Декабрь 2025 — месяц, когда Карпатый перестал писать код руками. И это не метафора.
Разбор разговора Андрея Карпатого со Стефани Жан на Sequoia AI Ascent 2026 — через призму vibe coding и курса AIstack
Год назад Карпатый придумал термин «vibe coding». В этом году на сцене Sequoia Ascent он сказал вещь, которая звучит странно из уст сооснователя OpenAI и человека, поднявшего Autopilot в Tesla: он никогда не чувствовал себя настолько отстающим как программист.
Я хорошо понимаю это ощущение. Поэтому хочу разобрать получасовой разговор не как очередную новость про ИИ, а как карту. В ней описано ровно то, что я последние месяцы делаю руками — и ровно то, вокруг чего я собираю AIstack.
Перелом случился в декабре
Карпатый называет конкретную точку — декабрь 2025-го. До этого инструменты вроде Claude Code и Codex были полезными, но требовали постоянной правки: модель выдавала куски кода, и их приходилось дочищать. В ноябре он, по его словам, писал руками около 80% кода. К декабрю пропорция перевернулась: теперь агенты делают порядка 80%, а он не может вспомнить, когда в последний раз что-то исправлял вручную.
Это был не плавный апгрейд, а пройденный порог. У меня он выглядел так же: папка с пет-проектами начала пухнуть, потому что стоимость «попробовать идею» упала почти до нуля. Единица работы перестала быть строкой кода. Теперь это макро-действие: реализуй фичу, отрефактори подсистему, изучи библиотеку, подними сервис, напиши тесты и почини то, что упало.
Главный вывод Карпатого: профессия переписывается. Программист всё меньше автор кода и всё больше — оркестратор агентов. Если вы не открывали эти инструменты с осени 2025-го, вы работаете на устаревших предпосылках о том, что вообще возможно.
Пол и потолок — это не игра слов
Самая важная для меня часть — разграничение двух понятий.
Vibe coding поднимает пол. Он даёт возможность собрать рабочее приложение почти кому угодно: ты описываешь, чего хочешь, модель это делает, и ты не вычитываешь каждую строку. Это прекрасно, и это реально изменило входной барьер.
Agentic engineering поднимает потолок. Это инженерная дисциплина: как координировать агентов — сущности мощные, но ошибающиеся и стохастические — и при этом не уронить планку качества. Ты по-прежнему отвечаешь за свой продукт. Тебе по-прежнему нельзя протащить уязвимость только потому, что «так навайбкодилось». Вопрос в том, как двигаться быстрее, не теряя контроль.
Карпатый формулирует жёстко: старый «10x-инженер» — это уже не про ускорение в 10 раз. Те, кто действительно освоил оркестрацию агентов, поднимаются заметно выше.
Именно здесь проходит мой тезис, который я повторяю клиентам и студентам уже много месяцев: vibe coding — это уходящая волна. Не потому что он плохой, а потому что он про пол. Следующая территория — агенты и инженерная работа с ними. Приятно, когда один из самых уважаемых людей в индустрии независимо называет ту же вещь и даёт ей имя.
Software 3.0: контекст как программа
Карпатый достраивает свою старую рамку. Software 1.0 — человек пишет код. Software 2.0 — человек собирает датасеты и обучает нейросеть, программа «зашита» в веса. Software 3.0 — человек программирует саму LLM: промптом, контекстом, инструментами, примерами, памятью.
В этой картине контекстное окно — главный рычаг, а LLM — интерпретатор, который выполняет вычисление над информацией.
Его пример с установкой OpenClaw попал точно. В старом мире инсталлятор — это shell-скрипт, который распухает от условий под каждую ОС и архитектуру. В Software 3.0 инсталлятор — это блок текста, который ты вставляешь агенту: он сам смотрит на твоё окружение, выполняет действия и чинит ошибки по ходу. Менее точно — но адаптивно.
Для меня это не теория. Я строю инфраструктуру MCP-first и держу несколько агентов с разделением ролей. «Какой кусок текста вставить агенту» — это и есть теперь часть программирования. И отдельно Карпатый напоминает: дело не только в том, что кодить стало быстрее. Появились вещи, которых раньше не было в принципе. Его пример с LLM-вики — система, которая инкрементально пересобирает кучу разрозненных документов в живую базу знаний, — это не «ускорение старого кода». Раньше такой программы просто не существовало.
Вопрос, который он предлагает задавать, я считаю самым ценным для основателя: не «какой существующий процесс ускорит ИИ», а «какое преобразование информации было невозможно — и стало естественным».
«Зубчатый» интеллект и почему нельзя выходить из контура
Дальше — рамка верифицируемости. Классические компьютеры автоматизируют то, что можно специфицировать кодом. Нынешние LLM автоматизируют то, что можно проверить. Если у задачи есть сигнал успеха — тесты, награда, измеримый результат, — модель можно на ней тренировать. Поэтому код, математика, бенчмарки растут так быстро.
Отсюда «зубчатый» (jagged) интеллект. Модель может отрефакторить кодовую базу на 100 тысяч строк или найти zero-day уязвимость — и в том же диалоге посоветовать ехать на машине на мойку, до которой 50 метров пешком. Это не баг в привычном смысле, это форма этого интеллекта: пики там, где лаборатории вложились в верифицируемое обучение, и провалы за пределами этой зоны.
Практический вывод для тех, кто строит на этом продукт: вы должны понимать, в каких «рельсах» находится ваша задача. Если внутри обученного распределения — модель летит. Если снаружи — спотыкается на элементарном, и тогда нужны свой контекст, инструменты, дообучение или собственные оценки качества. Карпатый отдельно подсвечивает это как стартап-возможность: найти ценный, верифицируемый и при этом недообученный лабораториями домен — и построить там свою RL-среду.
Навык, который не автоматизируется
Любимый его пример — из MenuGen. Пользователь логинится через Google, а кредиты покупает через Stripe. У обоих есть email. Агент написал «правдоподобный» код: сопоставлять оплату с аккаунтом по адресу почты. Но это плохой системный дизайн — почты могут не совпасть, и человек не получит то, что купил. Нужен устойчивый user ID. Такие ошибки агенты всё ещё делают.
Поэтому человек остаётся главным по спецификации, дизайну и вкусу. Карпатый не помнит наизусть, как называется параметр — dim, axis, keepdim, — и не обязан: у агента отличный recall на такие детали. Но человек обязан понимать суть — что у тензора есть хранилище, что view делит память, что лишнее копирование бьёт по производительности. Вы отвечаете за то, чтобы система имела смысл. Агент заполняет пробелы.
Он честно добавляет: когда смотришь на сгенерированный код, иногда хватаешься за сердце — он раздут, скопирован, хрупко абстрагирован. Работает, но некрасиво. Возможно, это починят будущие модели. Пока — это зона ответственности человека.
Узкое место — это понимание
Закончили на образовании, и здесь — фраза, ради которой стоило смотреть весь разговор:
Можно делегировать мышление, но нельзя делегировать понимание.
Даже когда агенты делают большую часть работы, направлять их должен тот, кто понимает: что вообще стоит строить, почему это важно, какой результат подозрителен, какой компромисс допустим. Понимание становится бутылочным горлышком — потому что плохой директор не вытянет хорошую систему.
Вот почему я не верю в логику «инструменты бесплатны, значит учиться нечему». Ровно наоборот. Когда генерация кода, черновики и рутина дешевеют, в цене растёт то, что не отдать агенту: понимание, вкус, проектирование оценок, границы системы, оркестрация. Это и есть содержание AIstack. Курс — не про «как навайбкодить MVP» (это пол, его осваивают за выходные). Он про потолок: как собрать и вести команду из трёх ИИ-сотрудников так, чтобы не потерять качество. По сути — про ту самую дисциплину, которую Карпатый назвал agentic engineering, переложенную на язык основателя и продакта.
Карпатый дал этой территории имя и авторитет. Дальше — вопрос практики. Запускаю поток в сентябре; кто хочет разбираться с этим системно, а не наугад — aistackca.com.