Afgelopen donderdag lanceerden Anthropic en OpenAI binnen twintig minuten van elkaar hun nieuwste topmodellen. Toeval was het niet: beide bedrijven claimen nu het beste AI-model voor codering en kenniswerk te hebben. De concurrentie is openlijk en fel. “The war is on!”.
Claude Opus 4.6 is het nieuwe vlaggenschip van Anthropic. Het model is beter in langlopende taken, maakt minder fouten, en kan nu ook rechtstreeks in PowerPoint worden gebruikt. Let op, die laatste veelgevraagde feature is nog een research beta, dus niet zonder meer toegankelijk. Daarnaast introduceert Anthropic agent teams: meerdere Claude-instanties die parallel samenwerken aan een project. Handig voor complexe klussen waarbij je normaal meerdere mensen zou inzetten. Er is ook een groter contextvenster van een miljoen tokens aangekondigd, maar dat is vooralsnog alleen beschikbaar via de API, niet in de gewone chatinterface.
OpenAI reageert met GPT-5.3 Codex, een model dat specifiek is getraind voor het uitvoeren van complexe coderingstaken. Het draait sneller dan zijn voorganger en je kunt het model nu tussentijds bijsturen terwijl het werkt. Een opvallend detail: OpenAI meldt dat het model zichzelf heeft helpen bouwen. Vroege versies werden intern gebruikt om de training te debuggen en te verbeteren.
Wat opvalt: beide modellen zetten zwaar in op coderen. Bij OpenAI is dat zelfs expliciet, het codeermodel ís het nieuwe vlaggenschipmodel. En ook bij Anthropic draait alles om wat ze “agentic coding” noemen: de mogelijkheid om zelfstandig complexe taken uit te voeren, stap voor stap, met meerdere tools tegelijk. Dat is geen toeval. Achter deze keuze zit een breder idee: als een AI goed genoeg kan programmeren, kan hij ook kenniswerk automatiseren. Code is namelijk niets anders dan een reeks precieze instructies om een taak uit te voeren. En dat is precies wat kenniswerk vaak is: een keten van stappen, van informatie verzamelen tot een eindproduct opleveren.
Wat betekent dat concreet? Neem lesvoorbereiding. Als je nu een chatbot inzet, doe je dat in losse stappen: je laat de leerdoelen aanscherpen, vraagt om een opzet voor je les, laat een werkvorm uitwerken, genereert een aantal toetsvragen, en zet het uiteindelijk zelf om in een presentatie. Allemaal aparte gesprekjes, waarbij jij steeds de volgende stap bepaalt. Een agent die kan coderen, kan straks die hele keten in één doorlopende actie uitvoeren: van leerdoelen tot een kant-en-klare presentatie met verwerkingsopdrachten, bronnen en al. Dat is de richting waar beide bedrijven naartoe werken. Anthropic noemt het “vibe working”, het idee dat je een eindresultaat beschrijft en de AI het uitvoert. Of dat in de praktijk ook zo gaat werken, moet nog blijken. Maar dat de AI-modellen van deze week daar expliciet voor worden gebouwd, is wel veelzeggend.
