Karpathy 加入 Anthropic：一位 OpenAI 旧将重返前沿大模型训练

2026 年 5 月 19 日，The Decoder 作者 Matthias Bastian 报道称，AI 研究员 Andrej Karpathy 将加入 Anthropic。报道随后更新称，Karpathy 加入的是 Anthropic 的预训练团队。这个信息让新闻的重心从一次普通的人才流动，转向前沿大模型竞争中更底层的一块：基础模型训练。

Karpathy 的履历本身足够有分量。他曾是 OpenAI 早期核心团队成员，后来进入 Tesla，参与建设 Autopilot 与 Full Self-Driving 技术；之后又重返 OpenAI，并在 2024 年 离开。The Decoder 还提到，他最近通过 Eureka Labs 投入 AI 教育工作。现在，他选择加入 Anthropic，等于从教育项目回到前沿 LLM 研究一线。

报道中的时间尺度也值得注意。Karpathy reportedly described the next few years at the frontier of large language models as “especially formative”。换句话说，他并不是把这次转向描述成一次短期职位变化，而是把未来几年看作大模型基础能力继续成形的关键窗口。

一位关键研究员转身加入 Anthropic

The Decoder 把事件落点放在 Karpathy 加入 Anthropic，并在更新中明确称，他加入的是 Anthropic 的 pretraining team。报道还引用 Axios 的说法称，Karpathy 将组建自己的预训练团队。这使新闻多了一层含义：Anthropic 得到的不只是一个知名研究员，也可能是一支围绕基础训练问题展开的新团队。

报道称，Karpathy 是在 X 上宣布这一动向。The Decoder 随后把他的个人经历、Anthropic 的团队位置，以及 Axios 转述的团队方向放在同一篇报道里说明。对外部读者来说，最稳妥的理解是：这是一条已经由媒体报道并补充更新的人才新闻，但一些更细的内部安排仍来自二级转述。

这类转会之所以会被放大，是因为前沿模型公司的竞争已经不只体现在产品发布上。Chatbot、代码助手、企业 API 是外部能看到的界面，真正决定长期能力上限的，仍是训练方法、数据配比、研究迭代和工程组织。Karpathy 的名字刚好横跨这些层面：OpenAI 的早期研究、Tesla 的自动驾驶系统、Eureka Labs 的教育实验，以及现在 Anthropic 的预训练方向。

从 OpenAI 早期核心到 Tesla 自动驾驶，再到 AI 教育

The Decoder 回顾称，Karpathy 是 OpenAI 早期核心团队的一员。这段经历在报道中被形容为：

“especially formative”

这句引语原本指他对未来几年 LLM 前沿研究的判断，但也能解释外界为什么关注他的去向。Karpathy 并不是只在某一个产品线上积累经验。他在 OpenAI 接触过基础研究，在 Tesla 参与过面向现实世界的视觉与自动驾驶系统，后来又通过公开课程、讲解和 Eureka Labs 把重心转向教育。

Tesla 这一段尤其关键。Autopilot 和 Full Self-Driving 并不是纯实验室项目，它们要求模型、数据、工程系统和用户场景长期咬合。这样的经历会影响一个研究员看待大模型训练的方式：模型能力不是论文指标上的孤立数字，而是训练系统、反馈机制、工程部署和真实任务之间的综合结果。

The Decoder 称，Karpathy 后来重返 OpenAI，并在 2024 年 离开。最近一段时间，他的公开工作更多围绕 AI education 展开。基于报道中能确认的信息，他的路径可以清晰连起来：OpenAI、Tesla、再次回到 OpenAI、Eureka Labs，然后是这次加入 Anthropic。这个轨迹本身说明，他不是第一次在研究、产品系统和教育之间切换。

预训练为何成为这次转会的关键词

这条新闻最重要的关键词是“预训练”。The Decoder 对 Anthropic 预训练团队的描述是：它负责大模型后续专项化之前的基础训练阶段。报道还称，后续 fine-tuning 可以继续面向 reasoning、coding 或 math 等方向塑形。

“initial training of large AI models”

这句定义解释了 The Decoder 为什么把 Anthropic 的预训练团队作为报道重点。预训练不是外部用户最容易感知的产品功能，却是模型能力的底座。一个模型后面能否在推理、编程、数学、多步规划中表现稳定，很大程度上受基础模型阶段影响。后训练可以塑形和对齐，但很难凭空补出底座里没有的能力结构。

放在 Anthropic 与 OpenAI 的竞争中看，预训练团队也不只是一个技术部门名称。它代表公司愿意把资源继续压在基础模型能力上，而不是只围绕应用层做包装。Karpathy 加入这个位置，信号比“加入 Anthropic”四个字更明确：他回到的是前沿模型训练链条中最靠前、也最能影响后续能力边界的环节。

这并不意味着外界已经知道 Anthropic 下一代 Claude 的具体路线。当前材料没有给出模型发布时间、训练规模、数据细节或架构变化。能确定的是，The Decoder 报道 Karpathy 加入 Anthropic 的预训练团队；能进一步引用的是 Axios 被转述的说法，即他将组建团队，并关注如何用 Claude 加速预训练研究。

Claude 反过来加速 Claude：研究流程的新循环

The Decoder 转述 Axios 的关键细节，是 Karpathy 的团队将关注用 Claude 加速预训练研究。

“using Claude to speed up pretraining research”

这个说法的看点不在于 Claude 是否直接“训练自己”，而在于研究流程可能出现新的闭环。前沿模型训练涉及大量实验设计、日志分析、失败样本归因、数据清洗、基准对比和代码修改。若 Claude 能在这些环节里缩短研究人员的反馈周期，它对预训练团队的价值就不只是一个演示能力，而是一个内部研究工具。

The Decoder 在报道中写道，AI 研究的一项关键赌注，是模型能帮助改进模型自身，从而让进步速度继续叠加。这个判断还不能被简化成确定结论。模型辅助研究能带来多大效率提升，取决于很多现实条件：研究任务是否可形式化，内部工具链是否足够成熟，模型建议能否被可靠验证，以及团队是否能把人类判断和自动化流程放在合适的位置。

因此，这条线索更适合作为观察点，而不是已经完成的事实。外界可以关注 Anthropic 接下来是否更频繁地讨论内部研究自动化，是否公开 Claude 在训练研究中的用例，以及 Karpathy 是否围绕预训练、数据和评估发布更具体的技术观点。

对 OpenAI 的象征性损失，还是 Anthropic 的组织胜利

The Decoder 在报道中把这次动向称作 OpenAI 的：

“clear loss for his former employer”

这是一种报道判断，不是量化指标。事实层面可以确认的是，Karpathy 曾属于 OpenAI 早期核心团队，后来重返 OpenAI，并在 2024 年 离开；现在，The Decoder 报道称他将加入 Anthropic 的预训练团队。至于这对 OpenAI 造成多大实际影响，当前材料没有给出可衡量数据。

但从叙事上看，这件事确实对 Anthropic 有利。过去几年，OpenAI 长期占据“前沿模型研究中心”的公众心智；Anthropic 则更多以 Claude、安全研究、宪法式 AI 和企业采用作为识别点。Karpathy 这样的研究员加入 Anthropic，会强化一个信号：Anthropic 不只是 OpenAI 的产品竞争者，也在吸引曾经参与前沿模型早期建设的人才。

这并不等于 OpenAI 的研究能力被削弱到某个具体程度，也不等于 Anthropic 的下一步模型一定因此发生跳跃。顶尖模型公司的能力来自组织整体，而不是单个研究员。但在人才竞争、研究文化和外部叙事交织的行业里，关键人物的选择会改变外界对公司势能的判断。Karpathy 选择 Anthropic，至少让这种判断多了一个清晰案例。

未被证实的细节与后续观察点

仍需要保持边界感。当前可用材料来自 The Decoder 的报道，其中一些关键细节依赖 Karpathy 的 X 帖以及 Axios 的转述。报道页面没有显示 Anthropic 的官方新闻稿，也没有展示雇佣合同或团队编制文件。因此，能确定的是 The Decoder 报道了 Karpathy 加入 Anthropic，并称更新信息显示他加入预训练团队；能谨慎引用的是 Axios 被转述的说法，即他将组建自己的预训练团队，并关注使用 Claude 加速预训练研究。

除此之外，具体入职安排、团队规模、项目优先级和内部汇报关系，都不应由外部材料自行补全。接下来更值得观察的，是 Karpathy 是否公开谈到预训练研究方向，Anthropic 是否发布与该团队相关的招聘或研究内容，以及 Claude 是否在内部研究自动化上出现更明确的案例。

对读者来说，这条新闻的核心不是“某位名人换了公司”，而是前沿大模型竞争继续向更底层移动。产品层的竞争仍会被用户最先看到，但真正能改变下一代模型能力边界的，往往发生在更早的训练阶段。Karpathy 加入 Anthropic，正好把这一层重新推到台前。