Andrej Karpathy publicó el 1 de noviembre HackerTube, un sitio que solo recomienda videos elogiados una y otra vez por usuarios de Hacker News. Según su relato, Claude tardó unas dos horas en construirlo, desde la limpieza de datos hasta el despliegue.
Qué es HackerTube
HackerTube es una lista de videos de YouTube con un criterio distinto al del algoritmo habitual. No entra lo que más se ve, sino lo que la comunidad de Hacker News, un foro técnico con veinte años de historia, volvió a recomendar en momentos diferentes.
La idea nace de una frustración concreta. Karpathy escribió que estaba cansado de las recomendaciones de YouTube y quería una fuente con memoria: videos que siguieran pareciendo buenos años después, no solo durante la semana en que se publicaron.
El sitio muestra tarjetas con un resumen, una explicación de por qué gustó en el foro, el género y una nota sobre si envejeció bien. Todo eso lo escribió un modelo, no un editor humano.
Tres filtros para pasar de 100.000 enlaces a 6.454 videos
El primer paso fue recolectar. El sistema revisó los comentarios publicados en Hacker News entre 2007 y 2026 y extrajo todos los enlaces a YouTube. Aparecieron más de 100.000 videos distintos.
El segundo filtro es el que da sentido al proyecto. Para entrar, un video tenía que haber sido recomendado por al menos tres personas, en al menos tres meses diferentes y con un comentario real de por medio. Esa regla descarta el enlace pegado al pasar, el chiste y la mención de compromiso. Quedaron unos 7.000.
El tercer paso fue leer. Claude revisó cada comentario junto con el título de la historia donde aparecía y clasificó la intención: recomendación, cita, broma o crítica. Etiquetó 39.834 comentarios con ese criterio.
Después escribió la ficha de cada video. El resultado final son 6.454 tarjetas que cubren unos 150 temas. El orden no premia el pico de popularidad, sino la cantidad de meses distintos en que alguien volvió a recomendar el mismo enlace.
Ese detalle es el corazón del experimento. Un video que aparece diez veces en una sola discusión no vale lo mismo que uno que reaparece durante cuatro años. La métrica mide persistencia, no ruido.
Quién hizo qué: un Opus y varios Sonnet
Karpathy describe su propia participación como tres trámites de navegador. Sacó una clave de la API de Google Cloud para obtener metadatos de YouTube, alquiló un servidor y compró el dominio.
El resto lo hizo Claude. Opus 5.5, trabajando en Claude Code para escritorio en una Mac con esfuerzo medio, construyó el pipeline de datos, el sistema de búsqueda y recomendación, el sitio y el despliegue. Karpathy le pasó la dirección IP y le pidió actualizar, reforzar, desplegar y optimizar.
Las partes repetitivas se repartieron. Las etiquetas de comentarios, las fichas de video y la lista de temas las produjeron varios agentes Sonnet 5.5 coordinados por Opus. Es una estructura de trabajo con un responsable que delega y un equipo que ejecuta en paralelo.
El post tuvo más de 3,2 millones de visualizaciones en quince horas. La reacción se centró menos en el sitio y más en el reparto: una persona con criterio y una flota de modelos haciendo el trabajo de un equipo pequeño.
El archivo de 17,8 MB y el DATA.md para agentes
El proyecto no se queda en la web. HackerTube publica un zip de 17,8 MB bajo licencia ODC-By 1.0, exportado el 31 de octubre. Dentro hay cuatro archivos: videos.jsonl con 6.454 líneas, mentions.jsonl con 39.834, related.jsonl con 3.778 y taxonomy.json con los 150 temas.
Por las condiciones de la API de YouTube, el paquete no incluye datos como número de visualizaciones o duración. Se pueden recuperar con el identificador del video y una clave gratuita, en unas 130 peticiones.
Hay un quinto archivo que dice mucho sobre cómo se pensó el proyecto. Se llama DATA.md y está escrito para que lo lea un agente de IA: explica cómo se relacionan los archivos, dónde están las trampas, qué forma tiene un registro y cómo guiar a una persona para obtener los metadatos que faltan.
Karpathy cierra su publicación con una instrucción simple: apunta tu Claude al archivo. El proyecto se entrega con manual para máquinas, no solo para humanos.
Dos horas: qué significa y qué no
La cifra de las dos horas es la parte más citada y la más frágil. Es el relato del autor, sin reproducción independiente. Nadie ha publicado un intento cronometrado con las mismas condiciones.
También depende del entorno. Claude Code, la versión de escritorio, el modelo exacto y el nivel de esfuerzo configurado forman parte del resultado. Cambiar cualquiera de esas piezas cambia el tiempo y probablemente la calidad.
Y hay un trabajo previo que no aparece en el cronómetro: decidir qué construir, definir las tres reglas de filtrado y juzgar si el resultado servía. Esa parte la puso Karpathy, y es la que suele ocupar más tiempo en un proyecto real.
Qué haría falta para repetirlo
Lo replicable es el método. Separar la recolección de datos, la clasificación y la presentación. Delegar la lectura repetitiva a agentes baratos y reservar el modelo más capaz para la coordinación y el despliegue. Escribir documentación pensada para que otro sistema la entienda.
Lo difícil de copiar es el criterio. Las reglas de tres personas y tres meses no salieron de una plantilla: son una decisión editorial sobre qué hace valiosa una recomendación. Un modelo puede ejecutar ese criterio millones de veces, pero no lo inventa.
¿Se puede repetir en casa? En parte.
Para quien quiera probar en casa, el archivo está abierto y el manual también. El sitio es la demostración. La parte interesante es el proceso que quedó documentado detrás.
