一句话定义：LLM 能力认知差（Capability Perception Gap）指大语言模型（LLM）的真实能力边界，与公众、从业者从评测分数、媒体报道和日常试用中形成的印象之间，持续拉开的偏差。
打个比方：评价一个厨师，米其林评分、短视频里的高光片段、你偶然点的一次外卖，是三套信息。评分高不代表他会做你家口味；一次难吃也不代表他只会煮泡面。LLM 也类似。它的能力不是单一分数，而是一张高低不平的地形图：任务类型、上下文长度、提示词（prompt）、是否给工具、是否多轮，都会改变结果。
为什么分数和体感会脱节？第一，评测像标准化考试，考固定题型、看平均分；日常工作像开放厨房，什么菜都可能点。第二，基准测试（benchmark）可能被数据污染或过拟合，分数不等于泛化。第三，产品层包装差异很大：同一个底层模型，配上不同系统提示、AI 词典：检索增强生成">检索增强生成（RAG）、工具调用，体感可以差很远。第四，人有归因偏差：一次惊艳就以为通用智能来了，一次胡说就判死刑。
它和相邻概念不同。它不是 AI 炒作，炒作是外部叙事；也不是幻觉（hallucination），幻觉是模型输出错误。认知差描述的是“真实能力”与“人的印象”之间的映射误差，既有高估，也有低估。高估：以为它全知全能；低估：以为它只是高级文字接龙。
| 维度 | 评测分数 | 日常体感 |
|---|---|---|
| 任务 | 固定、窄 | 开放、宽 |
| 条件 | 尽量可复现 | 受提示、上下文、工具影响 |
| 信号 | 平均而稳定 | 极端而嘈杂 |
对从业者，别只看榜单选型。建自己的小评测集，抽样真实工作流，记录失败模式；把模型当能力不匀的实习生，配检索、工具、校验和人工兜底。对普通人，把 LLM 当“某些事很强、但不稳定”的协作者：重要结论交叉验证，重复性任务大胆试。
避免误判边界的方法：按任务拆开测，固定提示，再换提示；看是否需要外部工具；关注失败边界，而非单次成败。涉及具体能力、版本与限制，以官方页面和实际试用为准。