# Эпоха Tokenmaxxing: Гарри Тан о том, как заменить 400 инженеров одним промптом Источник: https://www.youtube.com/watch?v=57lDpTwiW6g Канал: Y Combinator Опубликовано: 08.05.2026 --- Президент Y Combinator Гарри Тан (Garry Tan) тринадцать лет не писал код, полностью посвятив себя инвестициям, но внезапное развитие больших языковых моделей (LLM) заставило его вернуться к «терминалу». В новом выпуске подкаста Light Cone участники обсуждают, как использование ИИ-агентов позволяет одному человеку выполнять объем работы, сопоставимый с усилиями целого инженерного департамента, и почему «токенмаксинг» становится новой религией Кремниевой долины. ## 🚀 Возвращение в строй: от инвестора к строителю [[JUMP:01:30]] Гарри Тан признается, что сам шокирован переменами: после 13-летнего перерыва в программировании он внезапно начал выполнять в 400 раз больше работы, чем в свои самые продуктивные годы. Его возвращение началось с личного проекта — платформы **Gary’s List**, созданной для объединения людей вокруг политических проблем Сан-Франциско, в частности, вопроса доступности алгебры в средних школах. История создания этого продукта наглядно демонстрирует технологический скачок: * **Первая итерация (Posterous, 2008 год):** потребовала $4 млн инвестиций, команду из 7 человек и полтора года разработки. Позже компания была продана Twitter за $20 млн. * **Вторая итерация (Post Haven):** обошлась в $100 тыс. и заняла три месяца работы двух сооснователей. * **Третья итерация (Gary’s List, 2026 год):** создание полнофункциональной блог-платформы с глубоким поиском (RAG) и агентской аналитикой заняло всего 5 дней и стоило $200 (подписка на Claude Code Max). По словам Тана, проект Gary’s List — это не просто сайт для блогов, а инструмент, выполняющий работу высококлассного журналиста-расследователя. За $5–10 стоимости вызовов API модель анализирует десятки статей, изучает книги и составляет подробные отчеты со ссылками на источники. ## 🌊 Философия Tokenmaxxing: «Вскипятить океан» [[JUMP:07:17]] В основе нового подхода Гарри Тана лежит концепция «boil the ocean» (вскипятить океан) — отказ от экономии ресурсов в пользу максимально глубокого анализа. Вместо того чтобы довольствоваться одним источником, агент может изучить 20, сопоставить аргументы и выявить противоречия. Основные тезисы методологии «токенмаксинга»: * **Агентурный поиск:** Использование API Perplexity, X (Twitter) и Grock для сбора контекста, который человек собирал бы месяц. * **Игнорирование стоимости токенов:** По мнению Гарри Тана, если дополнительные затраты на токены делают продукт полнее и качественнее, на них нельзя скупиться. * **Человек как агент влияния:** ИИ не заменяет людей, но требует от них «агентности» — способности ставить цели и иметь «горящее желание» решить конкретную проблему. Тан утверждает, что любой вид умственного труда может быть «токенмаксизирован». Однако он подчеркивает, что это не приведет к исчезновению профессий, так как машинам по-прежнему не хватает человеческого вкуса, понимания дизайна и искренней заботы о конечном пользователе. ## 🛠️ GStack: операционная система для «вайб-кодинга» [[JUMP:10:07]] Процесс автоматизации собственных задач привел Гарри Тана к созданию **GStack** — набора инструментов и промптов, которые он использует в ежедневной работе. GStack вырос из простых заметок в Apple Notes, где Тан фиксировал повторяющиеся инструкции для Claude Code. Ключевые компоненты GStack: 1. **ASCII-схемы:** Перед началом работы модель обязана создать текстовую диаграмму потоков данных и состояний. Это помогает ИИ лучше загрузить контекст и избежать ошибок в логике. 2. **CEO Plan:** Промпт, имитирующий работу Брайана Чески (Airbnb). Он заставляет ИИ думать о «10-звездочном опыте» и искать решения, которые дают в 10 раз больше ценности при вдвое больших усилиях. 3. **Office Hours:** Симуляция консультации с экспертами YC для проверки востребованности фичи. 4. **QA-агент (Browse):** Инструмент на базе Microsoft Playwright, который автоматически тестирует интерфейс в браузере, имитируя действия пользователя. Гарри Тан признается, что раньше ненавидел писать тесты, но теперь ИИ позволяет достигать 80–90% покрытия кода тестами без лишних усилий. Это критически важно для перехода от «слопа» (некачественного кода) к надежному продукту. ## 📈 Производительность 400x: миф или реальность? [[JUMP:30:11]] Заявление Тана о росте продуктивности в 400 раз вызвало волну критики в интернете. Многие эксперты утверждают, что количество строк кода не является мерой эффективности. Однако Гарри Тан парирует это данными из репозиториев: после очистки кода от «мусора» и стандартизации логических строк выяснилось, что он действительно пишет в сотни раз больше, чем среднестатистический инженер. Статистика, приведенная в дискуссии: * **Обычный инженер:** выдает около 30–50 строк протестированного, готового к продакшену кода в день. * **Гарри Тан в 2013 году:** писал около 14 строк в день, работая на полставки. * **Гарри Тан сегодня:** отправляет по 13 PR (запросов на слияние) за 48 часов, управляя 15 ИИ-агентами одновременно. По мнению Тана, критики просто не пробовали работать с современными инструментами вроде Claude Code. Он считает, что для людей с техническим бэкграундом и хорошим вкусом ИИ становится «крыльями», позволяющими летать. ## 🏎️ ИИ как Ferrari: почему вам все еще нужен гаечный ключ [[JUMP:24:21]] Использование современных моделей ИИ Гарри Тан сравнивает с вождением Ferrari: это невероятно быстро и захватывающе, но машина может сломаться в любой момент. В такие моменты разработчик должен «вылезти с гаечным ключом, открыть капот и починить все самостоятельно». Участники обсудили концепцию «тонкого каркаса» (thin harness) и «жирных навыков» (fat skills): * **Каркас:** Это базовый цикл взаимодействия с LLM. Его не нужно переписывать с нуля, лучше использовать готовые решения вроде Claude Code. * **Навыки:** Главная ценность смещается в сторону написания качественного Markdown-кода (инструкций). Тан называет это умением составить чек-лист для организации свадьбы: вы должны на обычном языке объяснить машине, что именно нужно сделать. Разница между кодом и Markdown, по мнению Гарри Тана, в том, что код хрупок и детерминирован, а LLM обладают «латентным пространством» — они понимают мотивацию пользователя и умеют обрабатывать исключительные ситуации. ## 🛡️ Личный ИИ против корпоративного контроля [[JUMP:34:25]] В финале беседы Гарри Тан затронул экзистенциальный вопрос будущего технологий. Он считает, что мы стоим на пороге революции персональных компьютеров, но в сфере ИИ. Два сценария развития будущего по версии Гарри Тана: 1. **Персональный ИИ:** У каждого есть своя модель, свои данные, свои промпты и полный контроль над тем, что он видит и создает. 2. **Корпоративный ИИ:** Пользователи потребляют контент через алгоритмы, созданные корпорациями (как лента Facebook), где бизнес-модель важнее интересов человека. Тан призывает основателей стартапов не экономить на токенах, сравнивая эти расходы с арендой офиса в Сан-Франциско. «Жить в Сан-Франциско дорого, но не жить там — еще дороже», — проводит он аналогию. Точно так же отказ от «токенмаксинга» сегодня может стоить компании конкурентоспособности в будущем. Итоговая мысль встречи: использование машинного интеллекта позволяет человеку стать «миллиардером времени». Вместо того чтобы тратить часы на рутину, можно «заимствовать» миллионы лет машинного сознания для решения задач, которые действительно важны для человечества.