Ik had hem opgeslagen voordat ik hem bekeken had. Dat is precies wat het draadje vroeg: “You probably don’t have 2 hours right now. Don’t let this disappear from your feed.” Andrej Karpathy, acht jaar OpenAI en Tesla, zou vorige week alles wat hij weet in één gratis lezing van twee uur hebben gestopt. Agents, loops, graphs, self-improving systems. ’s Avonds zocht ik hem terug en stond er een Community Note onder. De lezing in de video heet “How I Use LLMs” en staat sinds 27 februari 2025 online.
Anderhalf jaar oud dus, en ik had hem opgeslagen als iets van vorige week.
Hoe het draadje in elkaar zit
Vier lagen boven elkaar, en pas als je ze samen ziet wordt duidelijk waar het naartoe werkt.
Dit is de post, woordelijk:
Andrej Karpathy spent 8 years at OpenAI and Tesla
Last week, he packed everything he knows into one free 2-hour lecture
Agents → Loops → Graphs → Self-Improving Systems
People pay $15K for bootcamps that teach less than this
This lecture is better than most paid AI engineering courses
You probably don’t have 2 hours right now
Don’t let this disappear from your feed
Watch it
Then read the guide below
Bron: @0xwhrrari op X, 17 augustus 2026.
En dit is de Community Note die eronder kwam te staan:
The lecture shown in the video, ‘How I use LLMs,’ was actually released by Andrej Karpathy on February 27, 2025, not ‘last week’.
Wat er verder in het draadje hangt, staat hieronder.
| Laag | Wat er staat |
|---|---|
| 1. De post, 17 augustus | De tekst hierboven, met een video eronder. Zeven regels, waarvan er twee de datum en de inhoudsopgave dragen. |
| 2. Het eigen artikel eronder, 10 augustus | Aan de post hangt een citaat van zijn eigen stuk, “Graph Engineering: How to Build AI Agent Systems That Don’t Break at Scale”. De laatste regel van de post wijst er expliciet naartoe. |
| 3. De Community Note | Lezers voegden toe dat de lezing in de video “How I use LLMs” is, uitgebracht op 27 februari 2025, en dus niet van vorige week. Met een link naar de video. |
| 4. De reacties | Twee mensen herkenden de video meteen: een van hen schreef dat het over een jaar oud is en dat het recyclen ervan als vers moet stoppen. Een derde reactie prees de content zonder de datum te noemen, en had ruim tien keer zoveel weergaven als de correctie eronder. |
Laag 1 leent het gezag, laag 2 verzilvert het, laag 3 en 4 komen te laat. Dat is de hele machine.
Wat er staat en wat de bron laat zien
De post van @0xwhrrari verscheen op 17 augustus 2026 en stond op het moment dat ik hem controleerde op 559.500 weergaven, 2.700 likes, 422 reposts, 85 reacties en 8.000 bookmarks. Vier claims, en ze houden zich verschillend goed.
| Claim in het draadje | Wat de bron laat zien |
|---|---|
| “Last week” | Karpathy plaatste de video zelf op 27 februari 2025, 2 uur en 11 minuten |
| “Agents → Loops → Graphs → Self-Improving Systems” | De hoofdstukken van die video gaan over het LLM-landschap, thinking models, geheugen, custom instructions en custom GPTs |
| “8 years at OpenAI and Tesla” | Klopt ongeveer: OpenAI 2015-2017, Tesla 2017-2022, OpenAI 2023-2024 |
| “People pay $15K for bootcamps that teach less” | Geen bron, geen bootcamp genoemd, niet te controleren |
De tweede regel is de interessantste. De datum is fout, maar de inhoudsopgave hoort bij een lezing die niet in de video zit. “How I Use LLMs” is een rondleiding langs ChatGPT, Claude en Gemini voor een algemeen publiek. Agents, loops en graphs komen daar niet in voor. Die woorden komen uit het artikel dat het draadje zelf aanprijst: “Graph Engineering: How to Build AI Agent Systems That Don’t Break at Scale”, een week eerder gepubliceerd door dezelfde account. De video levert het gezag, het artikel de bestemming.
Het is één sjabloon, en het draait op meerdere accounts
Terwijl ik dit natrok kwam ik dezelfde constructie in een handvol varianten tegen, allemaal tussen 13 en 19 augustus 2026:
- @0xCodila op 13 augustus, 332.200 weergaven: “Anthropic’s Andrej Karpathy just released 1-hour Stanford lecture”. Karpathy heeft nooit voor Anthropic gewerkt; hij richtte in 2024 Eureka Labs op.
- Minstens vier accounts met woordelijk dezelfde opsomming: 10% LLM, 30% Prompt, 50% Agent, 70% Loop, 100% Graph, gevolgd door het citaat “Delete everything, keep Graph”.
- Dezelfde tekst dook op 14 augustus ook op LinkedIn op, als “This 1-hour Stanford lecture will teach you more about AI engineering than 100 random AI courses”.
Dat citaat is het scherpste stukje bewijs. In de Stanford-lezing waar deze posts naar wijzen, CS25 V2 “Introduction to Transformers” uit 2023, legt Karpathy uit hoe de transformer ontstond door de recurrente laag weg te halen: delete all the RNN, just keep attention. In de reposts is dat “delete everything, keep Graph” geworden, wat aansluit bij het onderwerp van het artikel waar de post naartoe leidt. Een zin over architectuur uit 2023 is een slogan over agent-graphs in 2026 geworden.
Waarom de vorm werkt
Een deel van de verklaring zit in de bookmark-knop. De post van 17 augustus heeft drie keer zoveel bookmarks als likes. De tekst vraagt daar met zoveel woorden om. Opslaan is goedkoper dan kijken, en het kost de lezer niets om te doen alsof hij twee uur gaat vrijmaken. Van de 559.500 mensen die dit zagen heeft vrijwel niemand de video uitgekeken, en dat hoeft ook niet voor de constructie om te werken.
Wat me daarnaast opvalt is hoe weinig er nodig was. De video bestaat al, is gratis, en staat op het kanaal van iemand met een reputatie die je kunt lenen. De enige toegevoegde arbeid is een inhoudsopgave verzinnen en er een datum bij zetten.
Eén getal spreekt mijn eigen verhaal tegen. De originele post van Karpathy op 27 februari 2025 haalde 956.700 weergaven, 14.000 likes en 10.000 bookmarks. Het origineel deed het dus beter dan de recycling. En de correctie kwam ook: binnen een dag stonden er twee reacties met de juiste datum, en daarna de Community Note. Het systeem vangt dit dus wel. Het is alleen traag ten opzichte van de eerste duizend bookmarks.
Ik wil ook niet doen alsof de video slecht is. “How I Use LLMs” is nog steeds een van de betere introducties die er zijn, en wie hem op basis van dit draadje heeft gekeken, heeft twee nuttige uren gehad. De schade zit in het jaartal en in de valse inhoudsopgave, niet in het materiaal.
De kanttekening
De standaard verschuift van datum naar sfeer. Als “vorige week” een stijlfiguur wordt in plaats van een feit, verliest de tijdlijn zijn belangrijkste eigenschap. Bij AI-nieuws telt dat zwaarder dan elders, omdat een verschil van anderhalf jaar precies het verschil is tussen twee generaties modellen. Wie in augustus 2026 leert hoe je in februari 2025 met een LLM omging, krijgt advies over gereedschap dat inmiddels anders werkt.
De verantwoordelijkheid landt bij vrijwilligers en bij de bron. De Community Note is geschreven door lezers, ongeschaald en onbetaald, en verschijnt pas als genoeg mensen hem nuttig vinden. Karpathy zelf is nergens bij betrokken en draagt wel de reputatiekosten van een inhoudsopgave die hij nooit heeft uitgesproken. Dat is dezelfde asymmetrie die ik beschreef in het stuk over watermerken en herkomst: we meten steeds beter welke machine iets maakte, en steeds slechter wie iets beweerde.
Wat er wegstroomt is de reflex om te kijken. Ik heb die post opgeslagen zonder één seconde te controleren, en ik schrijf wekelijks over precies dit onderwerp. Het opslaan zelf voelt al als zorgvuldigheid, terwijl het uitstel is dat je registreert als een oordeel.
Wat ik nu doe voor ik iets opsla
Drie handelingen die me samen minder dan een minuut kosten.
- De datum bij de bron ophalen, niet bij de poster. Bij YouTube staat de uploaddatum onder de video, bij een paper op arXiv de v1-datum. Als iemand “just released” schrijft zonder link naar het origineel, is dat het signaal.
- Eén zin uit de inhoudsopgave zoeken in de bron. Als de opsomming in het draadje nergens in de video of de transcriptie voorkomt, is de opsomming verzonnen. Dat is bij deze post binnen twee minuten vast te stellen.
- De reacties lezen voor de Community Note er is. De correctie stond er uren eerder dan het label, in de vorm van twee mensen die de video herkenden.
Dit is dezelfde gewoonte die ik in mijn werk bij Novum toepas op leveranciersclaims: vraag de meting op, kijk naar de datum, en pas daarna naar het percentage. Ik heb dat hier gewoon niet gedaan omdat het over een YouTube-video ging in plaats van over een aanbesteding.
Veelgestelde vragen
Welke video zit er nu echt in dat draadje?
“How I Use LLMs” van Andrej Karpathy, 2 uur en 11 minuten, door hemzelf gepubliceerd op 27 februari 2025 op zijn eigen YouTube-kanaal. De Community Note onder de post verwijst naar dezelfde video.
Bestaat die lezing over agents, loops en graphs dan wel?
Niet in deze vorm. De opsomming van agents naar loops naar graphs komt uit het artikel dat de poster zelf aanprijst. De Stanford-lezing waar verwante posts naar wijzen is CS25 V2 “Introduction to Transformers” uit 2023, die over de transformer-architectuur gaat en niet over agent-graphs.
Is dit strafbaar of tegen de regels van X?
Voor zover ik kan zien niet. Het delen van een oude video is toegestaan, en er staat geen expliciete leugen over auteurschap in: de video is echt van Karpathy. Wat er misgaat zit in het woord “last week” en in een inhoudsopgave die niet bij de video hoort. Community Notes is daarvoor het enige beschikbare correctiemiddel.
Hoe herken ik dit patroon in mijn eigen tijdlijn?
Let op de combinatie van een bekende naam, een tijdsaanduiding zonder datum, een genummerde inhoudsopgave die je ook zonder de video kunt lezen, en een verwijzing naar een eigen artikel onderaan. Die vier samen zijn een betrouwbaarder signaal dan elk apart.
Bronnen
- @0xwhrrari op X — de post met de Community Note, 17 augustus 2026, geraadpleegd 21 augustus 2026
- Andrej Karpathy, “How I Use LLMs” op YouTube — 27 februari 2025, 2 uur 11 minuten
- Karpathy’s eigen aankondiging op X — 27 februari 2025, met de volledige hoofdstukindeling
- @0xCodila op X — 13 augustus 2026, de “Anthropic’s Andrej Karpathy”-variant
- Stanford CS25, “Introduction to Transformers w/ Andrej Karpathy” — opgenomen in 2023, gepubliceerd via Stanford Online
Gecontroleerd op 21 augustus 2026. De weergave- en bookmarkcijfers zijn afgeleesd op die dag en veranderen daarna. De video zelf heb ik niet uitgekeken; ik ben afgegaan op de hoofdstukindeling die Karpathy zelf bij de publicatie meegaf. Welke exacte opname er in de reposts van “Delete everything, keep Graph” gebruikt is heb ik niet met zekerheid kunnen vaststellen: de reuploads duren ongeveer een uur en de Stanford CS25-lezing is langer, dus het gaat waarschijnlijk om een bewerkte versie. De duur van 8 jaar bij OpenAI en Tesla klopt alleen als je Karpathy’s tweede periode bij OpenAI meetelt.
Dit stuk verscheen ook in het Engels: The thread said last week. The lecture is eighteen months old..