Andrej Karpathy skifter til Anthropic: En af AI-feltets skarpeste hjerner satser på pre-training

Den 19. maj 2026 kom nyheden, som AI-verdenen ikke helt havde ventet: Andrej Karpathy, en af deep learnings mest anerkendte forskere og en af OpenAIs grundlæggere, skifter til Anthropic. Han tilslutter sig pre-training-teamet under Nick Joseph og skal bygge et nyt hold, der arbejder med at bruge Claude til at accelerere Anthropics egne pre-training-processer.

Det er en ansættelse, der sender et klart signal om, at Anthropic ikke længere kun er et safety-selskab – det er nu også et selskab, der konkurrerer aktivt på frontier-niveauet af grundlæggende modeltræning.

Hvem er Andrej Karpathy?

Andrej Karpathy er ph.d. fra Stanford under Fei-Fei Li, var med til at grundlægge OpenAI i 2015, og ledede derefter Teslas Autopilot- og FSD-program fra 2017 til 2022. Her byggede han ikke blot systemer – han omdefinerede, hvordan man træner neurale netværk på reale køretøjsdata i skala.

Han vendte kortvarigt tilbage til OpenAI, forlod det igen i 2024 og startede Eureka Labs – et AI-uddannelses-startup med ambitioner om at gentænke læring ved hjælp af AI-tutors. Nu er det kapitel lukket. Karpathy er klar til noget større: at være med til at bygge næste generation af frontier language models.

Hans YouTube-kanal, som tæller over 1 million abonnenter, er blevet obligatorisk læsning for enhver, der vil forstå transformer-arkitekturens indre. Hans kursus “Neural Networks: Zero to Hero” er et af de mest citerede ressourcer i feltet. Det er altså ikke en manager eller strateg, Anthropic har hyret – det er en hands-on ingeniørforsker.

Hvad skal han lave hos Anthropic?

Ifølge TechCrunch og Axios er Karpathys opgave todelt: han tilslutter sig Nick Josephs pre-training-team, og han bygger et dedikeret underteam, som skal bruge Claude – Anthropics egne modeller – til at fremskynde pre-training-forskningen. Det er et eksempel på det, man i feltet kalder “AI-accelereret AI-forskning”: at lade modellerne selv bidrage til at gøre træningen bedre, hurtigere, mere effektiv.

Det er her, Karpathys baggrund er særlig relevant. Han forstår både den matematiske grundvold (backpropagation, attention-mekanik, datapipelines) og de praktiske ingeniørmæssige udfordringer ved at træne modeller i massiv skala. Tesla-årene lærte ham noget, de fleste akademikere aldrig når: hvordan man får et komplekst system til at virke i virkeligheden, ikke kun på benchmarks.

Anthropic har allerede investeret markant i infrastruktur. Tidligere i maj sikrede selskabet sig 220.000 GPU’er via et partnerskab med SpaceX – en kapacitetsudvidelse, der nu begynder at give mening i lyset af, at de rekrutterer folk på dette niveau.

Hvad siger det om AI-kappet i 2026?

Rekrutteringen af Karpathy er et signal – ikke bare om Anthropics ambitioner, men om hvor kampen står i 2026. OpenAI og Google er ikke de eneste spillere, der jagter frontier-performance. Anthropic har systematisk opbygget sin position: stærk forskning, stærk sikkerhed, og nu stærk pre-training-kapacitet med folk, der ved, hvad de laver.

Det interessante er, at Karpathy valgte Anthropic frem for at blive i OpenAI-ecosystemet eller starte noget nyt. Det antyder, at Anthropics forskningsmiljø og den retning, de bevæger sig i, er attraktiv for folk, der er drevet af det grundlæggende tekniske problem – ikke primært af kapitalrejsning eller marketingssprog.

For udviklere og IT-folk, der følger med, er konklusionen klar: Anthropic er i gang med at opbygge kapacitet til at konkurrere på det allerhøjeste niveau inden for LLM-træning. Det er ikke længere en organisation, der udelukkende kigger på alignment og sikkerhed fra sidelinjen – de vil aktivt forme, hvad næste generations modeller kan. Anthropics forskning i hukommelseskonsolidering for Claude-agenter er et andet eksempel på, at de tænker dybere end de fleste om, hvad avancerede modeller egentlig er i stand til.

Andrej Karpathy skriver den næste side i sin egen karriere. Men den side bliver også en del af historien om, hvem der vinder kappet om frontier AI.