Grok 4.5 daagt frontiermodellen uit, OpenAI lanceert GPT-Live in full-duplex, Mistral stapt in robotica met Robostral Navigate

Deze 8 juli wordt gemarkeerd door drie grote modellanceringen: Grok 4.5 van SpaceXAI, samengetraind met Cursor voor code en agentic werk; GPT-Live van OpenAI, een nieuwe full-duplex vocale architectuur die Advanced Voice Mode vervangt; en Robostral Navigate, Mistrals eerste model voor robotnavigatie. Cognition maakt het overzicht compleet met SWE-1.7, Runway opent een verenigd API-platform voor mediageneratie, en Gemini CLI gaat naar stabiele versie 0.50.0. Twaalf noemenswaardige nieuwtjes en drie korte berichten vullen dit panorama aan, tussen developer-agent tooling, betrouwbaarheid van codebenchmarks en open-source inferentie.

Grok 4.5: SpaceXAI lanceert zijn slimste model ooit, samengetraind met Cursor

8 juli — SpaceXAI (ex-xAI) lanceert Grok 4.5, gepresenteerd als zijn slimste model tot nu toe, ontworpen om uit te blinken in code, agentische taken en kenniswerk. Opvallend: het model is gezamenlijk getraind met Cursor, een partnerschap dat door SpaceXAI expliciet wordt benadrukt.

“Today, we’re launching Grok 4.5, SpaceXAI’s smartest model built to excel at coding, agentic tasks, and knowledge work. It’s our strongest model ever and was trained alongside Cursor.”

🇳🇱 Vandaag lanceren we Grok 4.5, het slimste model van SpaceXAI, ontworpen om uit te blinken in code, agentische taken en kenniswerk. Het is ons krachtigste model tot nu toe, gezamenlijk getraind met Cursor. — SpaceXAI, x.ai/news/grok-4-5

Op de gepubliceerde benchmarks plaatst Grok 4.5 zich in de voorhoede zonder het systematisch te domineren:

Benchmark	Score
DeepSWE 1.0 (pass@1)	62,0 %
Terminal-Bench 2.1	83,3 %
SWE-Bench Pro	64,7 %

Qua efficiëntie draait het model aan 80 tokens/seconde en verbruikt het ongeveer 4,2× minder outputtokens dan Claude Opus 4.8 (max-modus) op SWE-Bench Pro (gemiddeld 15 954 tokens tegenover 67 020). De training steunde op tienduizenden NVIDIA GB300-GPU’s en grootschalige reinforcement learning op honderdduizenden software-engineeringtaken.

Type	Prijs
Input	2 $ / M tokens
Output	6 $ / M tokens

Grok 4.5 wordt het standaardmodel van Grok Build, waar het complexe Excel-bestanden, PowerPoint-presentaties met native vormen en Word-documenten kan bouwen. Vanaf vandaag beschikbaar in Grok Build, in Cursor (alle plannen) en via de SpaceXAI-console — maar nog niet in de Europese Unie, waar de uitrol midden juli wordt verwacht.

OpenAI lanceert GPT-Live, zijn nieuwe full-duplex vocale modellen

8 juli — OpenAI lanceert GPT-Live, een nieuwe generatie vocale modellen die Advanced Voice Mode vervangt als motor van ChatGPT Voice. In tegenstelling tot eerdere generaties — een cascade van transcriptie/LLM/synthese, en daarna een model dat “om de beurt” werkt en op stilte wacht om te antwoorden — steunt GPT-Live op een full-duplex-architectuur: het luistert en spreekt tegelijk, plaatst instemmende reacties (“mhmm”, “oké”) terwijl de gebruiker praat, en beslist meerdere keren per seconde of het moet spreken, luisteren, pauzeren, onderbreken of een tool aanroepen.

Tweede architecturale breuk: GPT-Live delegeert complexe taken (webonderzoek, diepgaand redeneren, agentisch werk) aan een frontiermodel — bij lancering GPT-5.5 — terwijl het gesprek mondeling gaande blijft terwijl dat werk op de achtergrond wordt uitgevoerd. OpenAI plant dit model achter de schermen te laten evolueren naarmate nieuwe frontiermodellen verschijnen.

“GPT-Live is built on a full-duplex architecture, meaning it can listen and speak at the same time. […] While it works, GPT-Live can keep talking with you and maintain the flow of conversation.”

🇳🇱 GPT-Live steunt op een full-duplex-architectuur, wat betekent dat het tegelijk kan luisteren en spreken. […] Terwijl het werkt, kan GPT-Live blijven praten en de draad van het gesprek vasthouden. — OpenAI, Introducing GPT-Live

Twee versies worden vanaf vandaag uitgerold naar alle ChatGPT-gebruikers (iOS, Android, web): GPT-Live-1 voor Go/Plus/Pro, GPT-Live-1 mini voor gratis gebruikers. API-toegang volgt binnenkort, wachtlijst geopend. Op interne evaluaties (GPQA, BrowseComp, een τ³-Voice Telecom-variant) presteert GPT-Live-1 duidelijk beter dan Advanced Voice Mode en wordt het door menselijke evaluatoren geprefereerd. Meer dan 150 miljoen mensen gebruiken wekelijks voice en dicteren op ChatGPT.

Op veiligheidsvlak heeft OpenAI de tests uitgebreid naar audio-native evaluaties (zelfbeschadiging, psychose, emotionele afhankelijkheid van AI, geweld, seksuele inhoud), actieve realtime-veiligheidsmaatregelen toegevoegd, en de bescherming voor tieners versterkt, met mogelijke melding aan ouders bij signalen van nood.

🔗 GPT-Live System Card

Cognition lanceert SWE-1.7 in Devin, een nieuw code-model tegen lagere kosten

8 juli — Cognition lanceert SWE-1.7, gepresenteerd als het krachtigste model dat het bedrijf tot nu toe heeft getraind, dat frontier-niveau intelligentie bereikt tegen een aanzienlijk lagere kost — het team spreekt over een verschuiving van de Pareto-kost/prestatiecurve. Het model vertrekt van een Kimi K2.7-basis (al zwaar post-getraind met RL), en de extra winst die Cognition behaalt zet vraagtekens bij het idee van een “post-trainingsplafond”: volgens het team kan reinforcement learning de capaciteiten nog veel verder oprekken dan gedacht.

SWE-1.7 is vanaf vandaag beschikbaar in Devin (Web, Desktop en CLI), geleverd via Cerebras aan 1 000 tokens/seconde.

Geëvalueerd model	FrontierCode 1.1 Main
SWE-1.6	9,4 %
SWE-1.7	42,3 %

Op Terminal-Bench 2.1 en SWE-Bench Multilingual positioneert SWE-1.7 zich tussen Kimi K2.7 Code en frontiermodellen (GPT-5.5, Claude Opus 4.8), terwijl het per taak aanzienlijk minder kost. Het technische artikel beschrijft vier werkassen: behoud van entropie tijdens RL-training (top-p-sampling met distributie-replay om instorting van exploratie te vermijden), multi-clustertraining verspreid over drie continenten met fouttolerantie (gecomprimeerde gewichtsupdates die in 1 tot 2 minuten voltooid worden voor een model met 1 000 miljard parameters), anti-cheat datacuratie, en auto-compaction voor lange taken (tot zes uur per run), waarbij het model leert zijn eigen werkstatus samen te vatten.

Qua gedrag verkent SWE-1.7 systematischer de codebase voor het handelen, onderzoekt het de onderliggende oorzaken van bugs grondiger, en produceert het compacter redeneren dankzij een afwisselende lengteboete die tijdens de training wordt toegepast.

🔗 SWE-1.7: Frontier Intelligence at a Fraction of the Cost

Mistral betreedt de robotica met Robostral Navigate

8 juli — Mistral AI lanceert Robostral Navigate, zijn eerste model voor ingebedde robotnavigatie (embodied navigation): een model met 8 miljard parameters dat een robot aanstuurt op basis van slechts één RGB-camera — zonder LiDAR of dieptesensor — en een instructie in natuurlijke taal.

“Announcing Robostral Navigate, our first model for embodied navigation: an 8B robotics navigation model that guides robots to autonomously perform tasks specified with natural language. Single RGB camera. State-of-the-art on R2R-CE.”

🇳🇱 We kondigen Robostral Navigate aan, ons eerste model voor ingebedde navigatie: een robotnavigatiemodel met 8 miljard parameters dat robots begeleidt om autonoom taken uit te voeren die in natuurlijke taal zijn gespecificeerd. Enkele RGB-camera. State of the art op R2R-CE. — Mistral AI, tweet van 8 juli

Op R2R-CE (Room-to-Room in Continuous Environments), de referentiebenchmark voor instructienavigatie, bereikt Robostral Navigate state of the art in validation “unseen”:

Aanpak	Succespercentage R2R-CE
Robostral Navigate (enkele RGB-camera)	76,6 %
Beste eerdere single-camera-aanpak	~66,9 %
Beste depth / multi-camera-aanpak	~72,1 %

Het model voorspelt de coördinaten van de doelpositie rechtstreeks in het camerabeeld in plaats van metrische verplaatsingen, waardoor het robuust is voor veranderingen in camera-intrinsics. Het is volledig intern opgebouwd (zonder externe open-source VLM), geïnitieerd vanuit Mistrals gespecialiseerde VLM voor pointing/counting/object-localization, en getraind op ongeveer 400 000 gesimuleerde trajecten verzameld in 6 000 scènes. Een prefix-caching-techniek (prefix-caching) met boomgebaseerde attentiemasking reduceert het aantal trainingstokens met 22× ten opzichte van stap-voor-stap sampling; een RL-posttraining online (CISPO, eigen algoritme) voegt nog eens 3,2 procentpunt succesratio toe zonder tekenen van plateau.

Robostral Navigate werkt op robots met wielen, poten en vliegende robots, en richt zich op use cases in manufacturing, bezorging, logistiek en hospitality.

🔗 Volledig artikel — mistral.ai

Runway lanceert Runway Dev, een verenigd API-platform voor mediageneratie

8 juli — Runway lanceert Runway Dev, een AI-mediaplatform voor ontwikkelaars en bedrijven: één API om de beste modellen voor beeld, video, audio en realtime avatars te integreren. Al gebruikt door teams bij Adobe, ElevenLabs, Shutterstock, Figma Weave, Gamma en Silverside.

Het platform is opgebouwd rond vier bouwstenen:

Bouwsteen	Functie
Models	Toegang tot Runway first-party modellen (Gen-4.5, Aleph 2.0, Act-Two) en modellen van derden (Seedance, GPT Image 2, ElevenLabs), modelwissel met één regel code
Recipes	Klaar-voor-gebruik endpoints die Runway’s expertise in prompting/workflows verpakken (advertentielokalisatie, product ad, product swap, meerplanige video)
Workflows	Aangepaste pipelines die meerdere modellen/modi combineren, aanroepbaar via een privé-API-endpoint
Characters	Interactieve realtime avatars (stem, toolcalling, kennisbank) — exclusief voor Runway Dev, voor klantenservice, training of interactief entertainment

De genoemde use cases geven een idee van de schaal: een omroep produceert 800 tot 1 000 advertenties per jaar met een team van 5 mensen, een distributeur genereert meer dan 1 000 productvisuals per maand, een in-house bureau met 500 mensen stuurt één agentische pipeline aan van brief tot eindrender, en een bezorgplatform lokaliseert zijn productvideo’s in 27 talen.

Runway Dev wordt gepositioneerd als een enterprise-conform platform: SOC 2 Type II-certificering, IP-indemniteit, ingebouwde contentmoderatie, 99,9% gegarandeerde beschikbaarheid, en contractuele toezeggingen van niet-trainen op klantgegevens. Toegang via dev.runwayml.com.

🔗 Introducing Runway Dev

Gemini CLI v0.50.0 gaat stabiel met Tool Registry Discovery

8 juli — Google publiceert Gemini CLI v0.50.0, een nieuwe stabiele release (getagd als “Latest” op GitHub) die v0.49.0 opvolgt en de aanbevolen versie wordt, los van de eerder gevolgde nightly-lijn v0.51.0-nightly.*.

De belangrijkste functie van deze versie is Tool Registry Discovery: nieuwe mogelijkheden voor het ontdekken van toolregistries die automatisch beschikbare tools voor de agent detecteren en registreren, zonder handmatige configuratie. Deze release markeert ook een aanzienlijke verstrenging van de releaseverificatie- en CI-pipeline: scripts worden voortaan genegeerd tijdens verificatie npm ci (om uitvoering van willekeurige code tijdens installatie te voorkomen), een mechanisme voorkomt “workspace binary shadowing” (een lokale binary die per ongeluk de officiële binary maskeert), en extra beveiligingen dekken foutieve NPM-releases en crashs van de promotiejob.

Gemini CLI blijft de prioritaire bron #1 in de Gemini-tracking voor deze blog, en deze v0.50.0 illustreert een fundamentele trend in de tool van de afgelopen weken: naast nieuwe functies gaat een groeiend deel van elke release over de robuustheid en veiligheid van de publicatieketen zelf — al eerder zichtbaar bij de macOS-sandbox-verstrakkingen van eerdere versies.

🔗 Release v0.50.0 — GitHub

GitHub Copilot in VS Code: het overzicht van juni 2026 (v1.123 tot v1.127)

8 juli — GitHub publiceert zijn maandelijkse overzicht van Copilot in Visual Studio Code, dat de versies v1.123 tot v1.127 dekt (juni – begin juli 2026). Verschillende agentische functies gaan naar algemene beschikbaarheid of preview:

Functie	Status
Agentische ingebouwde browsertools (navigatie, screenshot, validatie van webapps)	GA
Parallelle multi-chat-sessies in het Agents-venster	Beschikbaar
Zichtbaarheid van kosten (sessie, gedelegeerde subagent, extra gebruik)	Beschikbaar
Ontdekking van modelproviders vanuit de Marketplace	Beschikbaar
Contextvensters van 1M tokens (compatibele Anthropic/OpenAI-modellen)	Beschikbaar
Officiële Ollama-extensie	Beschikbaar

Naast deze tabel beschrijft het overzicht een Autopilot die autonomer is geworden (betere detectie van taakafronding), synchronisatie van chatsessies met het GitHub-account, gutter-commentaar op agentwijzigingen, het aanmaken van PR’s met titel en beschrijving gegenereerd uit de sessiecontext, beheerde Copilot-instellingen voor beheerders (Windows/macOS device management en JSON-bestand), vooraf geregistreerde MCP OAuth-identificatie, een vertraging van 2 uur voor automatische extensie-updates, en veilige navigatie door nieuwe mappen vóór vertrouwen (Workspace Trust).

De opeenstapeling van deze veranderingen over vijf maandelijkse releases illustreert hoe snel Copilot het zwaartepunt verlegt van incidentele assistentie naar de autonome multi-sessie-agent, met kostencontrole die nu ook zo fijnmazig is als per gedelegeerde subagent.

🔗 GitHub Changelog — June 2026 VS Code releases

OpenAI: SWE-Bench Pro-audit en nieuwe versie van Codex CLI

SWE-Bench Pro-audit — ~30 % van de taken als defect beschouwd

Nadat OpenAI de gemeenschap eerder had aangeraden om over te stappen op SWE-Bench Pro (na vastgestelde gebreken in SWE-bench Verified), voert het bedrijf nu een vergelijkbare audit uit op deze nieuwe benchmark en trekt het die aanbeveling in. Een geautomatiseerde analysepijplijn signaleerde 286 mogelijk problematische taken van de 731 in de publieke set; een beoordeling waarbij onderzoekende Codex-agents en vijf onafhankelijke menselijke ingenieurs per taak worden gecombineerd, bevestigt dat 200 tot 249 taken (27,4 % tot 34,1 % volgens de telmethode) daadwerkelijk defect zijn — te strikte tests, te weinig gespecificeerde probleemstellingen, beperkte dekking of misleidende opdrachten. OpenAI roept de gemeenschap op om nieuwe benchmarks rechtstreeks door ervaren ontwikkelaars te laten bouwen in plaats van ze automatisch uit open-source pull requests te extraheren.

🔗 Signaal van ruis scheiden in code-evaluaties

Codex CLI 0.143.0

Nieuwe stabiele versie: externe plug-ins zijn nu standaard ingeschakeld (met ondersteuning voor npm-bronnen voor de marketplace), authenticatieverkeer en de Responses API kunnen via de systeemproxy’s van macOS/Windows lopen (PAC/WPAD), en de opdracht codex remote-control pair genereert handmatige koppelingscodes voor een draaiende daemon. De Amazon Bedrock-catalogus wordt uitgebreid met de modellen GPT-5.6 Sol, Terra en Luna, en MCP-tool discovery is nu standaard ingeschakeld. Aan de correctiekant: verwerking van ConPTY-invoer onder Windows, betere herstelmogelijkheden voor tijdelijk offline externe runtime-servers, en beveiligingsupdates voor afhankelijkheden (OpenSSL, Hono, fast-uri, quick-xml, crossbeam-epoch).

🔗 Codex Changelog — 0.143.0

Cognitie en Amp: betrouwbaarheid van open modellen en externe agents

De betrouwbaarheid meten van modellen afgeleid uit open source

Naast de lancering van SWE-1.7 publiceert Cognition een studie over de betrouwbaarheid van modellen die zijn gebouwd op basis van voornamelijk Chinese open-source bases (Kimi K2.7 Code, DeepSeek-V4, GLM 5.2): neiging om discours-elementen te reproduceren die aansluiten bij de Communistische Partij van China, en risico op differentiële capaciteiten (minder veilige code afhankelijk van de waargenomen identiteit van de gebruiker). Op een set van 145 politiek gevoelige vragen en een differentiële veiligheidstest onder zes persona’s behaalt SWE-1.7 vergelijkbare, of zelfs betere, scores dan GPT-5.5 en Claude Opus 4.8 — terwijl ruwe Kimi K2.7 zich regelmatig conformeert aan problematische verzoeken die SWE-1.7 weigert. Cognition observeert geen statistisch significante gedragsverschillen die aan de geteste persona’s zijn gekoppeld.

🔗 De betrouwbaarheid van open-source-afgeleide modellen meten

Amp: externe agents vanaf elke machine

Amp laat nu toe om nieuwe agents op afstand te starten vanaf ampcode.com, op elke machine die de opdracht amp kan uitvoeren — niet alleen in de “orbs” (tijdelijke cloudmachines), maar ook op een laptop, een server of een cloud-developmentbox. De functie wordt geactiveerd via "amp.remoteThreadCreation.enabled": true in de configuratie; elke gestarte Amp-client accepteert dan nieuwe threads in zijn huidige werkmap. Een headless “Runner Mode” (amp --no-tui) maakt het geheel compleet: meerdere runners kunnen gelijktijdig op dezelfde machine draaien, geïdentificeerd door het paar host + werkmap, zonder Git-versionering te vereisen.

🔗 Agents, overal

Gemini: uitgebreide beheerde agents en beveiligingscorrecties voor de CLI

Gemini API — uitbreiding van Managed Agents

Google breidt de mogelijkheden van de Managed Agents van de Gemini Interactions API uit: asynchrone uitvoering op de achtergrond (background: true, met tracking-ID voor later opnieuw verbinden), directe verbinding met externe MCP-servers zonder proxy-middleware te hoeven schrijven, aanroep van aangepaste functies gecombineerd met ingebouwde sandbox-tools, en het vernieuwen van netwerkcredentials op een bestaande omgeving zonder de sandboxstatus te verliezen (bestanden, geïnstalleerde pakketten, gekloonde repositories). De gepubliceerde voorbeelden gebruiken de JavaScript SDK @google/genai en het model antigravity-preview-05-2026.

🔗 Managed Agents uitbreiden in Gemini API

Gemini CLI v0.51.0-preview.0 — beveiligingscorrecties

Deze previewrelease bundelt meerdere beveiligings- en robuustheidsfixes: een case-insensitive blocklist van gevoelige paden gecombineerd met human-in-the-loop voor de VS Code-extensie, correctie van een directory-escape via symbolische link in de geheugen-importprocessor, verwijdering van een lek van redeneringssporen (thoughts) in de opgeschoonde geschiedenis, defensieve resolutie van paden waarnaar door @ wordt verwezen, ~/.gitconfig in read-only zetten in de macOS-sandbox, en een update van de Vertex-base-URL.

🔗 Release v0.51.0-preview.0 — GitHub

GitHub Mobile: Copilot CLI-meldingen en conflictoplossing

Live meldingen voor Copilot CLI-sessies

De live meldingen van GitHub Mobile, al beschikbaar voor de cloud-agent, worden nu uitgebreid naar externe Copilot CLI-sessies. Via iOS Live Activities (17.2+) en Android Live Update Notifications (16+) ziet de gebruiker in realtime de status van de sessie (bezig, wachtend op antwoord, inactief, afgerond) en kan hij de logs rechtstreeks vanuit de melding openen. Werkt voor sessies gestart vanuit Copilot CLI, VS Code of andere ondersteunde interfaces, en kan nog steeds worden uitgeschakeld in de instellingen.

🔗 GitHub Mobile: Live meldingen voor Copilot CLI-sessies

Samenvoegconflicten oplossen met de Copilot-cloudagent

GitHub Mobile maakt het nu mogelijk om een pull request met conflicten rechtstreeks vanaf mobiel te deblokkeren: een knop “Fix with Copilot” in de samenvoegsectie vult vooraf een opmerking in waarin Copilot wordt gevraagd de conflicten op te lossen, waarna de cloud-agent wordt gestart. De app toont conflictwaarschuwingen en geeft duidelijke feedback bij succes of mislukking. De vermelding @copilot in een PR-opmerking blijft beschikbaar voor andere taken (het corrigeren van mislukte Actions-workflows, reageren op code reviews, tests toevoegen).

🔗 GitHub Mobile: Samenvoegconflicten oplossen met Copilot-cloudagent

Anthropic: twee casestudy’s over Claude Cowork

Marketingrapportage en campagnes automatiseren

Claude Blog beschrijft hoe het marketing-ops-team van Anthropic een deel van zijn werk heeft geautomatiseerd met Claude Cowork. Ian Chan verving een wekelijks rapportageproces dat hem één tot twee dagen kostte door een geplande taak (scheduled task) die elke zondagavond draait, gebaseerd op drie speciale vaardigheden (skills): rapportvoorbereiding, een review die elk cijfer controleert aan de hand van een betrouwbare bron, en het omzetten van opvolgpunten in Asana-taken. Annabel Custer automatiseerde op haar beurt de opzet van marketingcampagnes via een “dispatcher”-skill die elk uur een Slack-kanaal leest en elk verzoek doorstuurt, met een onafhankelijke auditagent die het werk zonder voorafgaande context controleert.

🔗 Hoe het marketingoperations-team van Anthropic Claude Cowork gebruikt

Thomson Reuters: “Fiduciary-Grade” AI met Claude

Tweede casestudy: Thomson Reuters (Westlaw, Practical Law, CoCounsel Legal) integreert Claude in producten die worden gebruikt door juristen die extreme precisie eisen, onder het concept “Fiduciary-Grade AI”. Joel Hron, CTO, stelt vier eisen aan een model voordat het in productie gaat: zelfcontrole van citaten in plaats van vertrouwen op het geheugen van het model, bestendigheid over lange ketens van tool-aanroepen, menselijke betrokkenheid bij het werk, en tijd vrijmaken voor taken die tot nu toe buiten bereik lagen. Thomson Reuters gebruikt ook Claude Cowork voor operationele automatisering en Claude Code voor het bouwen van agents met een lange levensduur, en zegt uit te kijken naar het verkennen van Claude Fable 5.

🔗 Werken aan de frontlinie: Thomson Reuters

Hugging Face en Together AI: open-source inferentie versnelt

De vLLM-backend van transformers bereikt native snelheid

Harry Mellor (vLLM-team) en Lysandre (medeoprichter van Hugging Face) tonen aan dat de modelbackend transformers voor vLLM nu gelijk is aan, of zelfs sneller is dan, de native doorvoer van handgeschreven vLLM-implementaties. Op drie Qwen3-modellen die head-to-head werden getest: Qwen3-4B stijgt van 46 850 naar 47 443 tokens/s (100,0 % van native), Qwen3-32B van 14 310 naar 14 660 tokens/s (100,1 %), en Qwen3-235B-A22B MoE FP8 van 31 382 naar 33 152 tokens/s (102,0 %). Modelauteurs kunnen zo automatisch profiteren van ultrasnelle vLLM-inferentie zonder handmatige portering, via vllm serve <modèle> --model-impl transformers.

🔗 vLLM transformers-backend op native snelheid — HuggingFace Blog

Together AI lanceert Provisioned Throughput

Together AI kondigt Provisioned Throughput aan, een inferentieformaat met gereserveerde capaciteit voor grensverleggende open modellen, met tokengebaseerde prijsstelling en een beschikbaarheids-SLA van 99 %. Vanaf vandaag beschikbaar voor MiniMax M3 en GLM-5.2, met een minimale verplichting van één maand. Economisch voorbeeld op MiniMax M3: een capaciteiteenheid (PTU, $0,05 per minuut) bij volle benutting komt neer op ongeveer $0,36/M invoertokens en $2,16/M uitvoertokens, tegenover $5 en $25 volgens de catalogusprijs van Claude Opus 4.8 — tot 90 % goedkoper. Together AI meldt dat het tokenvolume op zijn API’s in negen maanden is gestegen van 30 miljard naar meer dan 400 000 miljard tokens per maand.

🔗 Provisioned Throughput — Together AI Blog

Kort nieuws

Claude Code v2.1.204 — enige correctie: hook-events stroomden niet goed door tijdens SessionStart hooks in headless sessies, waardoor externe workers ten onrechte als inactief konden worden beschouwd en midden in een hook konden worden gereaped (idle-reaped). 🔗 CHANGELOG.md
FrontierCode 1.1 — Cognition herziet de methodologie van zijn agentische codebenchmark: programmatic detectie van valsspelen door het raadplegen van referentie-oplossingen (tot 37,2 % van de Claude Fable 5-runs betroffen op versie 1.0), 75 versoepelde scoringscriteria, en nieuwe scores voor Claude Sonnet 5 (42,7 %) en Claude Fable 5 (53,5 %, nog steeds op kop). 🔗 FrontierCode 1.1
NVIDIA en LangChain optimaliseren Deep Agents voor Nemotron 3 Ultra — het Deep Agents-harnas van LangChain, afgestemd op het open model Nemotron 3 Ultra, behaalt een samengestelde score van 0,86 voor $4,48, tegenover $43,48 voor het dichtstbijzijnde gesloten model qua prestaties — een ongeveer 10× lagere inferentiekost. 🔗 Tweet @NVIDIAAI

Wat dit betekent

De race om grensmodellen wordt opnieuw uitgevochten op kosten evenzeer als op intelligentie. Grok 4.5, SWE-1.7 en het duo GPT-Live/GPT-5.5 illustreren drie verschillende benaderingen van hetzelfde probleem: in plaats van alleen de hoogste benchmarkscore na te jagen, optimaliseren laboratoria nu expliciet de kosten/prestatieverhouding — Cognition spreekt openlijk over het “verplaatsen van de Pareto-curve”, SpaceXAI benadrukt een tokenverbruik dat 4,2× lager ligt dan dat van Opus 4.8, en OpenAI laat de zware taken van GPT-Live uitvoeren door een apart model in plaats van alles op het spraakmodel te laten leunen. De trainingsovereenkomst tussen SpaceXAI en Cursor, expliciet vermeld in de aankondiging van Grok 4.5, bevestigt ook een trend: makers van IDE’s en agentische tools worden medevormgevers van modellen, niet alleen API-klanten.

Ingebedde AI diversifieert zijn spelers. Met Robostral Navigate voegt Mistral zich bij Google DeepMind (Gemini Robotics) en NVIDIA in de race naar ingebedde robotica, met een bewust minimalistische aanpak (één RGB-camera, zonder LiDAR) die mikt op grootschalige uitrol in plaats van maximale laboratoriumprestaties. Runway Dev volgt een vergelijkbare logica aan de generatieve-mediakant: in plaats van één enkel model te verkopen, bundelt het platform de toegang tot meerdere aanbieders (ook concurrenten zoals ElevenLabs en Seedance) achter één API en één facturatie — een gok op aggregatie in plaats van model-exclusiviteit.

Ontwikkelaarstooling voor agents wordt op alle fronten rijker. Gemini CLI v0.50.0 (Tool Registry Discovery), de Copilot VS Code-samenvatting (kosten per sub-agent, 1M-token context), Codex CLI 0.143.0 (externe plug-ins, bedrijfsproxy’s) en Amp (externe agents vanaf elke machine) tekenen dezelfde beweging af: agentische CLI’s en IDE’s worden volwaardige platforms, met hun eigen toolregisters, kostenbeheer per gedelegeerde agent en hun eigen bedrijfsnetwerkinfrastructuur. GitHub Mobile zet die logica door tot op de smartphone, met live meldingen en conflictoplossing die vanaf een telefoon kan worden aangestuurd.

Het vertrouwen in benchmarks en open-source modellen wordt een onderwerp op zichzelf. OpenAI’s audit van SWE-Bench Pro (30 % defecte taken, aanbeveling ingetrokken) en Cognition’s herziening van FrontierCode 1.1 (valsspelen door oplossingen te raadplegen gedetecteerd op meer dan een derde van de Fable 5-runs) tonen aan dat codebenchmarks zelf objecten van voortdurende controle worden in plaats van vaste referenties. Tegelijkertijd wijzen Cognition’s studie over de betrouwbaarheid van modellen afgeleid uit Chinese open source, en de inferentieprestatiewinsten die Hugging Face en Together AI behalen op open modellen, erop dat het open-source-ecosysteem niet langer als een tweederangs keuze wordt gezien, maar als een basis die moet worden geaudit, geoptimaliseerd en economisch concurrerend gemaakt tegenover propriëtaire modellen.