Claude Opus 5

Mercor vergeleek twaalf bevoegde accountants met AI op vier vereenvoudigde maandafsluitingstaken. Claude Opus 5 scoorde perfect, maar de test zegt weinig over het uitvoeren van een volledige boekafsluiting.

Google laat engineers Claude Opus 5 gebruiken voor intern codeerwerk via Antigravity, maar houdt Gemini als basis en begrenst het rivaliserende model met quota. De stap toont modelvrijheid binnen gecontroleerde grenzen, niet een algemene klantlancering.

Anthropics goedkopere Opus 5 heeft topmodel Fable 5 voorbij in zakelijke bestedingen, meldt de Financial Times. Fable 5 blijft steken op ongeveer 11 procent van wat bedrijven bij Anthropic uitgeven.

Nvidia brengt Claude Opus 5 met onderzoeksharnas AVO op 100,00 op de publieke set van ARC-AGI-3, waar hetzelfde model los rond 30 procent blijft. Het harnas leunt op blijvend geheugen en een supervisor.

ARC Prize verifieerde de redeneersprong van Claude Opus 5: 30,2 procent op ARC-AGI-3, bijna vier keer de vorige topscore. Een tweede, onafhankelijke test laat een veel kleinere winst zien.

Claude Opus 5 laat in Anthropics eigen browsertest van 129 scenario's geen enkele prompt-injectie slagen met auto mode aan, en 3,7 procent zonder. Auto mode zit alleen in Anthropics eigen browserproducten.

Anthropic bracht Claude Opus 5 uit, een vlaggenschipmodel dat op codeer- en agent-benchmarks bijna het duurdere Fable 5 evenaart. De prijs per token blijft gelijk, maar de kosten per taak dalen fors.

Google introduceert Gemini 4 Carbon met scores op drie cybertests en toegang voor geselecteerde verdedigers. De introductieprijs is bekend, maar een datum voor brede beschikbaarheid ontbreekt.

Artificial Analysis’ Intelligence Index v5 zet Claude Opus 5.5 op 58 punten en Kimi K3.1 Pro op 46. Privétests en afgeschermde antwoorden bepalen 60 procent van de weging; het hoogste model met vrijgegeven gewichten scoort 32.

ScarfBench vergelijkt tien combinaties van AI-model en codeeragent op 204 Java-migraties. De hoogste deelscore en het hoogste aandeel volledig geslaagde tests horen bij verschillende combinaties.

Moonshot stelt Kimi K3.1 Pro vandaag beschikbaar via zijn diensten en API, met een snellere Highspeed-variant. De API kost minder per token dan K3; zelf hosten kan pas na de gewichtenpublicatie.

Anthropic analyseert hoe Mythos 5 tijdens een Britse cybertest kwaadaardige code in een echt GitHub-project probeerde te krijgen. AISI’s eigen vervolgonderzoek nuanceert Anthropics claim over betere afstemming.

Anthropic opent een Amerikaanse wachtlijstpreview van Claude Duet, een agent die gekoppelde apps volgt, taken op de achtergrond uitvoert en goedkeuring vraagt voor ingrijpende acties. Voor Nederlandse bedrijven is toegang nog niet aangekondigd.

StepFun publiceert de BF16-gewichten van Step 5 Preview. De bestanden beslaan 1,21 TB en de officiële configuratie vraagt acht B300-GPU's of zestien H200-GPU's, naast specifieke licentievoorwaarden.

Meta brengt Muse Wonder en Wonder Full uit. Wonder is via de API per token beschikbaar, terwijl Full achter Muse Code-abonnementen zit. Tarieven, benchmarks en datavoorwaarden bepalen welk pad zakelijke teams kunnen gebruiken.

Musk zegt dat Grok Bot per taak externe modellen kan kiezen, waaronder Claude Opus 5.5, Midjourney en Suno. De agentcomputer staat in de VS; Cursor beheert de modelkeuze.

Anthropic geeft securityteams drie toegangsniveaus voor Claude-cybermodellen. Elk niveau biedt dezelfde modelreeks, maar verschilt in toegestane taken, verificatie, beveiliging en gegevensbewaring voor teams die kwetsbaarheden onderzoeken of systemen testen.

Claude Sonnet 5.5 kost volgens Anthropic tot 30 procent minder per typische taak dan Sonnet 5, terwijl de input- en outputtarieven gelijk blijven. De besparing komt volgens het bedrijf uit lager tokenverbruik.

Anthropic brengt Claude Opus 5.5 uit met 20 procent lagere input- en outputtarieven en volgens het bedrijf 40 procent lagere kosten per typische taak. Het verschil zit in tokens, niet alleen in de prijslijst.

Open-weight-modellen verwerken voor het eerst meer dan de helft van de tokens op Vercels AI Gateway. Toch gaat 64 procent van de uitgaven naar Anthropic, wat modelrouting tot een kostenkeuze maakt.

Drie Hacktron-onderzoekers bereikten via een forumlek en een SSO-fout een private OpenAI-codeomgeving en bewezen die toegang met een pull request. Ze lazen de broncode niet, maar de aanvalsketen toont hoe ver agentrechten reiken.

Anthropic meldt een vierde geval waarin Claude tijdens een cybersecuritytest echte systemen bereikte. Een fout in de testomgeving liet internettoegang open, waardoor de melding ook verantwoordelijkheid van testpartners en eisen aan sandboxing blootlegt.

Sierra maakt met Hyper-τ-Bench zichtbaar of coding-agents echt klantagenten kunnen bouwen. De beste configuratie haalt 23,9 procent, tegenover 82,2 procent voor een expertreferentie op dezelfde evaluaties.

Gray Swan kreeg GPT-6 Astra in 8,5 procent van de scenario's toch zover dat het instructies uitvoerde die in een document verstopt zaten, tegen 4,8 procent bij Claude Opus 5. Directe injecties blokkeert het model wel.

OpenAI brengt GPT-6 Astra uit voor Plus, Pro, Business en Enterprise plus de API en AWS. Het model kost 10 en 50 dollar per miljoen tokens en draait onder bewaking die een API-taak kan stoppen.

Alibaba brengt Qwen3.8-Max-0902 uit, een codeversie van zijn topmodel tegen ongewijzigde tarieven van 2 en 6 dollar per miljoen tokens. De geclaimde eerste plek op Arena hield precies één dag stand.

Meta brengt Muse Spark 1.3 uit met volgens eigen metingen 20 procent minder toolaanroepen en 25 procent minder tokens dan versie 1.2, tegen dezelfde prijs. Wat dat scheelt op de rekening van een codeeragent.

Anthropic maakt cache reads voor Claude Fable 5.1 75 procent goedkoper, naar 0,25 dollar per miljoen tokens. Het tokentarief zelf blijft gelijk, dus je besparing hangt af van hoeveel context je herleest.

Runway presenteert Solaris, een model dat software-interfaces frame voor frame genereert in plaats van code uit te voeren. In een eigen test met 250 deelnemers wint het van een gecodeerd alternatief.

Claude Cowork heeft sinds 26 augustus een eigen browser in de desktop-app, los van je tabbladen, bookmarks en wachtwoorden. Logins gaan er per site heen, bank, mail en single sign-on standaard niet.

Op 22 augustus liep 62 procent van alle tokens op Vercels AI Gateway over open modellen, tegen 28,4 procent in juni. De uitgaven volgen die verschuiving niet: daar houdt Anthropic de meerderheid vast.

Aikido verbrandde 11,7 miljard tokens om tien AI-modellen op 32 verse CVE's te testen. Drie runs DeepSeek V4 Pro kosten 295 dollar en vinden er 28, meer dan een enkele pass van Opus 5 of Grok 4.6.

Klanten van OpenAI en Anthropic betalen sinds midden juli bijna een kwart minder per miljoen tokens. Anthropic schrapte bovendien een verhoging die op 1 september zou ingaan, terwijl de topmodellen onveranderd duur blijven.

SpaceXAI brengt Grok 4.6 uit met 61 punten op de Artificial Analysis Intelligence Index, gelijk aan GPT-5.6 Sol, terwijl de tokenprijs op 2 en 6 dollar per miljoen blijft staan.

Anthropic weeft een onzichtbaar watermerk in alle tekst die Claude genereert, wereldwijd en op modelniveau, vanaf modellen van na 2 augustus 2026. Dat verandert de herkomst van je output, niet je eigen meldplicht als ondernemer.

Anthropic versoepelt het biologiefilter van Claude Fable 5. Onschuldige biologievragen belanden volgens eigen tests 85 procent minder vaak bij het zwakkere Opus 5, en op Claude.ai daalt het totale aantal terugvallen met twee derde.

Meta brengt Muse Code uit, een codeeragent voor de terminal in beta op macOS en Linux. Er is geen abonnement, wel een goedkope tier waarop je eigen code de modellen van Meta traint.

OpenAI haalt 38,3 procent op de publieke ARC-AGI-3-set door retained reasoning en compaction aan te zetten, tegen 13,3 procent met de officiële opstelling. ARC Prize erkent het resultaat en houdt vast aan één testomgeving.