Wat maakt Astra en Opus 5.5 wezenlijk anders dan oudere AI-modellen?

TL;DR

• Wat: GPT-6 Astra en Claude Opus 5.5 zijn gebouwd om zelfstandig taken uit te voeren op je computer — niet alleen tekst genereren.
• Waarom relevant: als ondernemer betaal je straks niet voor een chatbot, maar voor een digitale medewerker die daadwerkelijk klussen afhandelt.
• Wat je ermee kunt: inventariseer welke repetitieve computertaken in je bedrijf een AI-agent zou kunnen overnemen.

Ik stuitte op een tweet van @Rafa_Schwinger die stelt dat GPT-6 Astra en Claude Opus 5.5 "fundamenteel anders" zijn dan oudere modellen. Dat is een stevige claim — dus ik ben gaan uitzoeken wat er precies veranderd is en wat dat voor ondernemers kan betekenen.

Van tekstgenerator naar digitale uitvoerder

De AI-modellen die de meeste ondernemers kennen — ChatGPT zoals het een jaar geleden werkte, of de eerdere Claude-versies — waren in de kern tekstmachines. Je stelde een vraag, je kreeg een antwoord. Handig voor e-mails, samenvattingen, brainstormen. Maar het bleef bij woorden op een scherm.

Wat mij opvalt aan zowel GPT-6 Astra (gelanceerd door OpenAI op 3 september 2026) als Claude Opus 5.5 (uitgebracht door Anthropic op 22 september 2026) is dat ze allebei gebouwd zijn rond een ander idee: de AI moet niet alleen antwoorden, maar ook doen.

Concreet betekent dat: deze modellen kunnen een computer bedienen. Ze openen programma's, navigeren door software, vullen formulieren in, debuggen code over meerdere stappen. Astra scoort volgens DataCamp 72,6% op de OSWorld 2.0-benchmark — een test die meet hoe goed een AI echte computertaken kan uitvoeren. Dat is niet perfect, maar het is een wereld van verschil met modellen die een jaar geleden alleen tekst konden produceren.

Kun je je voorstellen wat dit betekent als je dagelijks uren kwijt bent aan administratieve handelingen in verschillende softwarepakketten?

Sneller, goedkoper, en toch krachtiger

Een patroon dat ik interessant vind: beide modellen zijn niet alleen capabeler, maar ook efficiënter geworden.

Claude Opus 5.5 kost volgens 9to5Google zo'n 40% minder dan zijn voorganger Opus 5, terwijl de output ruim 30% sneller is. De API-prijs zit op $4 per miljoen input-tokens en $20 per miljoen output-tokens. Voor wie dat niets zegt: tokens zijn de "woordstukjes" waarmee AI-modellen tekst verwerken. Hoe minder tokens een model nodig heeft voor dezelfde klus, hoe goedkoper het is om te draaien.

Astra is per token duurder — volgens MindStudio zo'n 2,5 keer meer dan Opus 5.5. Maar het compenseert dat deels doordat het taken sneller afrondt. In de OSWorld-simulatie deed Astra er zo'n 40 minuten over waar het vorige topmodel van OpenAI (GPT-5.6 Sol) 75 minuten nodig had.

Wat mij betreft is die combinatie van lagere kosten en betere prestaties het meest relevante signaal voor ondernemers. Het betekent dat AI-tools die op deze modellen draaien, de komende maanden toegankelijker worden — ook voor kleinere bedrijven.

Agentic AI: wat betekent dat eigenlijk?

Het woord dat steeds terugkomt is "agentic". Ik merk dat dit begrip nog niet bij iedereen bekend is, dus even kort: een AI-agent is een systeem dat niet wacht op jouw volgende opdracht, maar zelfstandig meerdere stappen zet om een taak af te ronden.

Stel dat je als ondernemer een AI vraagt om een concurrentieanalyse te maken. Een ouderwets model geeft je een tekst op basis van wat het al weet. Een agentic model opent een browser, zoekt actuele informatie op, vergelijkt prijzen, en levert een gestructureerd document af — zonder dat jij tussendoor hoeft bij te sturen.

Anthropic noemt drie gebieden waarop Opus 5.5 een duidelijke stap vooruit zet ten opzichte van Opus 5: agentic coding, computergebruik en kenniswerk. Bij Astra zien we iets vergelijkbaars: het model houdt in zijn Codex-omgeving doorzoekbare notities bij over eerdere sessies, in plaats van alles samen te persen in één samenvatting. Dat klinkt als een detail, maar het betekent dat het model context onthoudt over langere taken — vergelijkbaar met het verschil tussen een collega die alles opschrijft en eentje die na elke vergadering opnieuw begint.

Een kanttekening bij benchmarks

Ik vind het wel belangrijk om hierbij te vermelden dat benchmarkscores niet altijd de dagelijkse praktijk weerspiegelen. Astra's indrukwekkende score van 99,9% op ARC-AGI-3 — een test voor algemeen redeneren — is behaald met wat DataCamp een "stateful, expensive harness" noemt. Bij gewone API-aanroepen zonder die speciale opzet liggen de scores volgens diezelfde bron tussen de 17% en 63%. Dat is een flink verschil. Als ondernemer is het nuttig om te weten dat de marketingcijfers niet altijd overeenkomen met wat je in de praktijk zult ervaren.

Veiligheid als ontwerpkeuze

Wat mij eerlijk gezegd het meest opvalt, is hoe beide bedrijven omgaan met de keerzijde van krachtigere modellen.

Astra scoort 100% op ExploitBench — een test die meet of een model bekende softwarekwetsbaarheden kan omzetten in werkende aanvallen. Dat is tegelijk indrukwekkend en zorgwekkend. OpenAI heeft ervoor gekozen om die capaciteit af te schermen via het zogeheten Daybreak-programma: bepaalde gevoelige mogelijkheden worden niet standaard vrijgegeven. Volgens TechCrunch is dat een bewuste verschuiving — capaciteiten worden nu restricted-by-design uitgebracht in plaats van standaard open.

Anthropic pakt het bij Opus 5.5 iets anders aan. Volgens Techgenyz is het model zo'n 85% minder geneigd om zogenaamde containment-grenzen te overschrijden — simpel gezegd: het model probeert minder vaak om dingen te doen die buiten zijn mandaat vallen. Ook is het beter bestand tegen prompt-injectie, een techniek waarbij kwaadwillenden via slimme invoer een AI-model proberen te manipuleren.

Voor ondernemers die overwegen AI-agents in te zetten voor bedrijfsprocessen is dit relevant. Een agent die zelfstandig taken uitvoert, moet je kunnen vertrouwen. Het feit dat beide aanbieders hier serieus in investeren, is wat mij betreft een voorwaarde om deze technologie ooit bedrijfsbreed in te zetten.

Wat betekent dit voor je bedrijf?

Ik denk dat de verschuiving van "AI als gesprekspartner" naar "AI als uitvoerder" de belangrijkste trend is om in de gaten te houden. Niet omdat het morgen al je bedrijf verandert — de technologie is er nog niet in alle opzichten klaar voor. Maar de richting is helder.

Een denkbare situatie zou zijn: een e-commerceondernemer die nu handmatig productbeschrijvingen invoert in een CMS, prijzen vergelijkt bij leveranciers, en klantvragen beantwoordt. Elk van die taken raakt aan wat deze nieuwe modellen in theorie kunnen: software bedienen, informatie opzoeken en verwerken, gestructureerde output leveren.

De praktische stap voor nu is niet om meteen alles te automatiseren, maar om bewust te worden van welke taken in je bedrijf repetitief, digitaal en stappengebaseerd zijn. Dat zijn precies de taken waar agentic AI als eerste waarde kan toevoegen.

Voor mij is dit vooral een signaal dat de AI-industrie verschuift van "kijk hoe slim ons model is" naar "kijk wat ons model daadwerkelijk kan doen". En dat is, als ondernemer, een stuk relevanter.