展示性案例，没有随机任务样本或典型用户采用率；因此支持 overhang 的存在与机制，不量化其总体规模。
前提与局限性
- 前提：产品确实 capability overhang（如果模型/工具只解决具体问题，overhang 概念不适用）
- 前提：用户分层（如果全是 power user，overhang 概念不需要）
- Ian 的限制：capability overhang 是 OpenAI/ChatGPT 特有现象，不一定适用于其他 AI 产品（如 Notion、Cursor 用户分层较窄）
- 演化问题：当 capability 被 distill 后，overhang 转化为 "默认体验的丰富度"——但 distill 需要时间
反例
- 窄用户产品：Notion、Cursor、Figma 主要服务一类用户，overhang 不是关键设计挑战
- early-stage 产品：capability 不足，没有 overhang 问题
- B2B 嵌入式产品：用户被 role 限定，不需要面对 broad spectrum
关键数据点
- Ian Silber 2026-08 Lenny 访谈原文："vast majority of the people are getting a sliver of the true value"
- 同构现象历史案例：Excel 95% 用户只用 5% 功能、AutoCAD 多数项目只用基础建模、iPhone 早期能力给开发者后期 distill 给大众
- OpenAI 应对策略：ChatGPT 主体验极简、Codex + ChatGPT Work + Desktop app 给 cutting edge 用户
- 终极目标："things will truly become for billions of users when they don't have to think about a switch or a mode"
关联概念
- Ian-Silber — Capability Overhang 的提出者
- Just-Do-Less — Overhang 越大越要克制
- OpenAI-Design-Team — 团队层面处理 overhang 的实践
- Systems-Thinking — Layered exposure 是 systems thinking 在 UI 层的应用
- Vibe-Coding — vibe coder 用 5% 框架完成 80% 工作也是 overhang 现象
- AI-Adoption-Barbell — Adoption 上 5-10% power users / 70% 几乎不用 与 capability overhang 同源