Оригинальный заголовок: Что на самом деле означает присоединение Карпати к Anthropic для Claude
Автор оригинала: @nateherk
Перевод: Peggy, BlockBeats

Редакторский комментарий: Присоединение Андрея Карпати к Anthropic — это не просто новость о том, что «ведущий специалист по ИИ присоединился к топовой лаборатории». Более важным является то, на что указывает эта кадровая перемена — изменение направления продукта.

За последний год конкуренция в индустрии ИИ всё ещё сосредоточена в основном на моделях: у кого бенчмарк выше, у кого лучше логика, кто лидирует в рейтингах. Но по мере совершенствования таких продуктов, как Claude Code, Skills, MCP, память проекта, рабочие процессы агента, появляется более ясная тенденция: сама модель — лишь один слой продукта, а по-настоящему определяющими эффективность пользовательского результата являются контекст, память, рабочие процессы, навыки, соединители, структура файлов, руководства по стилю и циклы целей, окружающие модель.

Несколько месяцев назад Карпати неоднократно подчеркивал важность «engineering контекста», что как раз соответствует этой тенденции. Решающее значение для стабильной ценности ИИ — не только команда, которая пишет промпты, а способность модели понимать ваши документы, рабочие процессы, стандарты стиля, бизнес-цели и системы оценки. Иными словами, следующий этап конкуренции в ИИ — это уже не только «чья модель сильнее», а «кто лучше интегрирует модель в реальные рабочие сценарии».

От LLM Wiki до AutoResearch и циклов /goal — всё, что Карпати публично исследует, вращается вокруг одной идеи: как превратить ИИ из «чат-окна для ответов» в рабочую систему, которая понимает контекст, последовательно выполняет задачи и итеративно движется к цели. А недавние инициативы Anthropic по Claude Code, корпоративным сервисам, экосистемным соединителям и рабочим потокам — это развитие по тому же пути.

Поэтому смысл присоединения Карпати к Anthropic — не просто кадровое перемещение, а своего рода комментарий к продуктовой стратегии Anthropic: будущие инструменты ИИ будут ценны не только параметрами модели, а также данными, рабочими процессами, системами памяти и отраслевыми знаниями, накопленными пользователями. Кто сможет организовать эти контексты — тот сможет по-настоящему вывести ИИ из роли «инструмента» в роль «инфраструктуры».

Ниже — оригинальный текст:

Несколько часов назад Андрей Карпати опубликовал пост, объявляя о присоединении к Anthropic.

Самая простая версия этой истории — ведущий специалист по ИИ присоединился к крупной лаборатории.

Но более важный вопрос — почему именно Anthropic? И почему именно сейчас?

Потому что, оглядываясь назад на то, что Карпати публично строил в последние месяцы, и сравнивая с недавними функциями Claude Code, становится ясно, что оба направления уже движутся в сторону одного продукта.

Фон

Карпати — один из ключевых фигур в современной индустрии ИИ.

Он был одним из основателей OpenAI в 2015 году, пять лет отвечал за AI в Tesla; в 2023 вернулся в OpenAI, а через год ушел. Затем основал свою компанию Eureka Labs, занимающуюся образованием в области ИИ. Он также создал курс LLM 101, бесплатный, обучающий с нуля строить языковые модели.

Он также предложил концепцию «vibe coding»: достаточно описать на английском, что хочешь получить, и AI напишет код, а пользователь будет чувствовать, направлять, итеративно улучшать. Ввел понятие «context engineering» — инженерия контекста, что станет ключевым в дальнейшем.

Это не просто обычный найм. Это означает, что один из самых влиятельных голосов в области ИИ присоединяется к одной из самых амбициозных лабораторий.

Claude Code уже стал инструментом для многих разработчиков при создании агентов, написании кода или работе с реальными знаниями. Неделю назад Ramp опубликовал свой индекс ИИ, где Anthropic впервые обошел OpenAI по корпоративной внедряемости: 34.4% против 32.3%.

Конечно, это только данные из клиентской базы Ramp. OpenAI по-прежнему обладает сильным брендом для потребителей и имеет множество контрактов на уровне предприятий, не попавших в выборку. Не хочу преувеличивать, но этот сигнал трудно игнорировать.

В начале месяца Anthropic объявила о создании нового корпоративного сервиса ИИ — совместного предприятия с Blackstone, Hellman & Friedman и Goldman Sachs, целью которого является внедрение Claude в ключевые бизнес-процессы средних компаний.

Обратите внимание: они создают модели, продукты, строят партнерскую сеть, и теперь добавляют слой сервисов, чтобы помочь бизнесу реализовать продукты.

Это уже не игра «дай модель — делай сам».

Wrapper — это продукт

Сегодня большинство обсуждений ИИ всё ещё рассматривают модель как полноценный продукт: кто на каком бенчмарке лучше, Opus 4.7, GPT-5.5, Gemini — кто сильнее, как меняются рейтинги.

Модели важны, я не спорю. Но чем дольше используют эти инструменты, тем яснее становится: модель — лишь один слой продукта. Истинное изменение в вашей ежедневной работе происходит благодаря wrapper — оболочке, окружающей модель.

Именно поэтому два человека, использующие одну и ту же модель, могут получать совершенно разные результаты.

Что такое wrapper? Всё, что определяет, как модель используется:

→ Claude Code, Codex, Skills, Subagents, Hooks, MCP соединители.
→ Ваш CLAUDE.md, память, документы, кейсы.
→ Структура файлов, гайдлайны по стилю, ваши критерии «хорошего результата».

Это окружение модели.

Если открыть новый чат без контекста и попросить помочь с бизнес-задачей — модель ничего не знает о вас, только угадывает. Вам придется объяснять background заново и заново.

Но если дать ей ваши файлы, кейсы, рабочие процессы, стандарты и критерии успеха — результат будет совсем другим.

Это и есть место, где Карпати и Anthropic совпадают. Он говорит о «context engineering», потому что именно это важно. Создать правильную среду, чтобы модель могла реально работать и запоминать контекст между сессиями.

Anthropic тихо строит такую среду. Карпати публично учит этому. Теперь эти идеи объединяются в одной компании.

Понимание этого превращает последние месяцы деятельности Карпати в нечто большее, чем случайные проекты — это карта маршрута.

LLM Wiki и ваша защита данных

В апреле Карпати запустил LLM Wiki. Этот проект быстро стал популярным в X.

Структура очень проста:

→ Папка raw/ с markdown файлами — заметки, источники, транскрипты, всё что угодно.
→ Папка wiki/ — агент объединяет всё, строит связи, создает ментальные карты.
→ schema — документ, похожий на CLAUDE.md или AGENTS.md, объясняющий, как работает система и как добавлять новые материалы.

Это не просто поиск по файлам или векторные запросы. Это создание живой, эволюционирующей базы знаний, которая читает, понимает связи и помогает строить «второй мозг».

Для обычных пользователей это важнее, чем кажется. Когда говорят «данные — это защита», многие думают о больших базах данных. Но для обычного разработчика или бизнесмена настоящая защита — это ваши заметки, SOP, записи звонков, транскрипты, стандарты именования, рабочие рамки.

Если Claude сможет превратить эти материалы в контекст, понятный модели — она станет умнее и полезнее каждую неделю.

Это эффект закрепления. Не потому, что нельзя сменить модель, а потому что, создавая контекст и рабочие процессы внутри одного инструмента, со временем уходить становится сложнее.

LLM Wiki — не просто побочный проект. Это ключ. В будущем мы увидим более нативные версии Claude Code или памяти Claude, уже с подобными функциями. Уже сейчас в функции auto-dream есть первые признаки.

Конечно, ждать не обязательно. В эти выходные можно самостоятельно подключить Claude Code к важным документам и построить такой wiki.

Если хочешь стать AI-first, твои данные должны быть доступны и правильно использованы агентом. Тогда они действительно станут ценностью.

AutoResearch и циклы /goal

В марте Карпати запустил проект AutoResearch — автоматизированный цикл исследований. Если знакомы с Ralph Loop, то поймете, что идеи схожи.

Примерный сценарий:

1. Получить скрипт обучения.
2. Предложить изменения.
3. Запустить короткое обучение.
4. Проверить по метрикам: успех или провал.
5. Повторять, пока не достигнешь цели.

Честно говоря, я не часто использую AutoResearch — я не тренирую модели и не строю циклы для таких задач. Но сама концепция важна.

Поставить цель. Пусть агент работает. Вернуться и оценить.

Недавно в экосистеме появились /goal у Codex, Hermes, Claude Code — все с собственными версиями.

Я не утверждаю, что Карпати придумал /goal. Не знаю. Но по сути, эти подходы очень похожи.

Они выводят нас из режима «один промпт — один ответ».

Теперь можно задавать результат, а агент сам решит, как его достичь, и вернется, когда условие выполнено.

Это расширенная версия vibe coding: задаешь «что нужно», не говоришь «как делать», и ждешь результата.

Объединив это с идеей LLM Wiki, получаем систему, которая уже не похожа на чат-бота — она становится настоящим сотрудником: понимает бизнес, работает вокруг цели, пока не достигнет ее.

Образование как ключ

В объявлении о присоединении Карпати есть важная фраза: «Я по-прежнему страстно увлечен образованием».

Eureka Labs — его предыдущая компания — по сути, образовательный проект. Его цель — не просто научить нажимать кнопки или соединять узлы, а помочь понять, как работают системы ИИ изнутри.

Карпати умеет объяснять сложное так, что это кажется понятным, доступным. Понимание — это навык. Передать его другим — совсем другое мастерство.

Это важно для Anthropic. Если следующий этап конкуренции — контекст, рабочие процессы, Skills, память и циклы — то барьеры не только технологические, но и образовательные.

Недавнее исследование IBM по внедрению ИИ и управлению изменениями показывает огромную разницу между «может использовать ИИ» и «действительно хорошо его применять». Большинство компаний застревают на этом этапе.

Привлечение эксперта по образованию ИИ внутрь организации — не мелкий шаг, а стратегический.

Три прогноза по Claude Code

Это всего лишь прогнозы. У меня нет инсайдов или точных планов Anthropic. Но исходя из недавно выпущенных продуктов и публичных заявлений Карпати, направление уже понятно.

Anthropic создаст «магазин контекстных приложений»

Они уже начинают. Формируются прототипы плагинов, Skills, маркетплейса компонентов.

Но я говорю не о промпт-маркете.

Речь о компонентах: Skills, рабочие процессы, память проектов, вертикальные контексты, циклы оценки, соединители с реальными данными. И примерах, которые учат модель «что такое хорошо» в конкретной сфере.

Подключая эти компоненты к своей области, можно сразу получать большую ценность, даже если модель уже умнее.

Потому что для обычных пользователей модель — не единственный фактор отличия. Важнее — кто умеет правильно организовать данные и wrapper, чтобы получить ROI.

LLM Wiki — превращение хаоса в память. /Goal — автоматизация целей. Образование Карпати — превращение сложных концепций в доступные.

Он создает поведенческий шаблон. Если Anthropic сделает из этого полноценную экосистему, Claude Code перестанет быть просто инструментом программирования — он станет рынком.

Больше команд /goal в продуктах

/Goal — скорее всего, только первая версия, не финальная форма.

Можно представить, что появятся разные вариации: циклы исследований, отладки, завершения. Или команды, оптимизированные под конкретные вертикали, где агент уже знает, что такое «завершить».

Не важно, как они будут называться. Главное — интерфейс изменится. Вместо «сделай это» — «в этом конкретном сценарии продолжай, пока не выполнится условие».

Anthropic запустит систему обучения, которая поможет пользователям формировать свои рабочие процессы

Это самый смелый прогноз. И, честно говоря, самый интересный.

Если Anthropic хочет создать настоящий рынок контекста, обычные люди должны иметь возможность участвовать и вносить вклад, а не только разработчики и исследователи.

То есть, эксперты из разных профессий — бухгалтеры, риэлторы, ютуберы — должны иметь возможность делиться знаниями и создавать свои собственные контексты.

→ Бухгалтер, понимающий месячный закрывающий цикл.
→ Специалист по недвижимости, знающий все этапы ввода данных.
→ Ютубер, умеющий хорошо упаковать идеи и провести мозговой штурм.

Эти знания ценны. Но сейчас они либо в головах, либо разбросаны по документам, Slack, ClickUp.

Уже есть первые признаки: тренеры создают свои AI-аватары и чат-боты, зарабатывая на этом. Это ручной подход. Люди хотят извлечь профессиональные знания и применить их в бизнесе.

Если я хочу построить рекламного агента, я застряну, потому что не специалист в этой области. Но если есть рынок, где я могу подписаться на качественный SME-контекст — я сразу стану клиентом.

Это — следующий важный слой, на который я буду обращать внимание.

Заключение

История — это не только о Карпати или Anthropic. Это о самой модели.

Модель — лишь один слой. Внешний wrapper становится настоящим продуктом. Ваши данные и рабочие процессы — это и есть эффект закрепления. Карпати и Anthropic последние месяцы учат именно этому.

Поэтому присоединение — не просто новость, а карта маршрута. В полном видео я разбираю всю логику, ссылка — в первом комментарии.

[ссылка на оригинал]

Кликните, чтобы узнать о вакансиях в BlockBeats

Присоединяйтесь к официальному сообществу BlockBeats:
Телеграм-канал: https://t.me/theblockbeats
Телеграм-группа: https://t.me/BlockBeats_App
Твиттер: https://twitter.com/BlockBeatsAsia