Воронка вместо пропасти

Андрей Карпати заявил, что разрыв в общем понимании возможностей LLM (больших языковых моделей) продолжает расширяться. По его словам, ситуация теперь больше напоминает «острую воронку», а не просто два лагеря людей, которые говорят на разных языках. По грубым подсчётам Карпати, около 6 миллиардов человек едва сталкивались с LLM, тогда как примерно 5 000 человек имеют доступ к передовым системам внутри лабораторий.

Четыре уровня одной воронки

Карпати описывает четыре уровня воронки, которые определяются масштабом задач, неравномерностью возможностей по областям знаний и уровнем доступа — free-tier, paid-tier и internal.


graph TD
    A["🌍 6 млрд человек\n(75% населения)\nПочти не касались LLM"]
    B["💬 1–2 млрд\n(~20%)\nКазуальные пользователи free-tier"]
    C["⚙️ 20 млн\n(0.2%)\nПрофессионалы: агенты, код, проекты"]
    D["🔬 ~5 000\n(0.00006%)\nВнутри лабораторий — frontier-модели"]
    A --> B --> C --> D

Уровень 1: 6 миллиардов «непричастных»

«Примерно 6 млрд человек (~75% населения) едва соприкасались с LLM», — написал Карпати. Для большинства жителей Земли нейросети остаются абстракцией из новостей.

Уровень 2: Миллиард «случайных» пользователей

Следующий уровень — казуальные пользователи. Около 1–2 млрд человек используют бесплатные ChatGPT-подобные продукты нерегулярно и воспринимают их как «улучшенный Google-поиск или инструмент для письма».

⚠ Ловушка первого впечатления
Карпати ещё в апреле предупреждал: многие попробовали бесплатный ChatGPT год назад и позволили этому опыту сформировать своё мнение об ИИ — возможно, навсегда.

Уровень 3: 20 миллионов профессионалов

Около 20 млн человек (0,2%) лично убедились, что крупные сложные проекты, которые раньше занимали недели и месяцы, теперь агенты выполняют по одному промпту. Сборка приложений, копирование приложений, декомпиляция из бинарников — всё это стало рутиной.

Уровень 4: 5 000 «внутри»

На вершине воронки — около 5 000 человек (0,00006%) с доступом к frontier-grade системам внутри лабораторий. Именно они видят, как рои из тысяч агентов совместно работают над масштабными software-проектами: находят zero-day уязвимости, ведут кибератаки и защиты на машинных скоростях, открывают новую науку, продвигают границы математики.

Почему воронка сужается, а не расширяется

«Эффект масштабируется вместе с амбициями, размером задачи и горизонтом планирования. Вопрос с ответом в один абзац едва нагружает систему. Нужен резервуар больших, сложных проблем, о которых вы действительно заботитесь», — объясняет Карпати.

ФакторОписаниеКто выигрывает
Масштаб задачиЧем сложнее проблема, тем больше отдачаПрофессионалы с hard-задачами
Jaggedness (неравномерность)LLM силён в цифровых, верифицируемых областяхРазработчики, математики
Уровень доступаFree → Paid → InternalСотрудники лабораторий

Возможности LLM пиковые в областях, которые цифровые, верифицируемые и экономически ценные — именно потому, что способности модели возникают из обучения с подкреплением на верифицируемых наградах в среде, сформированной потенциалом выручки.

ℹ Что такое frontier-grade LLM?
Frontier-grade LLM (передовые большие языковые модели) — это самые последние, мощные версии моделей, которые ещё не выпущены публично и доступны только внутри исследовательских лабораторий. Они значительно превосходят то, что доступно обычным пользователям.

Человек не успевает за машиной

Карпати также отмечает тревожную тенденцию: человеческое ревью и понимание начинают отставать от темпа работы систем. В качестве примера он приводит «археологию» инцидента OpenAI-HF, над которой люди всё ещё работают спустя месяцы, и 722 рукописи по математике, которые математикам ещё только предстоит разобрать.

Степень восхищения ИИ идеально коррелирует с тем, насколько активно вы используете ИИ для кода. — Андрей Карпати, апрель 2026

Контекст: кто такой Карпати и почему это важно

Андрей Карпати — соучредитель OpenAI и бывший директор по ИИ Tesla, сейчас работает в Anthropic. В мае 2026 года он присоединился к команде pre-training в Anthropic под руководством Ника Джозефа, чтобы вернуться к фронтирным исследованиям LLM.

Его пост — не просто очередной тред в Twitter. Это сигнал от человека, который лично видит frontier-системы изнутри и при этом много лет занимался образованием в сфере ИИ.

💡 Что это значит для вас
Если вы используете ИИ только для простых вопросов и коротких текстов — вы, скорее всего, на втором уровне воронки. Попробуйте доверить агентам большие, многоэтапные задачи: разработку фичи, анализ данных, написание полноценного модуля кода. Именно там разрыв в восприятии становится очевидным.

Значение для отрасли

Разрыв в понимании возможностей LLM — это не просто философская проблема. Он имеет прямые последствия:

  • Для бизнеса: компании, чьи решения принимают люди со второго уровня воронки, рискуют системно недооценивать ИИ-риски и возможности.
  • Для регуляторов: законодатели, не имеющие доступа к frontier-системам, пишут правила для прошлого поколения технологий.
  • Для общества: исследования подтверждают, что разрывы в использовании LLM не сокращаются, а в ряде случаев продолжают расти — особенно по возрасту, образованию и уровню дохода.

Мужчины, молодые люди, люди с высшим образованием и высокими доходами, а также сотрудники аналитических профессий значительно чаще используют большие языковые модели, причём эти разрывы со временем сохраняются или увеличиваются, но не сокращаются.

Воронка Карпати — это не приговор. Но это честный диагноз момента, когда разница между «слышал про ChatGPT» и «работает с frontier-агентами» стала измеряться уже не годами, а другим измерением реальности.