你刚刷到这条消息，本来准备顺手划走，但又怕自己错过了真正会影响下一步判断的那一点。
最容易做错的，是Karpathy joins Anthropic；代价往往是如果只盯表面热闹，你很容易在错误方向上花掉时间、预算和注意力。；我先给一个保守判断：最会讲AI的人，还是回到了最贵的训练层。。
我先给结论：卡帕西不教了，回去训Claude了。最会讲AI的人，还是回到了最贵的训练层。
为什么这么说？因为他 2024 年刚做 Eureka Labs，把主叙事放在 AI 教育上，首个产品是 LLM101n；到了 2026 年 5 月 19 日，公开信息又指向他加入 Anthropic 的 pre-training team，还说自己想回到 R&D。前者是在教人怎么理解模型，后者是在做模型最上游的预训练。
预训练，白话说，就是基础模型先从海量数据里“长脑子”的那一层。你今天在聊天框里觉得一个模型够不够聪明，很多上限其实在那里就已经定下来了。
所以，这条更新最有信息量的地方，不是明星跳槽，也不是哪个公司又多了一个名人。一条更新值不值得看，不看它列了多少功能，先看它会不会改掉你下一步的判断。
我的边界也说清楚：我不会把一个人的去向硬写成整个行业拐点。基于 2026 年 5 月 19 日之前这些公开信号，我只敢下一个很窄的判断：真正值钱的竞争，至少还在基础模型训练这一层。如果你身边还有人在把 AI 理解成“再找一个更顺手的聊天工具”，把这条转给他。 #AI #Anthropic #LLMs #TechLeadership
真正该讨论的是：Karpathy joins Anthropic