Samenvatting: OpenAI zet de week op scherp met GPT-5.6, een trio modellen (Sol, Terra en Luna) dat vanaf 9 juli publiek gaat. Op OpenAI's eigen benchmarks pakt topmodel Sol de koppositie in agentic coding, net voor Claude Mythos 5. Opvallender dan het cijfer is de weg ernaartoe: de release lag eerst stil omdat de Amerikaanse overheid het model eerst wilde keuren. Daaronder loopt het echte thema van de week: kosten en controle. Microsoft laat tienduizenden Office-prompts per week nu draaien op zijn eigen MAI-modellen in plaats van op OpenAI en Anthropic, dus het model onder je Copilot verandert stilletjes. En Anthropic bracht Claude Cowork naar mobiel en web, met eigen cijfers die laten zien dat ruim 90% van het werk géén code is, maar gewoon kantoorwerk in finance, HR en administratie. Google's Managed Agents kunnen nu op de achtergrond doorwerken en aan je interne systemen koppelen. Mistral bracht een open model uit dat vijf echte bugs vond in bestaande code. En Meta's nieuwe beeldgenerator kan het gezicht van vreemden uit hun Instagram in een gegenereerd plaatje trekken, standaard aan. Anthropic bracht Claude Cowork naar mobiel en web, en de eigen cijfers laten zien dat ruim 90% van het werk géén code is. De grootste categorie is gewoon kantoorwerk in finance, HR en administratie. Google's Managed Agents kunnen nu op de achtergrond doorwerken en aan je interne systemen koppelen. Mistral bracht een open model uit dat vijf echte bugs vond in bestaande code. En Meta's nieuwe beeldgenerator kan het gezicht van vreemden uit hun Instagram in een gegenereerd plaatje trekken, standaard aan.

OpenAI zet GPT-5.6 tegenover Claude, en de overheid keek eerst mee

Sol pakt de coding-kroon, met Claude op een haar

OpenAI kondigde GPT-5.6 aan, geen los model maar een trio. Sol is het topmodel, Terra mikt op dagelijks werk tegen ongeveer de helft van de prijs van GPT-5.5, en Luna is de goedkoopste. Vanaf 9 juli gaan alle drie wereldwijd open. De prijzen per miljoen tokens: Sol $5 in en $30 uit, Terra $2,50 en $15, Luna $1 en $6.

Het cijfer waar OpenAI mee opent, is Terminal-Bench 2.1, een test voor agentic coding. Dit zijn de scores die OpenAI zelf rapporteert (via The Decoder):

GPT-5.6 Sol: 88,8% (in "ultra"-modus 91,9%)
Claude Mythos 5: 88%
Claude Fable 5: 84,3%
Gemini 3.1 Pro Preview: 70,7%

Buiten coding claimt OpenAI vooral efficiëntie. Op een genomics-test (GeneBench) haalt Sol 30% waar GPT-5.5 op 22% bleef, met minder tokens, en op een security-test evenaart het Anthropics Mythos-preview met een fractie van de output. Nieuw zijn een "max"-stand die het model langer laat nadenken en een "ultra"-modus die subagents inzet om werk te verdelen.

Let op wiens getallen dit zijn. Dit is OpenAI's eigen leaderboard, met zelfgekozen tegenstanders. Het verschil met Claude Mythos 5 is 0,8 procentpunt. Netjes, maar geen aardverschuiving.

De opvallende vertraging: Washington keurde eerst

Interessanter dan de score is hoe het model naar buiten kwam. GPT-5.6 lag klaar, maar de publieke release werd uitgesteld. Onder een AI-cyberbeveiligingsdecreet van de regering-Trump moeten krachtige modellen dertig dagen vóór lancering langs een overheidsreview. Het model was daardoor eerst alleen via de API en Codex beschikbaar voor geselecteerde partners, op uitdrukkelijk verzoek van de Amerikaanse overheid (The Decoder). OpenAI ging akkoord om sneller live te kunnen, maar tekende bezwaar aan.

"We don't believe this kind of government access process should become the long-term default."

— OpenAI, geciteerd in Engadget

Wacht op je eigen test, niet op het leaderboard

Voor Nederlandse organisaties zit het nieuws niet in die 88,8%. Het zit in twee andere dingen. Eén: een frontier-model kan nu een maand vertraging oplopen omdat een buitenlandse overheid meekijkt. Dat is precies het soort afhankelijkheid waar je rekening mee houdt als je een proces op één leverancier bouwt. Twee: Terra belooft GPT-5.5-niveau tegen de halve prijs, en dat raakt je rekening directer dan de topscore van Sol. De modellen gaan vanaf 9 juli wereldwijd open, dus naar verwachting ook in de EU. De preview was dat niet. Test een nieuw model altijd eerst op je eigen taak met je eigen data voordat je een leaderboard gelooft. Het getal dat telt, is dat van jouw werk.

Microsoft vervangt OpenAI en Anthropic in je Office-apps

Tienduizenden prompts per week draaien nu op Microsofts eigen model

Terwijl GPT-5.6 de koppen haalde, gebeurde er iets stillers dat je factuur directer raakt. Microsoft is begonnen de modellen van OpenAI en Anthropic te vervangen door zijn eigen MAI-modellen in apps als Excel en Outlook. Volgens Bloomberg worden tienduizenden AI-prompts per week in die apps nu afgehandeld door modellen die Microsoft zelf heeft gebouwd.

De reden is geen geheim: geld. Microsoft-AI-baas Mustafa Suleyman zei het in juni al zonder omhaal.

"We pay a lot of money to Anthropic, so our goal is to reduce and ultimately eliminate that cost."

— Mustafa Suleyman, CEO Microsoft AI, geciteerd in Bloomberg

De basis lag klaar. Op de Build-conferentie in juni lanceerde Microsoft zeven eigen MAI-modellen, waaronder een agentic coder en een beeldgenerator. Die worden nu ingezet waar het volume hoog en de taak routineus is: een formule uitleggen in Excel, een mail samenvatten in Outlook. Frontier-werk kan nog steeds naar OpenAI of Anthropic. Gevraagd om details liet Microsoft aan TechCrunch weten "nothing further to share" te hebben.

Het patroon: routine wordt goedkoop, frontier blijft duur

Microsoft staat niet alleen. TechCrunch plaatst de zet in een bredere kostensnijtrend, met ook Amazon, Uber, Meta en Accenture die na eerdere ruime AI-uitgaven nu terugschroeven. Het patroon eronder is wat telt. High-volume routinetaken schuiven naar een goedkoper eigen model, en alleen het echt zware werk gaat nog naar een frontier-lab. Precies de splitsing die je zelf ook zou maken als je op je token-rekening let.

De stilte is het ongemakkelijke deel

Als je organisatie M365 Copilot gebruikt, is het model dat je antwoorden genereert vandaag misschien een ander dan vorige maand. Zonder aankondiging. Voor de meeste taken merk je dat niet. Maar voor werk waar kwaliteit of consistentie telt, wil je het weten. Vraag deze week je Microsoft-contact of leverancier welke modellen nu welke Copilot-taken afhandelen, en of je daar zicht op houdt. Een leverancier die zijn onderliggende model verwisselt om kosten te sparen, is zijn goed recht. Maar dan wil jij wel kunnen meten of je output gelijk blijft.

Claude Cowork komt naar je telefoon, en het meeste werk is geen code

Start op je bureau, check op je telefoon, output later

Anthropic bracht deze week Claude Cowork naar web en mobiel. Cowork is de agent voor algemeen kenniswerk die in januari als desktop-app begon. Nu, in beta voor Max-abonnees, kun je een taak op je bureau starten, onderweg de status op je telefoon volgen, en de klaar-output later ophalen, ook als je laptop dicht is. De verwerking draait in de cloud, op de achtergrond. Anthropic verlengt de verdubbelde gebruikslimieten tot 5 augustus om de uitrol te markeren.

Handig. Maar het interessantste zit niet in de functie, het zit in de cijfers die Anthropic erbij deelde.

90% van het werk is helemaal geen software

Anthropic keek naar waar mensen Cowork echt voor gebruiken. Ruim 90% van het werk is géén software-ontwikkeling. De grootste categorie, met 33,4%, is wat ze "business process operating" noemen: verspreide updates in één rapport gieten, onboarding-checklists bouwen, spreadsheets afstemmen. Werk dat je herkent uit finance, HR en administratie. Contentcreatie en copywriting volgen met 16,4%. Coderen? 8,7% (VentureBeat).

"While coding is still, understandably, one of the uses of AI that gets the most attention, the use of AI for everyday business work is on the rise."

— Anthropic, geciteerd in TechCrunch

Dat is precies het verhaal dat wij hier al langer vertellen. De aandacht gaat naar coding-agents, maar het volume zit in gewoon kantoorwerk. Een agent die je kwartaalrapportage samenstelt uit vijf bronnen is voor de meeste organisaties waardevoller dan een agent die code schrijft.

Begin bij het rapport dat je elke maand overtypt

De cijfers zijn een uitnodiging. Als het grootste gebruik "verspreide updates in één rapport gieten" is, dan is dat waarschijnlijk ook waar jouw team het meeste tijd verliest. Kies één terugkerende klus die precies dat is: een maandrapportage, een statusoverzicht, een lijst die je steeds handmatig bijwerkt. Laat een agent die één keer maken en controleer de output regel voor regel. Niet omdat het meteen goed genoeg is, maar omdat je zo leert waar het misgaat voordat je erop leunt. Achtergrondverwerking op je telefoon klinkt leuk, maar is niets waard als je de uitkomst niet kunt vertrouwen.

Google's agents werken nu door terwijl jij weg bent

Achtergrondtaken, koppeling aan je eigen systemen

Google breidde deze week zijn Managed Agents in de Gemini API uit. Managed Agents kwam in mei op I/O naar buiten: cloud-omgevingen die redeneren, code uitvoeren en browsen binnen één API-call, zonder dat je zelf servers optuigt. Deze update maakt ze production-ready. Vier dingen zijn nieuw: agents kunnen nu op de achtergrond doorwerken (async, je vraagt later de status op), ze koppelen direct aan remote MCP-servers om bij je interne databases en API's te komen, je kunt eigen functies toevoegen, en aflopende tokens en sleutels kunnen ververst worden zonder de omgeving te verliezen.

"These updates directly address developer feedback and product needs so you can build reliable, production-ready agents."

— Philipp Schmid (Developer Relations Engineer) en Mariano Cocirio (Product Manager), Google DeepMind, blog.google

De koppeling aan remote MCP-servers is het stukje dat er voor bedrijven toe doet. Daarmee kan een agent bij je private data zonder dat je zelf tussenlagen bouwt. Handig, en precies daarom een governance-vraag.

De vraag is niet wat de agent kan, maar waar hij bij mag

Dit is developer-nieuws, maar de gevolgen zijn dat niet. Zodra een agent op de achtergrond doorwerkt en aan je interne systemen hangt, verschuift de vraag. Niet "hoe slim is hij", maar "bij welke data mag hij, en wie ziet wat hij deed". Gaat je team met Gemini-agents bouwen, leg dan vóór de eerste koppeling vast welke systemen open staan en of elke actie gelogd wordt. Een agent die zelfstandig doorwerkt terwijl niemand kijkt, is alleen zo veilig als de grenzen die je hem vooraf geeft.

Mistral bracht een open model uit dat echte bugs vindt

100% op een wiskundebenchmark, en vijf onbekende bugs in bestaande code

Uit Europa kwam deze week iets concreets. Mistral lanceerde Leanstral 1.5, een open model (Apache 2.0) voor formele verificatie in Lean 4. Dat klinkt als een niche voor wiskundigen, en deels is het dat ook: het model satureert de miniF2F-benchmark met 100% en lost 587 van de 672 PutnamBench-problemen op. Maar het praktische deel is de tweede helft. Mistral zette het model op 57 bestaande open-source repo's, en het vond vijf tot dan toe onbekende bugs, waaronder een overflow-fout die volgens Mistral "testing and fuzzing would typically miss".

Dat is het interessante. Niet dat een model wiskunde-olympiades wint, maar dat formele verificatie, bewijzen dat code echt doet wat hij hoort te doen, dichter bij normaal engineeringwerk komt. Het model is gratis via de API en de weights staan op Hugging Face. Als Frans lab met open weights is Mistral bovendien de leverancier waar je datasoevereiniteit en EU-hosting zelf in de hand houdt.

De EU-optie is er, ook als je hem nu niet gebruikt

Voor de meeste lezers is Lean 4 geen dagelijkse kost, en dat hoeft ook niet. Het signaal telt. Er is een open, Europees model dat je zelf kunt draaien, met een concrete engineering-toepassing en zonder dat je data het continent verlaat. Eén kanttekening uit de documentatie: dit specifieke model wordt eind september 2026 alweer uitgefaseerd, dus bouw er geen productieproces omheen zonder migratiepad. Maar houd Mistral op je lijst als je nadenkt over leveranciersspreiding. Eén Amerikaanse leverancier voor alles is een risico dat je kunt verkleinen.

Meta's beeldgenerator trekt vreemden je foto's in

Tag een publiek profiel, en Muse gebruikt hun gezicht

Meta lanceerde Muse Image, zijn eerste beeldgeneratiemodel, in Meta AI, Instagram en WhatsApp. De backlash kwam meteen, en terecht. Je kunt in een prompt een publiek Instagram-account taggen, en het systeem trekt foto's van dat profiel erbij om een nieuw beeld te bouwen met het gezicht en de gelijkenis van die persoon. Publieke profielen zijn standaard beschikbaar, tenzij iemand actief zijn instellingen aanpast. Met andere woorden: mensen zijn opt-in zonder dat ze iets deden.

Erger nog is wat er níét gebeurt. Meta's eigen help-pagina is er helder over.

"You will not be notified about content created using AI features at Meta."

— Meta help-pagina, geciteerd in Digital Trends

Je krijgt dus geen melding als iemand jouw gezicht in een gegenereerd beeld verwerkt. Opt-out kan wel, maar stopt alleen toekomstige generaties, al gemaakte beelden blijven staan. Meta's reputatie helpt niet: de $5 miljard FTC-boete uit 2019 rond Cambridge Analytica hangt hier zichtbaar boven.

Een beleidsvraag, geen speeltje

Je gebruikt Muse misschien nooit zakelijk. Maar de gezichten van je medewerkers en klanten staan wél op publieke profielen. Dat maakt dit een governance-kwestie. Zet jouw organisatie mensen op sociale media, medewerkers, evenementen, klanten, weet dan dat die beelden zonder melding in AI-generaties kunnen belanden. Neem dat mee in je beeldbeleid en toestemmingsafspraken. En breng je zelf gegenereerde beelden naar buiten, leg dan vast wat AI-gemaakt is en waar de bronbeelden vandaan komen. De herkomst-vraag wordt scherper, niet zachter.

Verder deze week

OpenAI wint enterprise-terrein. Twee klantverhalen tegelijk: de Japanse bank MUFG wil "AI-native" worden met OpenAI, en Australian Payments Plus versnelt met ChatGPT en Codex (openai.com/news). Geen modelnieuws, wel een signaal dat de grote financiële spelers zich vastleggen.
DeepSeek gaat eigen chips maken. Onder Amerikaanse exportcontroles kondigt het Chinese lab aan zelf chips te ontwerpen (Ars Technica). Hetzelfde verhaal dat we bij OpenAI's eigen chip zagen: wie afhankelijk is van andermans silicium, wil daar vanaf.
Alibaba verbiedt Claude Code. Alibaba verbiedt zijn medewerkers naar verluidt het gebruik van Anthropic's Claude Code (TechCrunch). Een herinnering dat toolkeuze ook een geopolitieke laag heeft.
Google DeepMind × A24. Een onderzoekspartnerschap tussen het AI-lab en de filmstudio A24 (DeepMind), de labs zoeken de creatieve sector op.
Microsoft ontsloeg opnieuw. Naast het modelnieuws schrapte Microsoft ongeveer 4.800 banen, circa 2% van het personeel, grotendeels bij Xbox en de commerciële verkoop (GeekWire). Kostenbeheersing loopt als een rode draad door de hele week.

De rode draad van deze week

Er kwam deze week wél een nieuw topmodel. En toch ging de week niet over rauwe capaciteit. Onder bijna elk item ligt hetzelfde thema: kosten en controle, niet wie de hoogste benchmark haalt.

Kijk naar GPT-5.6. De koppositie op de coding-test is 0,8 procentpunt; het echte verhaal is dat een overheid de release een maand kon vertragen, en dat het submodel Terra vooral om een lagere prijs draait. Microsoft verwisselt de modellen onder je Office-apps om zijn rekening te drukken. DeepSeek bouwt eigen chips om van andermans hardware af te komen. De labs zijn klaar met onbeperkt uitgeven, en dat werkt door tot in de apps die jij dagelijks gebruikt. De les is simpel: het "goedkope" of "slimme" model onder je tool is geen vast gegeven. Het kan morgen verwisseld, duurder of vertraagd zijn.

Daarnaast werd deze week concreet wat agents echt doen. Anthropic's eigen cijfers zijn de nuchterste samenvatting van 2026 tot nu toe: ruim 90% van het agent-werk is gewoon kantoorwerk, geen code. Google's agents werken nu op de achtergrond door en hangen aan je interne systemen. Meta liet zien hoe snel een leuke functie een privacy-probleem wordt als de default verkeerd staat.

Als opdrachtgever zie ik drie concrete gevolgen:

Weet welk model je gebruikt. Nu leveranciers stilletjes van model wisselen om kosten te sparen, is "welk model draait hier eigenlijk" een vraag die je periodiek moet stellen, en kunnen meten.
Richt je op het gewone werk, niet op de code. Het meeste agent-rendement zit in rapportages, checklists en administratie. Begin daar, niet bij het spannende technische voorbeeld.
Zet de grenzen vóór je loslaat. Of het nu een achtergrond-agent bij je data is of een beeldgenerator met jouw medewerkers erin: de default staat zelden op veilig. Governance is geen sluitstuk, het is de startvoorwaarde.

Volgende Stap

Deze week ging niet over wat AI kan, maar over wat het kost en wie de controle houdt. Dat is precies het terrein waar organisaties struikelen: het model onder je tools verandert, agents krijgen toegang tot je systemen, en de leverancier bepaalt meer dan je denkt. Wij helpen je dit nieuws vertalen naar concrete, onafhankelijke keuzes voor adoptie, kosten en governance, los van welk lab of welke tool je kiest.

→ Plan een AI Strategie Sessie of bekijk onze workshops voor teams.

Dit is de wekelijkse AI Nieuws-rubriek van AI Centrum Nederland. Volg de blog om elke week op de hoogte te blijven.

AI Nieuws Week 28 2026: GPT-5.6 Sol tegen Claude, Copilot ruilt van model en Mistrals bug-jager