Editie #11. Deze week bracht Anthropic Claude Opus 4.7 uit. Een dag later volgde Claude Design, een designproduct dat onder de motorkap gewoon op Opus 4.7 draait. En op dezelfde donderdag kwam OpenAI met GPT-Rosalind, een model dat niet voor iedereen bedoeld is, maar voor een heel specifieke groep: wetenschappers. Drie losse updates, maar ze laten alle drie hetzelfde zien over waar de grote labs nu mee bezig zijn.
Een grote update vanuit Anthropic: Opus 4.7 is uit
Anthropic bracht deze week Claude Opus 4.7 uit. De eerste reacties zijn stevig, vooral op coding, tool use en computer use.
Wat opvalt is dat Opus 4.7 niet alleen beter scoort dan Opus 4.6, maar vooral sterker lijkt te worden op werk dat bedrijven echt tijd kost: coding, tool use, computer use, finance en visual reasoning. Dat zijn precies de categorieen waar een model niet alleen iets moet weten, maar ook iets moet doen.
Praktisch betekent dat: een developer die sneller van bug naar eerste werkende fix gaat, een team dat losse screenshots, documenten en klantvragen sneller kan omzetten in een bruikbaar antwoord, of een medewerker die repetitief schermwerk minder handmatig hoeft te doen. Dat is uiteindelijk relevanter dan weer een paar punten extra op een abstracte benchmark.
Wat ook opvalt, is dat Mythos Preview op meerdere punten alweer boven Opus 4.7 zit. Mythos is het krachtigere model dat Anthropic tot nu toe alleen bij een handjevol partners heeft ingezet, vooral voor security-onderzoek. Dat suggereert dat Anthropic intern alweer een stap verder is dan wat nu publiek beschikbaar is.
Iedereen wacht op GPT-5.5. OpenAI lijkt daar minder mee bezig dan het internet
Rond GPT-5.5 hangt inmiddels weer exact hetzelfde patroon als altijd: veel geruchten, veel Reddit-speculatie, nul echte bevestiging. Er worden data genoemd, codenames rondgegooid en theorieen bedacht over OpenAI dat bewust wacht op Anthropic. Vermakelijk, maar inhoudelijk stelt het weinig voor. Het zegt vooral dat een deel van de AI-markt modelreleases inmiddels behandelt alsof het voetbalwedstrijden zijn.
Wat wel interessant is, is dat OpenAI intussen gewoon blijft shippen. Geen 5.5-hype, maar wel echte productupdates zoals Codex-uitbreidingen en GPT-Rosalind voor life sciences. Misschien is dat ook het punt: de strijd draait steeds minder om wie als eerste een nieuw modelnummer tweet, en steeds meer om wie als eerste iets bruikbaars neerzet waar mensen echt mee werken.
Anthropic wil niet alleen dat Claude denkt. Het wil nu ook dat Claude ontwerpt
Anthropic lanceerde Claude Design, een tool waarmee je prototypes, slides, one-pagers en andere visuele output kunt maken door gewoon met Claude te praten. Het kwam letterlijk een dag na Opus 4.7, en draait onder de motorkap op datzelfde nieuwe model. Dat klinkt als een logische uitbreiding, maar het zegt iets groters: een sterk model blijft niet lang een los model. Zodra het goed genoeg is, wordt er meteen een product omheen gebouwd waar teams direct mee kunnen werken.
Dat maakt Claude Design interessanter dan weer een losse modelupdate. Niet omdat design ineens opgelost is, maar omdat je ziet hoe snel Anthropic van model naar workflow beweegt. Een salesdeck, een eerste landingspagina of een ruwe productmockup hoeft straks niet meer te beginnen in PowerPoint, Figma of Canva, maar gewoon in een gesprek. Dat is waar dit naartoe gaat: minder losse tools, meer direct bruikbaar werk.
OpenAI bouwt met GPT-Rosalind niet voor iedereen. Juist dat maakt het interessant
OpenAI kwam deze week met GPT-Rosalind, een modelserie voor biologie, drug discovery en translational medicine. Dat klinkt niche, en dat is het ook. Maar precies daar zit het interessante deel. Blijkbaar ziet OpenAI genoeg waarde in dit soort werk om er niet gewoon een algemene update van te maken, maar iets dat expliciet is afgestemd op wetenschappelijke workflows, genomics, eiwitstructuur, chemisch redeneren en tool use in onderzoek.
Dat is relevant, ook als je zelf niets met life sciences doet. Niet omdat iedereen nu ineens een biotech-model nodig heeft, maar omdat je ziet waar dit heen gaat. Labs bouwen niet alleen bredere modellen, ze bouwen ook gerichter voor werk waar veel waarde, complexiteit of foutmarge zit. Vandaag is dat biologie. Daarna krijg je hetzelfde patroon in juridische analyse, financiele controles, supportwerk en operatie.
Wat mij vooral opvalt, is dat het steeds minder draait om het model zelf en steeds meer om de use case. Niet alleen: hoe slim is dit ding? Maar: waar haal je er in de praktijk waarde uit? Dat is ook waar mijn focus met AI Agents ligt.
Wat ik meeneem
Drie dingen blijven bij me hangen. Goede modellen worden steeds sneller verpakt in iets wat je direct kunt gebruiken. Niet elke belangrijke launch is voor de massa, soms zit de echte waarde juist in een niche. En het verschil zit steeds vaker in concreet werk dat je sneller, netter of met minder mensen kunt doen.
