# Андрей Карпатый об эпохе Software 3.0: почему вайб-кодинг заменит классическое программирование Источник: https://www.youtube.com/watch?v=96jN2OCOfLs Канал: Sequoia Capital Опубликовано: 29.04.2026 --- В этом подробном интервью Андрей Карпатый (Andrej Karpathy), один из самых влиятельных инженеров в области искусственного интеллекта, сооснователь OpenAI и бывший глава отдела ИИ в Tesla, описывает фундаментальный сдвиг в разработке программного обеспечения. От классического кодинга мир переходит к «вайб-кодингу» и агентному инжинирингу, где нейросети становятся не просто помощниками, а полноценными исполнителями, способными самостоятельно развертывать приложения и исправлять ошибки. ## 🚀 Новая эра: от программирования к «вайб-кодингу» [[JUMP:00:41]] Андрей Карпатый признается, что в последнее время он «никогда не чувствовал себя настолько отстающим программистом», как сейчас [0:55]. Это ощущение вызвано резким скачком возможностей LLM (больших языковых моделей), который он зафиксировал в декабре 2023 года. По словам инженера, если раньше модели выдавали куски кода, которые требовали ручной доработки, то теперь они создают рабочие решения целиком, а человеку остается лишь доверять системе [1:21]. Карпатый ввел термин **vibe coding** («вайб-кодинг»), чтобы описать этот процесс: программист больше не пишет синтаксические конструкции, а транслирует «вайб» — общее намерение и описание задачи. Основные этапы эволюции софта по Карпатому: * **Software 1.0 (Классический код):** Программист прописывает явные правила и условия. [2:50]. * **Software 2.0 (Нейросети):** Программирование заключается в подготовке наборов данных и обучении весов сетей. [3:03]. * **Software 3.0 (Prompting/Agents):** Весь контекстный поток и промпты становятся рычагом управления LLM, которая выступает в роли интерпретатора. [3:28]. В качестве примера Карпатый приводит установку OpenClaw. Раньше для этого требовался сложный Bash-скрипт, учитывающий десятки операционных систем. Теперь это просто блок текста, который нужно скопировать и отдать агенту [4:07]. Агент сам анализирует окружение компьютера, находит нужные зависимости и исправляет ошибки в процессе установки [4:20]. ## 🖼️ История «MenuGen»: почему традиционные приложения умирают [[JUMP:04:58]] Карпатый рассказал о своем проекте MenuGen — приложении для распознавания меню в ресторанах без картинок. Изначально он создавал его в парадигме Software 2.0: писал код на Vercel, настраивал OCR для распознавания текста, подключал генератор изображений и фронтенд для рендеринга [5:13]. Однако вскоре он увидел версию этого же функционала в парадигме Software 3.0: человек просто дает фото меню модели Gemini и просит наложить картинки блюд поверх оригинала. Нейросеть выдает готовое изображение с измененными пикселями [5:39]. По мнению Карпатого, это доказывает, что: 1. Огромное количество существующего кода «эфемерно» и скоро станет не нужным [6:06]. 2. Нейросети забирают на себя всё больше работы, исключая необходимость в «прослойках» в виде традиционных приложений [6:19]. 3. Программирование превращается в общую автоматизацию обработки информации [6:47]. ## 🧩 Концепция «зубчатого интеллекта» (Jagged Intelligence) [[JUMP:09:37]] Одним из ключевых барьеров текущих моделей Карпатый называет «зубчатую» (неравномерную) форму интеллекта. Модели показывают невероятные результаты в проверяемых областях, но могут провалиться в элементарных бытовых вопросах. Примеры «зубчатости»: * Модель может рефакторить кодовую базу на 100 000 строк или находить уязвимости нулевого дня [11:48]. * При этом та же модель может посоветовать идти пешком до автомойки, которая находится в 50 метрах, не понимая контекста задачи (зачем идти на мойку без машины?) [11:34]. Карпатый объясняет это тем, что лаборатории (OpenAI, Anthropic и др.) обучают модели в средах с обучением с подкреплением (RL), где легко задать функцию вознаграждения за правильный ответ в математике или коде [10:14]. Если область верифицируема, модель в ней «взлетает». Если данных в обучающей выборке было мало (как было с шахматами до GPT-4), модель будет слабой, пока кто-то из инженеров специально не добавит нужные датасеты [12:41]. ## 🛠️ Агентный инжиниринг как новая дисциплина [[JUMP:15:53]] Если «вайб-кодинг» — это способ поднять планку возможностей для всех, то **агентный инжиниринг** (Agentic Engineering) — это профессиональная дисциплина по сохранению качества [16:06]. По мнению Карпатого, агентный инженер должен: * Координировать работу «стохастических и иногда ошибающихся» агентов, чтобы они не создавали уязвимостей [16:31]. * Усилить продуктивность не в 10 раз (старый миф о 10x-инженере), а значительно больше — верхний предел возможностей здесь еще не достигнут [16:58]. * Перейти от решения мелких пазлов к управлению крупными проектами. Вместо теста на знание алгоритмов, на собеседовании стоит просить кандидата создать клон Twitter с помощью агентов и проверить его на безопасность с помощью других моделей [18:57]. Человеческий навык, который станет наиболее ценным в этой среде — это **вкус и суждение (taste and judgment)** [19:50]. Агенты пока ведут себя как «стажеры»: они могут перепутать email-адреса пользователя из разных систем или создать избыточный, «раздутый» код с плохими абстракциями [20:28]. Человек остается в роли архитектора и цензора, контролирующего «спецификацию» и эстетику конечного продукта. ## 👻 Суммон призраков и будущее образования [[JUMP:23:42]] Андрей Карпатый сравнил современные ИИ не с животными, обладающими инстинктами, а с «призраками», которых мы вызываем (summoning ghosts) [23:57]. У них нет собственной любознательности или внутренней мотивации; они созданы статистическими схемами и функциями вознаграждения [24:38]. В вопросе образования Карпатый цитирует мысль, которая его поразила: «Вы можете делегировать мышление, но не можете делегировать понимание» [28:09]. Даже когда интеллект станет максимально дешевым, человек останется «узким горлышком» системы. Главные выводы для будущего: 1. **Понимание (Understanding)** — это единственный способ эффективно направлять агентов. Без него невозможно быть «режиссером» процесса [28:47]. 2. **Агентно-нативная инфраструктура** — мир должен быть переписан под агентов. Документация не должна объяснять человеку, что делать; она должна содержать блоки, удобные для копирования в промпт [25:55]. 3. **Автоматизация развертывания** — идеалом будет возможность дать промпт «построй это», и система сама настроит DNS, серверы и базы данных без участия человека в интерфейсах [27:04].