19 мая 2026 года Андрей Карпати в Anthropic перестал быть слухом и стал фактом: один из самых известных инженеров в современном ИИ присоединился к команде pre-training, которая отвечает за базовые обучающие прогоны Claude. Для русскоязычной IT-аудитории это важная новость не из жанра кадровой хроники, а из серии кто именно будет влиять на следующую архитектурную развилку больших моделей. Когда в компанию приходит человек, одинаково хорошо понимающий исследование, продакшен и обучение моделей в реальном масштабе, это почти всегда означает смену темпа.
О назначении Андрея Карпати в Anthropic, как пишет The New Stack, стало известно после его собственного сообщения в X. По данным других профильных изданий, Карпати уже начал работу на этой неделе и вошел в команду под руководством Nick Joseph, отвечающую за pre-training. Внутри Anthropic это не вспомогательная функция, а тот самый слой, где Claude получает свои базовые знания и возможности. Компания отдельно подчеркивает: pre-training остается одной из самых дорогих и вычислительно тяжелых фаз создания frontier-моделей. Иными словами, Карпати зовут не украшать оргструктуру, а работать в цехе, где сгорают бюджеты на ускорители и рождаются реальные различия между лидерами рынка.
Самая интересная деталь в этой истории не в самом найме, а в формулировке задачи. Anthropic поручила Карпати запустить новую команду, которая будет использовать Claude для ускорения исследований в области pre-training. Это уже не просто привычная гонка кто купил больше железа и успел арендовать больше кластеров. Ставка делается на то, что часть исследований по улучшению обучения моделей можно автоматизировать или хотя бы ускорить с помощью самих же моделей. Для разработчиков и руководителей AI-направлений это очень узнаваемый поворот: индустрия все громче говорит не только о compute scaling, но и о research scaling, где выиграет тот, кто лучше встроит ИИ в собственный R&D-конвейер.
Карпати в этой схеме выглядит почти идеальным приобретением. Он был одним из первых сотрудников и сооснователей OpenAI, затем ушел в Tesla, где руководил AI-направлением и программами, связанными с Autopilot и Full Self-Driving, а покинул компанию в 2022 году. В 2024-м он снова ненадолго вернулся в OpenAI, а затем занялся образовательным проектом Eureka Labs. На рынке немного людей, которые одновременно понимают, как выглядит машинное обучение на уровне исследовательских идей, как оно ломается в индустриальном масштабе и как это объяснить тысячам инженеров без шаманства и маркетингового тумана. Поэтому найм Карпати для Anthropic важен не только как усиление команды, но и как сигнал: компания хочет выигрывать не только безопасностью бренда Claude, но и качеством базового исследовательского цикла.
Контекст тоже говорит сам за себя. За последние два года рынок frontier AI все чаще описывали через деньги, чипы и партнерства с облачными гигантами. Это справедливо, но не полностью. Список людей, которые реально умеют строить и улучшать крупные обучающие пайплайны, остается очень коротким. Reuters напоминает, что в 2024 году к Anthropic уже переходил другой сооснователь OpenAI, John Schulman. На этом фоне приход Карпати выглядит не единичным удачным оффером, а продолжением более широкой стратегии: Anthropic собирает не просто сильных исследователей, а узнаваемых специалистов, способных задавать направление целым классам работ. Для конкурентов это плохая новость хотя бы потому, что такой найм трудно отзеркалить пресс-релизом.
Есть и еще один слой, который особенно важен для технической аудитории. Карпати давно стал публичным переводчиком сложного ИИ на язык инженеров. Его лекции по нейросетям и LLM смотрят не только студенты, но и тимлиды, стартап-основатели, ML-инженеры, которые пытаются понять, где заканчивается модный фреймворк и начинается физика процесса. Когда такой человек выбирает роль в pre-training, он фактически подтверждает: именно этот уровень снова становится главной зоной конкурентной борьбы. Не интерфейсы вокруг модели, не обвязка для агентов и даже не очередная витрина демо, а фундаментальные методы, которые определят, насколько эффективно модель учится, сколько это стоит и можно ли сделать следующий скачок без бесконечного наращивания расходов.
Для бизнеса вывод тоже довольно практичный. Если ставка Anthropic сработает, на рынке усилится тренд на AI-for-AI development: модели будут все активнее участвовать в собственном улучшении, от генерации гипотез и анализа экспериментов до оптимизации обучающих рецептов. Для продуктовых команд это означает ускорение цикла исследований. Для инфраструктурных команд — новый виток требований к данным, трассировке экспериментов и воспроизводимости. Для HR и founders — еще один неприятный, но полезный факт: дефицит топовых исследователей никуда не делся, а цена ошибки при найме в core AI-команды только растет. Похоже, в 2026 году побеждает уже не тот, кто просто умеет строить фичи на готовой модели, а тот, кто способен улучшать сам двигатель.
Андрей Карпати в Anthropic — это история не про громкое имя в заголовке, а про то, куда смещается центр тяжести в индустрии. Если даже компания масштаба Anthropic усиливает именно pre-training и отдельно выделяет задачу использовать Claude для ускорения собственных исследований, значит следующая фаза гонки ИИ будет решаться не только в дата-центрах, но и в том, насколько хорошо лаборатории научатся автоматизировать собственную науку.