Пока вы спали, ИИ провёл 700 экспериментов и нашёл то, что упустил Карпати

Большинство до сих пор работают с ИИ так же, как в 2005 году работали с поисковиком: вводишь запрос, читаешь ответ, вводишь новый. Модель молчит, пока её не подтолкнёшь, и вся работа держится на человеке за клавиатурой. Ещё пару лет назад такой подход давал результат. Сейчас он проигрывает.

Разработчики, которые выжимают из нейросетей на порядок больше, не подбирают более удачные формулировки и не пользуются секретными моделями. Они строят циклы, и главным человеком, который сделал эту идею невозможной игнорировать, стал Андрей Карпати.

Разница между промптом и циклом простая. Промпт — это одна команда: спросил, получил ответ, решил, что делать дальше. Цикл — это цель, к которой модель идёт сама, пока не достигнет результата, без человека, который должен подталкивать её на каждом шаге. Система сама разбирается, что нужно сделать, составляет план, выполняет работу, проверяет результат и, если цель не достигнута, отправляет результат обратно на вход и повторяет попытку. Человек формулирует задачу один раз, а дальше цикл справляется сам.

Три вещи решают, заработает цикл или превратится в дорогую имитацию бурной деятельности. Первая — верификатор, реальная проверка результата: тест, который проходит или падает, метрика, которая растёт или снижается, сборка, которая либо компилируется, либо нет. Без такой проверки модель просто хвалит сама себя за проделанную работу. Вторая — память о попытках: небольшой файл, куда цикл записывает, что уже пробовал и что не сработало, иначе каждый новый заход начинается с чистого листа и повторяет старые ошибки. Третья — условие остановки: без него цикл будет работать, пока не добьётся своего, не сломается или не опустошит счёт за токены. У рабочего цикла всегда есть два выхода: цель достигнута либо исчерпан лимит попыток.

Прежде чем городить цикл, стоит проверить, оправдывает ли задача такие вложения. Так происходит только тогда, когда совпадают сразу четыре условия. Задача повторяется минимум раз в неделю, иначе настройка цикла не окупится, а разовую работу дешевле закрыть одним хорошим промптом. Проверка результата автоматизирована — есть тесты, линтер, тайпчекер или сборка, способные забраковать работу без участия человека, иначе разработчик снова читает каждый диф вручную, а именно от этой рутины должен был избавить цикл. Бюджет на токены выдерживает потери, потому что цикл перечитывает контекст, пробует и ошибается заново, сжигая токены независимо от результата на выходе. И наконец, у агента есть настоящие инструменты: логи, среда для воспроизведения, возможность запустить написанный код и увидеть, что сломалось, иначе цикл действует вслепую. Если хотя бы одно из условий не выполняется, цена цикла превышает пользу от него.В марте 2026 года Андрей Карпати выложил на GitHub репозиторий под названием AutoResearch: три файла и около 630 строк кода. Через месяц у проекта было больше 66 тысяч звёзд, а Fortune окрестил подход «циклом Карпати».

Устройство почти до неприличия простое. Train.py — скрипт обучения, единственный файл, который агенту разрешено менять. Prepare.py — оценщик, который выставляет модели баллы; трогать его агенту запрещено, иначе он просто упростит себе тест вместо того, чтобы улучшать модель. Program.md — инструкция, которая описывает, что агенту исследовать и какие ограничения соблюдать.

Дальше агент крутится по кругу: читает код, предлагает изменение, обучает модель пять минут, проверяет, стал ли результат лучше, фиксирует удачную правку или откатывает неудачную, и начинает заново. Человек в это время спит, а утром получает журнал экспериментов и, как правило, модель получше. К train.py разработчик больше не притрагивается — он один раз пишет program.md, а всю работу берёт на себя агент.

Карпати запустил цикл на модели, которую сам вручную настраивал два десятилетия, и оставил его работать на двое суток. Агент провёл 700 экспериментов и нашёл 20 улучшений, которые ускользнули от автора, включая недостающий скалярный множитель в механизме внимания, из-за которого внимание было размазано по головам сильнее, чем нужно. Это не баг, который поймал бы фаззер, а тонкая оптимизация, которую внимательный человек мог бы заметить, но не заметил, потому что люди устают уже после двенадцатого эксперимента, а агент не устаёт вообще.

Гендиректор Shopify Тоби Лютке прогнал тот же подход на внутренней модели за одну ночь и утром получил прирост качества на 19 процентов при том, что итоговая модель оказалась вдвое компактнее прежней: агент оптимизировал решение под конкретное железо, а не пошёл по накатанному пути «больше параметров — лучше результат».

Ключевая мысль Карпати звучит жёстко: если у задачи есть измеримая метрика, эксперименты за вас может ставить не человек, а сам агент. Человек в этой схеме — узкое место, и его стоит убрать из цикла.

Любой рабочий цикл, собран он в Claude Code, Codex или на связке баш-скриптов, держится на пяти элементах, и оба инструмента уже поддерживают их все. Автоматизация задаёт ритм: что-то должно запускать цикл по расписанию, событию или триггеру, будь то команда /loop и /goal в Claude Code или вкладка Automations в Codex, иначе получится разовый скрипт, а не цикл. Skill хранит знание о проекте, чтобы агент не угадывал заново каждый запуск: соглашения команды, шаги сборки, тот случай, из-за которого теперь так не делают, записанные один раз в markdown и прочитанные при каждом прогоне; без этого цикл каждый раз восстанавливает контекст проекта с нуля, а с этим накопленный опыт работает на будущее. Сабагенты разделяют того, кто пишет код, и того, кто его проверяет: модель, написавшая решение, слишком охотно хвалит собственную работу, а второй агент с другими инструкциями ловит то, что первый сам себе простил, поэтому пишущий агент может быть быстрым и дешёвым, а проверяющий — медленным и придирчивым. Коннекторы дают циклу действовать в реальном окружении: читать таск-трекер, открывать пул-реквест, писать в Slack, обновлять карточку в Linear — разница между агентом, который говорит «вот исправление», и циклом, который это исправление выкатывает и утром отчитывается о результате. И наконец верификатор — тест, тайпчекер или сборка, которые автоматически отклоняют слабую работу; всё остальное вокруг — обвязка, а именно верификатор превращает цикл из имитации в нечто настоящее.В марте 2026 года два исследователя опубликовали на arXiv статью «Bilevel Autoresearch: Meta-Autoresearching Itself» и задали простой вопрос: если автоисследование само по себе форма исследования, можно ли применить автоисследование к самому автоисследованию?

Ответом стал второй цикл поверх первого. Внутренний цикл делает то же, что и оригинальный подход Карпати: предлагает изменение, обучает модель, оценивает результат, оставляет удачный вариант или откатывает неудачный. Внешний цикл наблюдает за работой внутреннего, читает его код и трассировки, находит места, где поиск буксует, и генерирует новый Python-код, который меняет саму логику поиска внутреннего цикла, после чего внедряет этот код и запускает внутренний цикл заново.

На бенчмарке предобучения GPT, который использовал сам Карпати, такая связка дала пятикратное улучшение по сравнению с обычным одиночным циклом (минус 0,045 против минус 0,009 по val_bpb). Не пять процентов, а именно в пять раз. Оба уровня работали на одной и той же модели, то есть прирост дала не более умная нейросеть, а сама архитектура из двух вложенных циклов. Внешний цикл обнаружил, что внутренний раз за разом скатывается в одни и те же шаблоны поиска: у модели есть свои привычные направления оптимизации, и она возвращается к ним, даже когда те перестают работать, а внешний цикл ломает эту привычку, вынуждая исследовать то, что модель обычно игнорирует. Авторы статьи заканчивают её фразой, которую стоит запомнить: если автоисследование способно мета-исследовать само себя, в принципе оно способно мета-исследовать что угодно, что имеет измеримую цель.

Простой цикл можно попробовать уже сейчас без всяких Claude Code и Codex — достаточно попросить любую языковую модель работать по кругу: сформулировать задачу и жёсткие критерии успеха, а дальше на каждом шаге заставлять модель планировать следующий шаг, делать работу, оценивать результат по каждому критерию и останавливаться только тогда, когда все оценки достаточно высоки, иначе продолжать и в первую очередь исправлять самое слабое место. Это уже цикл, просто самодельный: у него нет расписания и памяти между сессиями, закрыл вкладку — и цикл исчез, но базовый механизм он показывает честно. От такого наброска до полноценного автономного цикла остаётся добавить автоматический запуск, файл состояния и настоящий верификатор.

Цикл меняет саму работу, но не убирает из неё человека, и по мере того как цикл становится лучше, острее становятся две проблемы, а не наоборот. Первая — долг понимания: чем быстрее цикл поставляет код, который никто не писал вручную, тем больше разрыв между тем, что лежит в репозитории, и тем, что команда на самом деле понимает, а этот разрыв копит проценты, как долг, и день, когда придётся чинить систему, которую никто в команде не читал, обойдётся дороже любых токенов. Вторая — отказ от собственного мышления: когда цикл работает сам, слишком легко перестать формировать своё мнение и просто соглашаться с тем, что он выдал. Разработка цикла с включённой головой — лекарство, а разработка цикла, чтобы не думать самому, — ровно то же действие с противоположным результатом. Два человека способны собрать один и тот же цикл и получить противоположные исходы: один ускоряет работу, которую понимает досконально, второй с его помощью просто избегает понимания вовсе. Цикл не различает эти случаи сам, различать приходится человеку.

Карпати перестал писать код руками, другой известный инженер, упомянутый в оригинальном посте, перестал вручную вести модель по шагам, но ни один из них не перестал думать головой. Пожалуй, в этом и есть суть истории.

Источники: репозиторий AutoResearch на GitHub, материал Fortune о цикле Карпати, препринт Bilevel Autoresearch на arXiv.