19 мая 2026 года в мире искусственного интеллекта произошло событие, которое на первый взгляд кажется стандартной кадровой перестановкой на уровне «топ-инженер перешел в топ-лабораторию». Андрей Карпати (Andrej Karpathy) официально объявил в своем X (Twitter), что присоединяется к команде Anthropic.
Для тех, кто не следит за индустрией пристально: Карпати — это настоящий «GOAT» (Greatest Of All Time) современного ИИ. Он стоял у истоков OpenAI в 2015 году, пять лет возглавлял подразделение ИИ и компьютерного зрения в Tesla, затем ненадолго вернулся в OpenAI, снова ушел, основал образовательную компанию Eureka Labs и подарил миру термин «вайб-кодинг» (vibe coding).
Очевидно, что за такого специалиста боролись абсолютно все крупные ИИ-лаборатории. Но почему он выбрал именно Anthropic и почему именно сейчас? Если внимательно посмотреть на то, что Карпати создавал и о чем говорил последние месяцы, и сопоставить это с продуктовой линейкой Anthropic (в частности, с Claude и Claude Code), становится ясно: их траектории уже давно двигались в одну точку.
В этой статье мы разберем паттерн, который многие упускают из виду: почему «обертка» вокруг модели становится важнее самой модели, как ваши данные превращаются в главный защитный ров (moat) бизнеса и куда движется экосистема ИИ.
Контекст: Мощный импульс Anthropic
Прежде чем перейти к философии Карпати, важно зафиксировать текущее положение дел. Anthropic сейчас несется вперед на бешеной скорости:
- Доминирование среди разработчиков: Claude Code и сам интерфейс Claude стали основными инструментами, к которым тянутся авторы ИИ-агентов, программисты и специалисты интеллектуального труда.
- Бизнес-адаптация: Недавний индекс компании Ramp (отслеживающий корпоративные расходы) показал, что Anthropic впервые обошел OpenAI по внедрению в бизнес-сегменте среди их клиентов (34.4% против 32.3%). Да, это выборка одной платформы, но это мощнейший сигнал смены тренда.
- Сервисная экосистема: Буквально в этом месяце Anthropic объявила о создании совместного предприятия с гигантами Blackstone, Hellman & Friedman и Goldman Sachs. Цель — помогать среднему бизнесу внедрять Claude в их ключевые операционные процессы.
Anthropic больше не говорит: «Вот вам модель, удачи». Они строят интерфейс продукта, партнерскую сеть и сервисный слой. Они внедряют Claude в реальные рабочие процессы, где бизнес зарабатывает деньги, экономит время и масштабируется без раздувания штата.
Модель — больше не уникальное преимущество. Главное — «Обертка»
В ИИ-сообществе до сих пор принято спорить о бенчмарках и лидербордах: лучше ли GPT-5.5, чем Opus 4.7, или как себя показывает Gemini. Безусловно, базовая модель важна. Но чем дольше мы используем эти инструменты, тем очевиднее становится факт: модель — это лишь один небольшой слой продукта.
То, что радикально меняет ваш ежедневный пользовательский опыт — это «обертка» (wrapper) вокруг модели. Именно поэтому два человека, используя одну и ту же модель, получают диаметрально противоположные результаты: у одного — гениальный код, у другого — бесполезный «галлюциногенный» бред.
Под «оберткой» мы понимаем всю среду, в которой живет и работает модель:
- Инструменты интеграции (Claude Code, MCP-коннекторы)
- Субагенты, навыки (skills) и хуки
- Контекст, память, базы знаний, файлы проекта (например,
claude.md).
Здесь философия Карпати идеально совпадает с вектором Anthropic. Именно Андрей ввел термин «контекст-инженерия» (context engineering) вместо «промпт-инженерии». Суть в том, что навык будущего — это не написание идеального текстового запроса, а проектирование правильной среды, структуры папок и документов, чтобы модель могла работать стабильно, помнить контекст и быть полезной в долгосрочной перспективе.
Пример: Если вы открываете пустое окно чата и просите Claude помочь с бизнесом, он ничего о вас не знает. Модели «беспристрастны» и по умолчанию не имеют памяти (stateless). Ему приходится гадать. Но если у Claude есть доступ к вашим файлам, примерам кода, гайдлайнам и критериям успешного выполнения задачи — игра меняется полностью.
Публичные проекты Карпати как дорожная карта Anthropic
Последние публичные эксперименты Андрея Карпати выглядят как готовый бэклог для развития Claude. Вспомним два его ключевых проекта:
1. LLM Wiki (База знаний нового поколения)
Весной Карпати запустил концепт LLM Wiki. Вместо того чтобы заставлять ИИ искать информацию по куче сырых файлов или делать банальные поисковые запросы по векторной базе (RAG), система создает живую, эволюционирующую базу знаний.
Используя схемы разметки (в стиле тех же claude.md), агент сам синтезирует связи между документами, созванами, регламентами и внутренними регламентами компании.
Это и есть ваш настоящий защитный ров (data moat). Для обычного создателя или компании этот ров — не терабайты Big Data, а ваши личные заметки со встреч, уникальные фреймворки и внутренние названия процессов. Чем дольше вы «напитываете» экосистему этим контекстом, тем сильнее вы к ней привязываетесь. Не потому, что нельзя сменить модель, а потому, что вы уже построили внутри нее свою агентскую операционную систему.
2. Auto Research & /goal (Автономные циклы)
В марте Карпати выпустил проект Auto Research, создающий автономную петлю исследования. Агент получает задачу, выдвигает гипотезу, проводит эксперимент, проверяет результат на соответствие объективным критериям и циклически оптимизирует процесс до тех пор, пока цель не будет достигнута.
Мы уже видим, как этот паттерн внедряется нативно: в Claude Code появилась команда /goal. Мы уходим от парадигмы «один промпт — один ответ» и переходим к парадигме: «Вот верхнеуровневый ожидаемый результат (What), разберись сам, как это сделать (How), и вернись, когда все будет готово». Это вайб-кодинг на стероидах.
Образовательное бутылочное горлышко
В своем твите о переходе Карпати отдельно подчеркнул: «Я по-прежнему глубоко увлечен образованием и планирую со временем вернуться к нему».
Это важнейший маркер. Сегодня барьер на пути к повсеместному внедрению ИИ лежит не только в плоскости технологий, но и в плоскости обучения и управления изменениями (change management). Разрыв между теоретическими возможностями моделей и тем, как компании реально умеют их использовать, огромен.
Карпати — один из редких людей на планете, способных взять безумно сложную, хардкорную техническую концепцию (как в его курсе LLM 101N по сборке языковой модели с нуля на C/Python) и объяснить ее так, что она становится понятной и применимой для обычного человека. Наличие такого главного популяризатора и педагога внутри Anthropic поможет компаниям быстрее преодолевать страх перед интеграцией агентов.
3 прогноза: Каким станет Claude в ближайшем будущем
Анализируя этот симбиоз философии Карпати и продуктов Anthropic, можно сделать три смелых прогноза о том, куда движется платформа:
Прогноз №1: Маркетплейс контекста и рабочих процессов
Anthropic создаст полноценный магазин приложений, но не для банальных промптов, а для навыков, контекстов и сред. Это будут готовые пакеты документации, цепочки субагентов и петли оценки для конкретных доменов. Вы сможете «подключить» к своему Claude профильный пакет данных, который мгновенно научит модель понимать специфику вашей узкой ниши так, будто она работает в ней годами.
Прогноз №2: Эволюция автономных команд (Развитие /goal)
Команда /goal в Claude Code — это лишь первая ласточка. Нас ждет появление специализированных автономных циклов: глубокий специализированный дебаггинг, маркетинговое исследование рынка, архитектурное планирование. Интерфейс взаимодействия изменится: вместо пошагового контроля вы будете задавать финальные условия валидации (например: «Пиши код, пока тесты производительности не покажут выполнение операции быстрее 50 мс»).
Прогноз №3: Образовательный слой для упаковки экспертизы
Anthropic может запустить инструмент, позволяющий людям без технического бэкграунда (бухгалтерам, юристам, продюсерам) легко «выгружать» свою экспертизу из головы и упаковывать ее в форматы, понятные ИИ-агентам. Если Anthropic хочет запустить маркетплейс контекста (см. Прогноз 1), им нужно дать обычным носителям профессий простой инструмент для оцифровки их уникального опыта.
Заключение
Переход Андрея Карпати в Anthropic — это логичное слияние двух сил, которые одинаково видят будущее ИИ. Прогресс на фронтире теперь измеряется не только вычислительной мощностью процессоров и объемом датасетов. Он измеряется тем, насколько эффективно мы можем окружить модель правильными данными, автономными циклами и удобными интерфейсами, превращая абстрактный чат-бот в полноценного, контекстно-зависимого цифрового сотрудника.
На основе What Karpathy Joining Anthropic Actually Means For Claud