この記事は、Andrej Karpathy が Sequoia Ascent 2026 で Stephanie Zhan と行った対談（ファイアサイドチャット）を本人がまとめたものである。2 つの文書を収めている。対談の知的な内容の要約と、イベントの書き起こしを整えたものである。どちらも、モデルに彼の最近のブログ記事とツイート、続いて動画の書き起こしを与えて作成された。彼は使用したモデルの名前を挙げ、出力を読んで「目立った誤りはなく、問題なく読める」と述べ、内容を読者や他の LLM にとって読み取りやすいものにするために公開すると説明している。したがって、全体の文言は発言内容をモデルが言語化したものであり、話者本人が確認はしているが執筆はしていない。
記事の軸となる主張は、大規模言語モデルがチャットボットやオートコンプリートであることをやめ、デジタルな仕事のための新しいプログラム可能な層になったこと、そしてその変化がある特定の時点で目に見えるようになったことである。Karpathy は段階的な変化が起きた時期をおよそ 2025 年 12 月としている。それまでエージェント型ツールは有用ではあるが頻繁な修正を必要としていたが、生成されるまとまりがより大きく、一貫性があり、信頼できるものになったため、彼は修正するのをやめた。彼はこれを、自分を「無限のサイドプロジェクトという底なしの穴へ」送り込んだと表現している。彼の説明によれば、プログラミングの単位は行を打ち込むことから、マクロな行動（この機能を実装する、このサブシステムをリファクタリングする、このライブラリを調べる、テストを書いて失敗を直す）を委任することへと移り、プログラマーはエージェントのオーケストレーターになる。
背景
記事の枠組みのいくつかは、彼が別の場所で書いてきた名前付きの考え方であり、ここで改めて述べられている。Software 3.0 は、手書きのコードと学習された重みに並ぶ第 3 のプログラミング手段としてプロンプティングを位置づけ、コンテキストウィンドウをてこ、モデルをインタプリタとみなす。ジャギッド・インテリジェンス は、能力がある場所では突出し別の場所では崩れる理由を説明するもので、彼はその背後にある 2 つの軸として、検証可能性と、ラボがその領域にどれだけ注力したかを挙げている。「動物対幽霊」という枠組みは、これらのシステムは欲求や好奇心を持つ動物の心ではなく、事前学習、強化学習、経済的インセンティブによって形作られた統計的なシミュレーションだと論じる。彼はこれを、直接的な実践上の帰結を持つ助言としてではなく、擬人化された期待を避けるための方法として示している。
記事が バイブコーディング と エージェント型エンジニアリング の間に引く区別は、最も引用されやすい部分である。バイブコーディングは下限を引き上げ、欲しいものを説明するだけでほとんど誰でもソフトウェアを作れるようにする。一方、エージェント型エンジニアリングは上限を引き上げるものであり、正しさ、セキュリティ、センス、保守性を手放すことなく、誤りうるエージェントを調整する専門的な規律である。彼は、かつての「10x エンジニア」という考え方では、その上限が今どこまで伸びているかを過小評価していると論じる。
記事では 2 つの帰結が導かれる。1 つは採用である。彼は、小さなコーディングパズルを出すのではなく、新しいスキルを直接試すべきだと論じる。エージェントを使って相応の規模のプロジェクトを構築し、デプロイし、セキュリティを確保し、そのうえで敵対的なエージェントにそれを壊させてみる、というものである。もう 1 つは、インフラを人間ではなくエージェント向けに書き直すべきだということである。Markdown のドキュメント、CLI、API、MCP サーバー、構造化ログ、機械可読なスキーマ、コピー＆ペーストできるエージェント向けの指示、安全な権限付与、監査可能なアクション、ヘッドレスなセットアップフローなどであり、彼はこれを、エージェントに世界に対するセンサーとアクチュエーターを与えることだと位置づけている。それが実現したかどうかを判断するために彼が繰り返し持ち出すテストはデプロイである。アプリを作るのは簡単な部分であり、ホスティング、認証、決済、DNS、シークレット、本番環境の設定をつなぎ込むのはそうではなかった。
記事は教育の話で締めくくられる。その中心にあるのは、彼が何度も立ち返るという一文、「思考は外注できるが、理解は外注できない」である。エージェントが作業をする場合でも、人がエージェントを方向づけるには理解が必要である。何を作る価値があるのか、どの結果が疑わしいのか、どのトレードオフが許容できるのかを知るためである。そして彼は、エージェントが雑多な情報源を少しずつ、要約、エンティティページ、概念ページ、矛盾点、相互リンクから成る永続的な wiki へとまとめ上げていく、LLM が維持管理するナレッジベースを、単に質問に答えるのではなくそうした理解を生み出すためのツールとして示している。彼はこれを、より広い論点の一例として挙げている。すなわち、興味深い問いは、AI がどの既存のワークフローを高速化できるかだけでなく、これまでまったく不可能だったどんな情報の変換が可能になるかでもある、という論点である。
希少なものがどこへ向かっていると彼が判断しているかは、はっきりと述べられている。希少でなくなるのは、コード生成、API の記憶、ボイラープレート、最初の下書き、繰り返しのセットアップである。より希少になるのは、理解、センス、評価の設計、セキュリティ、システムの境界、エージェントのオーケストレーション、ドメイン固有のフィードバックループ、そしてモデルが道を外れているときにそれに気づけることである。