Karpathys tratt: Vem har egentligen AI-superkrafter just nu

Karpathys tratt: Vem har egentligen AI-superkrafter just nu

Andrej Karpathy har uppdaterat sin mycket delade tråd om kompetensklyftan, och bilden han målar upp är hård: ungefär 6 miljarder människor (75 % av mänskligheten) har liten eller ingen verklig kontakt med LLM:er utöver "dumma chattbottar", 1–2 miljarder är vardagsanvändare, omkring 20 miljoner yrkesverksamma ser genuina produktivitetsvinster från spjutspetsagenter för kodning/matematik, och en försvinnande liten grupp på ungefär 5 000 personer med intern tillgång till den absoluta frontlinjen kör agentsvärmar på uppgifter med lång tidshorisont — kompletta mjukvaruprojekt, cyberoperationer, forskningsnivå inom matematik och vetenskap [1][2][3].

Den skarpare poängen han gör: det här skiftet skedde snabbt. För mindre än ett år sedan innebar allvarligt arbete fortfarande handkodning för det mesta. Nu slutför agenter veckor eller månader av arbete utifrån en enda prompt — för de som har tillgång [2][3]. Den allmänna berättelsen om att "AI-chattbottar är okej men överhypade" och den interna verkligheten på de ledande labben beskriver alltmer två helt olika teknologier.

För den som bygger ett företag just nu är detta den enskilt viktigaste datapunkten i dagens briefing. Klyftan handlar inte längre om modellkvalitet — den handlar om vem som har tillgång till orkestreringsverktyg i toppklass och vem som fortfarande sitter och skriver i en chattruta. Den klyftan växer för varje dag.

Nvidia blickar mot Reflection AI: Chipbolaget vill ha en egen modell också

Financial Times rapporterar att Nvidia för tidiga samtal om att förvärva — eller väsentligt fördjupa sin ägarandel i — Reflection AI, startupen med öppna modellvikter som grundades av tidigare DeepMind-forskare 2024 och som redan stöttas av 800 miljoner dollar från Nvidia [1][2]. Alternativen som ligger på bordet sträcker sig enligt uppgift från ett fullständigt uppköp till en "acqui-hire"-struktur avsedd att undvika en långdragen konkurrensgranskning [2][3]. Reflection värderas till 25 miljarder dollar pre-money efter att deras första öppna modell, Beam, lanserades den 5 oktober [3].

Läs mellan raderna: Nvidia behöver inte sälja fler GPU:er för att motivera detta — bolaget behöver en trovärdig berättelse kring öppna modellvikter i takt med att kapplöpningen mellan USA och Kina om öppna modeller hettar till, och i takt med att molnleverantörernas kunder i allt högre grad vill ha alternativ till inlåsning i slutna API:er. Att äga eller kontrollera en öppen spjutspetsmodell ger Nvidia inflytande i varje lager av stacken, inte bara i kislet.

Om affären går igenom är det ytterligare ett tecken på att gränserna mellan "chipbolag", "molnbolag" och "modellbolag" håller på att lösas upp. Vertikal integration är namnet på spelet i slutet av 2026, och ingen vill vara den ensamma leverantören av ett lager som blivit en handelsvara.

Claude Codes multiagent-orkestrering blir mainstream

Medan finansieringsrubrikerna dominerar är den mer tyst viktiga historien det som händer i utvecklarnas arbetsflöden: Claude Codes mönster för multiagent-orkestrering har mognat snabbt. Utvecklare kör nu rutinmässigt Opus som en orkestrerare som delegerar uppgifter till underagenter baserade på Sonnet eller Haiku via Task-verktyget, med parallell exekvering, delade uppgiftslistor, filclaiming och MCP-krokar som koordinerar svärmen [1][3].

Benchmarks som cirkulerar denna vecka visar att Haiku hanterar 14 av 18 vanliga delegerade agenttyper till ungefär 20 gånger lägre kostnad än att använda Opus för allt, med Opus reserverat för arkitekturbeslut och kodgranskning [2]. GitHub-repon som katalogiserar 100+ specialiserade, återanvändbara agent-"skills" sprids snabbt bland utvecklare som behandlar detta mer som att bemanna ett team än att skriva prompter [3].

Det här är den praktiska, konkreta versionen av det Karpathy beskriver i abstrakta termer: skiftet från "jag skriver kod" till "jag orkestrerar agenter som skriver kod". Det sker i offentliga repon just nu, inte bara inom de ledande labben.

Vad detta betyder för ditt företag

Dagens nyheter är egentligen en och samma historia berättad på fyra olika sätt: värdeenheten inom AI skiftar från att generera innehåll till att fatta och genomföra beslut, och från kodning till orkestrering. TypeSafes Jev hoppar över text helt och hållet och levererar typade beslut. Claude Codes ekosystem är byggt kring routing och delegering, inte enskild modellpromptning. Karpathys tratt visar att de som ligger längst fram är de som kör agentsvärmar, inte de som skriver bättre prompter. Till och med Nvidias rapporterade drag mot Reflection AI handlar om att äga mer av beslutsstacken, inte bara beräkningskraften under den.

Om du är en företagsledare som just nu utvärderar AI-investeringar är frågan att ställa inte "vilken modell ska vi använda" — utan "var i vår organisation fattar vi fortfarande manuellt den typ av typade, repeterbara beslut som en modell för 0,04 dollar per miljon token skulle kunna fatta på 70 millisekunder, och var behöver vi faktiskt omdöme, känsla eller ansvarsutkrävande som ingen modell kan äga." Företagen som vinner i denna cykel är de som har förstått den distinktionen och byggt orkestreringslager — mänskliga och maskinella — kring den, snarare än att satsa allt på att en enda modell ska klara allting.

Den obekväma sanningen i Karpathys tråd är att klyftan mellan "har tillgång till agentsvärmar" och "använder en chattbot då och då" nu är den dominerande produktivitetsvariabeln inom tech, och den växer vecka för vecka, inte år för år. Att vänta på att tekniken ska mogna innan man agerar är inte längre ett neutralt val — det är att välja att tillhöra de 75 procenten.

Viktigaste slutsats: Vinnarna i den här cykeln är inte de med bästa modellen — det är de som har byggt om sina arbetsflöden kring delegering, typade beslut och orkestrering, medan alla andra fortfarande ber en chattbot om hjälp.