塔尖层不是“五千个聪明人”，而是一组角色。 公开岗位页能看到研究科学家、研究工程师、训练与推理基础设施、对齐与可解释性、安全与红队、产品与项目管理、政策与运营、外部评估与漏洞赏金等角色。人数不可观测，构成可观测。
“约 5,000”只指能接触实验室内部前沿系统的人，且是卡帕西自述·未独立核实。 它来自 The New Stack 2026-10-12 的转述，原帖未直接核验；不能当统计值、市场规模，也不能和研究岗位口径混算。
四道门是分析框架，不是实测序列。 雇佣或合同、合同与保密、内部账号与算力、公开署名，每道门都有至少一条可观测证据，但没有一道门有公开人员名单。
真正区分内部人的不是工具，是访问。 Claude Code、Cursor Pro、Codex、PyTorch、JAX、Lean 等公开可得；预部署系统、内部训练框架、隔离评估环境、定制接口才需要内部访问。工具栈回答“用什么”，回答不了“多常用”。
“看到”不等于“看懂”。 内部人能看到更早、更原始的系统，但 Anthropic 公开写明没人有持久访问，评估环境与敏感系统隔离，事故记录对外删节；模型访问真实系统是事后审查才发现的，内部人也会漏看。
误判有一个干净样本，但属于专业层。 METR 2025-07-10 的随机对照显示，资深开发者用 AI 后实际更慢，主观却觉得更快；原文称结果不可泛化，不能直接搬到塔尖。
跨层速度比较不成立。 专业层有随机对照，塔尖只有自述；任务粒度与测量方式不同（仓库问题修复 vs 整库重构/过夜实验），只能说工具与任务范围不同，不能说谁更快。
对产品决策的含义：不要按人数立项。 若要试，从安全评估、红队、训练基础设施这类有可观测访问的角色切入，走邀请与合同渠道；用同曝光度工具栈、受限项目署名、同任务实测、访问审批结构四个信号，区分“门槛解释”与“曝光解释”。
术语人话版：塔尖层＝能接触实验室内部前沿系统的人；四道门＝进入这层视野的四类可观测条件；自述级＝当事人或公司自己说的；旁证级＝有官方文档、招聘描述或复盘可回链的。