De beste graadmeter voor AI-vooruitgang ben jij

Anthropic bracht op 28 mei Claude Opus 4.8 uit, de opvolger van Opus 4.7 van zes weken eerder. Het model scoort beter op coderen, redeneren en kantoorwerk, voor dezelfde prijs. Het opvallendst is iets dat geen benchmark meet: de eerlijkheid van het model. Het geeft vaker aan wanneer het iets niet zeker weet en doet minder vaak een claim die het niet kan onderbouwen. Voor wie AI serieus inzet is dat relevanter dan een paar procentpunten op een testset. Hieronder lees je wat er nieuw is, en een manier om zelf te voelen hoe hard de ontwikkeling gaat.

Wat Anthropic heeft uitgebracht

Opus 4.8 verschijnt 41 dagen na Opus 4.7. De prijs blijft gelijk: 5 dollar per miljoen invoertokens en 25 dollar per miljoen uitvoertokens. Daarnaast krijgen gebruikers van Claude en Cowork een knop waarmee ze kunnen instellen hoeveel moeite het model in een antwoord steekt, en Claude Code krijgt een functie om honderden subagenten parallel aan grote klussen te laten werken.

Het detail dat Anthropic zelf het meest benadrukt is de eerlijkheid. In hun eigen evaluaties laat Opus 4.8 ongeveer vier keer minder vaak een fout in zelfgeschreven code onopgemerkt passeren dan zijn voorganger. Dat raakt direct hoe je een model inzet: een AI die zelf aangeeft dat ze iets niet zeker weet, vraagt om een andere controle dan een AI die alles met evenveel stelligheid brengt. Dat het meetbaar beter wordt, verschuift waar jij je aandacht op richt.

Voel zelf hoe hard de modellen vooruitgaan

Elke zes weken een nieuw model. Dat tempo maakt de vraag "welk model gebruik ik waarvoor, en hoe blijf ik bij" lastiger dan de modellen zelf. Een nieuwe versie is bovendien niet automatisch beter voor jouw werk. We schreven eerder waarom benchmarks die vraag niet beantwoorden en welke aanpak wel werkt, in hoe weet je of een nieuw AI-model beter is voor jouw werk.

Een simpele manier om grip te houden: bedenk een of twee taken die jij als mens echt goed kunt beoordelen. Een offerte nakijken op zwakke plekken, een lastige klantmail opstellen, een rommelig rapport samenvatten. Bewaar de opdracht en je oordeel. Voer dezelfde taak uit bij elk nieuw model dat verschijnt en leg de resultaten naast elkaar. Je hoeft geen benchmark te lezen om te zien of het beter wordt, je voelt het aan werk dat je zelf kent. Het is ook de eerlijkste graadmeter, omdat jij de meetlat bepaalt en niet de fabrikant.

Die eerlijkheid raakt een breder punt: betere modellen voelen betrouwbaarder dan ze zijn, en dat vertrouwen groeit vaak sneller dan de betrouwbaarheid rechtvaardigt. Daarover schreven we in AI maakt minder fouten en dat is het probleem.

Wil je weten welke modellen en werkwijze passen bij jouw processen, zonder dat je elke release zelf hoeft te volgen? Plan een kennismaking in, we denken graag mee.