TrueForge versus Claude Managed Agents: wat bedrijven moeten weten

TrueForge en Claude Managed Agents naast elkaar

Het verschil is dus vooral architectonisch. TrueForge laat een team dezelfde runtime combineren met verschillende model-endpoints en zelf bepalen waar runtime, gegevens en controles worden ondergebracht. Claude Managed Agents biedt een meer geïntegreerde route: minder infrastructuur om zelf samen te stellen, maar ook minder portabiliteit.

Wat laat de benchmark zien?

TrueFoundry zegt de twee runtimes te hebben vergeleken op 14 taken van niveau één en twee uit DevRevs Enterprise-Bench. Daarbij moesten agents samenwerken met meerdere bedrijfssystemen, MCP-servers aanroepen en informatie combineren tot één antwoord. Volgens TrueFoundry kregen beide configuraties dezelfde taken en werden per configuratie drie tests uitgevoerd.

De gerapporteerde uitkomsten:

• Hetzelfde Opus 4.8-model: TrueForge en Claude Managed Agents voltooiden elk ongeveer 11 van de 14 taken. TrueForge kwam uit op gemiddeld ongeveer 8,50 dollar per run, tegenover 11,80 dollar voor Claude Managed Agents: circa 30% minder.
• TrueForge met GLM-5.2: TrueFoundry rapporteerde opnieuw ongeveer 11 voltooide taken van de 14, tegen gemiddeld ongeveer 2,90 dollar per run. Dat is circa 75% minder dan de combinatie van Claude Managed Agents en Opus 4.8.
• Een aparte modeltest: In een eerder onderzoek vergeleek TrueFoundry GLM-5.2 met Opus 4.8 op een suite van tien taken, verdeeld over eenvoudige, moeilijke en lange-contexttaken. Ook dat was een test van het bedrijf zelf, niet een onafhankelijke validatie.

Deze cijfers zijn vooral een beschrijving van de test van TrueFoundry, geen algemene prijsgarantie. De benchmark is klein. Bovendien verandert de vergelijking met 75% besparing twee variabelen tegelijk: de runtime én het model. Daardoor is niet vast te stellen welk deel van de winst door TrueForge komt en welk deel door de overstap van Opus 4.8 naar GLM-5.2.

Ook infrastructuur, personeel, monitoring en andere enterprisekosten zijn niet automatisch in zo’n percentage verwerkt. Een afzonderlijke analyse waarschuwde daarom dat een lagere totale agentkost niet zonder meer gelijkstaat aan een lagere totale operationele kost voor het bedrijf.

Waar zou de kostenbesparing vandaan komen?

TrueFoundry voert twee argumenten aan: een efficiëntere agentlus en de mogelijkheid om per taak een passend model te kiezen.

1. Efficiënter omgaan met context en sessies

Een agent-runtime kan sessies, tools, status en context gestructureerd beheren, in plaats van bij elke stap de volledige interactie opnieuw aan het model voor te leggen. In de openbare benchmarkbespreking van TrueFoundry ligt de nadruk op het aantal stappen in de agentlus. Het bedrijf meldt in één vergelijking minder planningsstappen, maar de beschikbare informatie verifieert niet onafhankelijk hoe de techniek precies is geïmplementeerd of hoe breed het effect is.

In de praktijk kunnen relevante technieken zijn:

• alleen noodzakelijke context meenemen naar een volgende stap;
• toolresultaten en sessiestatus apart beheren in plaats van de volledige historie te herhalen;
• taken opsplitsen tussen subagents met een beperkte context;
• context samenvatten of comprimeren wanneer een sessie langer wordt;
• het aantal retries en onnodige modelaanroepen beperken.

De precieze besparing moet per toepassing worden gemeten. Minder tokens betekent niet automatisch een lagere totale kost als daarvoor meer infrastructuur, langere wachttijden of extra menselijke controles nodig zijn.

2. Modellen routeren op basis van de taak

Met een modelonafhankelijke runtime kan een bedrijf een krachtig frontiermodel inzetten voor taken die complexe redenering vereisen, en eenvoudiger of goedkoper model gebruiken voor beperkter of lager-risicowerk. Een open-weight-model zoals GLM-5.2 kan daarbij een optie zijn. Dit is de belangrijkste reden dat de gemelde besparing groter wordt wanneer TrueForge met GLM-5.2 wordt vergeleken met Claude Managed Agents met Opus 4.8.

Wie de test wil reproduceren, zou daarom niet alleen naar de licentiekosten moeten kijken. Belangrijke meetpunten zijn onder meer prompt- en completiontokens, contextgroei, toolaanroepen, retries, latency, kosten voor modelhosting, GPU-capaciteit, monitoring en menselijke beoordeling.

Deployment en governance: controle vraagt beheer

Zelf hosten verandert wie controle heeft over de uitvoeringsomgeving van een agent. Met TrueForge kan een onderneming de runtime binnen haar eigen infrastructuur plaatsen, eigen netwerkgrenzen instellen en bepalen hoe prompts, documenten, tooluitvoer en traces worden verwerkt. Dat kan het adresseren van eisen rond datalokalisatie en interne toegang eenvoudiger maken. Zelf hosten zorgt echter niet automatisch voor compliance. Toegangsbeheer, bewaartermijnen, auditlogs, modelgovernance en veilige toolrechten moeten nog steeds door de klant worden ingericht en onderhouden.

Daar staat operationele verantwoordelijkheid tegenover. Een TrueForge-deployment kan vereisen dat de klant zelf zorgt voor:

• runtime-updates en beveiligingspatches;
• beschikbaarheid, schaalbaarheid en capaciteitsplanning;
• secrets en integratie met identity-systemen;
• sandboxing en rechten voor connectors;
• observability, tracebewaring en incidentrespons;
• model-endpoints, GPU-capaciteit en het volgen van prestatieveranderingen.

Een managed service neemt veel van dit werk weg en kan de route van prototype naar productie versnellen. De keerzijde is minder controle over de runtime en een sterkere relatie met het platform van de leverancier. Vergelijkingen tussen beheerde en zelf gehoste agents draaien daarom doorgaans om compliance, data-eigendom, modelrouting, operationele capaciteit en de aard van de workload — niet om de softwareprijs alleen.

Wanneer past welke aanpak?

TrueForge is vooral interessant wanneer een organisatie behoefte heeft aan:

• strikte netwerk- of datalocatiegrenzen;
• de mogelijkheid om van modelleverancier te wisselen of open-weight-modellen te gebruiken;
• eigen goedkeurings-, audit- en observabilityprocessen;
• persistente, toolrijke of grootschalige agents;
• een platform-, security- of SRE-team dat de stack kan beheren.

Claude Managed Agents ligt meer voor de hand wanneer een team prioriteit geeft aan:

• snelle eerste implementatie;
• een gehoste sandbox en runtime;
• weinig infrastructuurbeheer;
• standaardworkloads zonder grote behoefte aan modelportabiliteit;
• het vermijden van extra personeel en bereikbaarheidsdiensten voor zelfhosting.

Zelf hosten is niet automatisch goedkoper. Bij lage of onvoorspelbare volumes kunnen managed services aantrekkelijker zijn omdat de provider ongebruikte capaciteit en een groot deel van het platformwerk absorbeert. Zelfhosting wordt interessanter bij stabiel en hoog gebruik, wanneer modelkeuze werkelijk besparingen oplevert en de organisatie al over de benodigde infrastructuurkennis beschikt.

Oprichters, financiering en vroege gebruikers

TrueFoundry werd in 2021 opgericht door de voormalige Meta-engineers Nikunj Bajaj, Abhishek Choudhary en Anuraag Gutgutia.

Het bedrijf haalde een Series A-ronde van 19 miljoen dollar op onder leiding van Intel Capital, met deelname van Peak XV, Eniac Ventures en Jump Capital, naast angel-investeerders.

Tot de gemelde vroege productiegebruikers van TrueForge behoren NetApp, Automatiq en het interne systeem Ask TFY van TrueFoundry. Dat wijst op vroege enterprise-toepassingen, maar vormt nog geen onafhankelijk bewijs dat de runtime in een brede reeks productiesituaties betrouwbaar werkt.

Waar past TrueForge in de agentmarkt?

TrueForge bevindt zich in de runtime- of harnesslaag van de agentstack. Dat is iets anders dan het onderliggende taalmodel en ook iets anders dan frameworks die vooral helpen om agentlogica te bouwen.

• Claude Managed Agents combineert Anthropic-modellen met gehoste uitvoering en beheerde infrastructuur. Het voordeel is een geïntegreerde route naar deployment; de keerzijde is minder model- en runtimeportabiliteit.
• TrueForge legt de nadruk op een eigen, modelonafhankelijke runtime met self-hosting, modelrouting en enterprisecontroles.
• DeepSeek-gerelateerde harnesses maken deel uit van de bredere beweging rond open modellen en open runtimes. De beschikbare informatie is hier echter onvoldoende voor een zorgvuldige vergelijking per functie met TrueForge.
• OpenAI Codex CLI is in de eerste plaats een ontwikkelaarsgerichte coding-agent en command-lineworkflow. Het is geen directe vervanger voor een algemene enterprise-controlplane voor bedrijfstoepassingen met meerdere tools.
• LangChain Deep Agents kan beter worden gezien als een framework voor geplande workflows en subagents. Het kan complementair zijn aan een productieruntime, in plaats van een rechtstreeks equivalent van TrueForge.

Conclusie voor enterprise-inkopers

De sterkste propositie van TrueForge is niet dat managed agents achterhaald zijn. Het is dat sommige bedrijven de harness onder hun agents zelf willen bezitten, zodat ze modellen kunnen kiezen, de deployment kunnen controleren en de agentlus kunnen afstemmen op hun governance-eisen.

De benchmarkkop — ongeveer 30% lagere gerapporteerde kosten met hetzelfde Opus-model en tot 75% lager bij de overstap naar GLM-5.2 — is interessant genoeg om zelf te testen. De cijfers moeten echter als hypothese worden behandeld totdat ze zijn gereproduceerd op taken, tools en gegevens die representatief zijn voor de eigen organisatie.

Een zinvolle evaluatie vergelijkt minstens taakssucces, fouttypen, staartlatency, token- en contextverbruik, model- en infrastructuurkosten, beveiligingscontroles, operationele inspanning en menselijke beoordeling.

Voor teams zonder de capaciteit of noodzaak om deze stack zelf te beheren, kan Claude Managed Agents de betere productkeuze blijven. Voor organisaties waar controle, portabiliteit en economie bij een stabiele hoge workload zwaarder wegen, is TrueForge een geloofwaardige kandidaat voor een afgebakende enterprisepilot — maar geen gegarandeerde snelweg naar betrouwbare productie.