Niveau 2: De specialisten en snelheidsduivels

Claude Opus 4.8 (Anthropic)

Voor de komst van Fable 5 was Opus 4.8 de onbetwiste koning. Het model werd eind mei 2026 gelanceerd, is nu de krachtige 'kroonprins' bij Anthropic en blijft een topmodel op zichzelf .

• Algemeen & Agentisch: Het was het eerste model dat de Artificial Analysis Intelligence Index leidde met een score van 61,4 en voert de GDPval-AA ranglijst aan met 1890 Elo, voordat het werd overtroffen door Fable 5 .
• Programmeren: Het scoort 69,2% op SWE-bench Pro en 88,6% op SWE-bench Verified .
• Wiskunde: Het toonde een historische sprong van 27 punten op de USAMO 2026 wiskundebenchmark, van 69,3% naar 96,7% in 41 dagen .
• Eerlijkheid: Het model heeft het laagste percentage feitelijke hallucinaties onder zijn concurrenten, voornamelijk door te zwijgen bij onzekerheid in plaats van te gokken .

GPT-5.5 (OpenAI)

GPT-5.5, uitgebracht eind april 2026, was het eerste model van deze generatie dat de algehele prestatieleiding voor OpenAI terugpakte, zij het met een meer gespecialiseerde vaardighedenset .

• Wiskundig Redeneren: Het is het absolute wiskundemodel, met een score van 51,7% op FrontierMath Tier 1-3 en 35,4% op de bijna onmogelijke Tier 4 – een duidelijke voorsprong op de rest .
• Autonome Terminal: Het leidt ook op Terminal-Bench 2.0, met een score van 82,7% voor complexe opdrachtregeltaken, vergeleken met Claude Opus 4.7's 69,4% .
• Lange Context: GPT-5.5 maakte een sprong van 37 punten in het ophalen van informatie uit lange teksten (MRCR v2), met een score van 74,0% bij een context van 1M tokens. Zijn voorganger bleef steken op 36,6% .
• Let op bij Programmeren: Hoewel het een sterke allrounder is, blijft de SWE-Bench Pro score van 58,6% aanzienlijk achter bij de modellen van Anthropic .

Gemini 3.5 Flash (Google)

Dit model debuteerde op Google I/O 2026 en is een 'Flash'-model. Dat betekent dat het is ontworpen voor snelheid en kostenefficiëntie, zonder in te leveren op het vermogen om boven zijn gewichtsklasse te presteren .

• Snelheid en Waarde: Het zou 4x sneller zijn dan Gemini 3.1 Pro voor agent- en programmeertaken, met concurrerende prijzen .
• Agent & Gereedschapsgebruik: Het scoort een sterke 83,6% op MCP Atlas, een benchmark voor het gebruik van gereedschap in meerdere stappen .
• Programmeren & Visie: Op SWE-Bench Pro is de score van 55,1% net iets hoger dan die van zijn grotere voorganger, Gemini 3.1 Pro. Op de CharXiv visuele redeneerbenchmark scoort het 84,2% .
• Realiteitscheck bij Programmeren: Onafhankelijke data van Artificial Analysis suggereert dat de programmeerscores aanzienlijk zwakker zijn dan Google's eigen vergelijkingen doen vermoeden. Het praktische nut voor ontwikkelaars moet dus nog verder gevalideerd worden .

Grok 4.3 (xAI)

Grok 4.3 werd eind april 2026 stilletjes gelanceerd. Het model is een spelbreker qua kostenefficiëntie en snelheid en blinkt uit in specifieke niches .

• Algemene Plaats: Het scoort 53 op de Artificial Analysis Intelligence Index. Dat plaatst het boven middenmoters zoals Claude Sonnet 4.6, maar ver onder topmodellen als GPT-5.5 en Claude Opus 4.7 .
• Koning van Instructieopvolging: Het staat op #1 op IFBench met een score van 81% en verslaat daarmee GPT-5.5, Gemini 3.1 Pro en Claude Opus 4.7 .
• Agentische Spurt: Grok 4.3 vertoont een enorme sprong van +321 Elo-punten op de GDPval-AA agentische takenbenchmark ten opzichte van zijn voorganger, met een score van 1500 . Het scoort ook een toonaangevende 98% op de τ²-Bench Telecom benchmark .
• Snelheidsmonster: De eerste rapporten noemen een snelheid van 159 tokens per seconde, maar andere benchmarks tonen snelheden tussen de 78,4 en 196 tokens/s .
• Prijzen & Beperkingen: Met een agressieve prijs van naar schatting $1,25/$2,50 per miljoen tokens (input/output), is het een ijzersterke prijs-kwaliteitspeler voor specifieke domeinen, maar geen concurrent op het gebied van algemene intelligentie .

De Open-Source Uitdager: DeepSeek V4 Pro (DeepSeek AI)

DeepSeek V4 Pro, gelanceerd in april 2026, is de sterkste open-source uitdager. Het biedt ongelooflijke waarde voor programmeerwerk, maar met een kritische onafhankelijke kanttekening.

• Kampioen in Prijs-kwaliteit: Het scoort een indrukwekkende 80,6% op SWE-bench Verified en 93,5% op LiveCodeBench, waarmee het qua codeervaardigheid in de buurt komt van Claude Opus 4.6, maar dan voor een fractie van de prijs (geschat ~$3,48 per miljoen output tokens) .
• Het CAISI Oordeel: Een onafhankelijke evaluatie door de Amerikaanse overheidsinstantie CAISI wees uit dat de capaciteiten van DeepSeek V4 ongeveer 8 maanden achterlopen op de frontier. Waar DeepSeek's eigen data het vergeleek met GPT-5.4, plaatst CAISI de prestaties dichter bij GPT-5, dat al in augustus 2025 uitkwam. .
• Algemene Ranglijst: Het blijft achter op taken voor algemene kennis en complex redeneren in vergelijking met de propriëtaire reuzen, met een 39e plaats van 123 modellen op een bredere ranglijst .

Veiligheid & Onafhankelijke Evaluaties

Onafhankelijk, gestandaardiseerd veiligheidsonderzoek blijft zeldzaam en wordt vaak niet gepubliceerd.

• DeepSeek V4 Pro (CAISI/NIST): De evaluatie van de Amerikaanse overheid blijft het meest opvallende veiligheidssignaal. De conclusie was dat de mogelijkheden ongeveer 8 maanden achterlopen op de frontier .
• GPT-5.5 (AI Security Institute): Het Britse AI Security Institute rapporteerde dat GPT-5.5 een slagingspercentage van 71,4% had op cybertaken op expertniveau en merkte op dat het "misschien wel het sterkste model is dat we hebben getest" op dat vlak .

Hoe lees je deze resultaten?

Het is verleidelijk om één winnaar te kronen, maar de data schetsen een praktischer beeld:

• Voor pure codeerkwaliteit en agentische taken is Claude Fable 5 in een klasse apart.
• Voor zwaar wiskundig redeneren en autonoom terminalwerk is GPT-5.5 het aangewezen gereedschap.
• Voor een gebalanceerd, kosteneffectief model dat snel en betrouwbaar is, is Gemini 3.5 Flash een aantrekkelijke optie. Valideer wel de programmeerclaims voor jouw specifieke project.
• Als je een specialist zoekt voor juridisch redeneren, financiën of instructieopvolging tegen een lage prijs, dan is Grok 4.3 een verrassend krachtige keuze.
• Als je met een beperkt budget een open-source model zoekt met codeervaardigheden van topniveau, is DeepSeek V4 Pro ongeëvenaard qua prijs, maar de werkelijke verfijning haalt het niet bij de absolute top.

Onthoud altijd dat benchmark-omstandigheden variëren (prompts, gereedschapsgebruik, redeneerinspanning) en dat ze geen perfecte voorspeller zijn voor jouw specifieke toepassing.

Niveau 2: De specialisten en snelheidsduivels

Claude Opus 4.8 (Anthropic)

Voor de komst van Fable 5 was Opus 4.8 de onbetwiste koning. Het model werd eind mei 2026 gelanceerd, is nu de krachtige 'kroonprins' bij Anthropic en blijft een topmodel op zichzelf .

• Algemeen & Agentisch: Het was het eerste model dat de Artificial Analysis Intelligence Index leidde met een score van 61,4 en voert de GDPval-AA ranglijst aan met 1890 Elo, voordat het werd overtroffen door Fable 5 .
• Programmeren: Het scoort 69,2% op SWE-bench Pro en 88,6% op SWE-bench Verified .
• Wiskunde: Het toonde een historische sprong van 27 punten op de USAMO 2026 wiskundebenchmark, van 69,3% naar 96,7% in 41 dagen .
• Eerlijkheid: Het model heeft het laagste percentage feitelijke hallucinaties onder zijn concurrenten, voornamelijk door te zwijgen bij onzekerheid in plaats van te gokken .

GPT-5.5 (OpenAI)

GPT-5.5, uitgebracht eind april 2026, was het eerste model van deze generatie dat de algehele prestatieleiding voor OpenAI terugpakte, zij het met een meer gespecialiseerde vaardighedenset .

• Wiskundig Redeneren: Het is het absolute wiskundemodel, met een score van 51,7% op FrontierMath Tier 1-3 en 35,4% op de bijna onmogelijke Tier 4 – een duidelijke voorsprong op de rest .
• Autonome Terminal: Het leidt ook op Terminal-Bench 2.0, met een score van 82,7% voor complexe opdrachtregeltaken, vergeleken met Claude Opus 4.7's 69,4% .
• Lange Context: GPT-5.5 maakte een sprong van 37 punten in het ophalen van informatie uit lange teksten (MRCR v2), met een score van 74,0% bij een context van 1M tokens. Zijn voorganger bleef steken op 36,6% .
• Let op bij Programmeren: Hoewel het een sterke allrounder is, blijft de SWE-Bench Pro score van 58,6% aanzienlijk achter bij de modellen van Anthropic .

Gemini 3.5 Flash (Google)

Dit model debuteerde op Google I/O 2026 en is een 'Flash'-model. Dat betekent dat het is ontworpen voor snelheid en kostenefficiëntie, zonder in te leveren op het vermogen om boven zijn gewichtsklasse te presteren .

• Snelheid en Waarde: Het zou 4x sneller zijn dan Gemini 3.1 Pro voor agent- en programmeertaken, met concurrerende prijzen .
• Agent & Gereedschapsgebruik: Het scoort een sterke 83,6% op MCP Atlas, een benchmark voor het gebruik van gereedschap in meerdere stappen .
• Programmeren & Visie: Op SWE-Bench Pro is de score van 55,1% net iets hoger dan die van zijn grotere voorganger, Gemini 3.1 Pro. Op de CharXiv visuele redeneerbenchmark scoort het 84,2% .
• Realiteitscheck bij Programmeren: Onafhankelijke data van Artificial Analysis suggereert dat de programmeerscores aanzienlijk zwakker zijn dan Google's eigen vergelijkingen doen vermoeden. Het praktische nut voor ontwikkelaars moet dus nog verder gevalideerd worden .

Grok 4.3 (xAI)

Grok 4.3 werd eind april 2026 stilletjes gelanceerd. Het model is een spelbreker qua kostenefficiëntie en snelheid en blinkt uit in specifieke niches .

• Algemene Plaats: Het scoort 53 op de Artificial Analysis Intelligence Index. Dat plaatst het boven middenmoters zoals Claude Sonnet 4.6, maar ver onder topmodellen als GPT-5.5 en Claude Opus 4.7 .
• Koning van Instructieopvolging: Het staat op #1 op IFBench met een score van 81% en verslaat daarmee GPT-5.5, Gemini 3.1 Pro en Claude Opus 4.7 .
• Agentische Spurt: Grok 4.3 vertoont een enorme sprong van +321 Elo-punten op de GDPval-AA agentische takenbenchmark ten opzichte van zijn voorganger, met een score van 1500 . Het scoort ook een toonaangevende 98% op de τ²-Bench Telecom benchmark .
• Snelheidsmonster: De eerste rapporten noemen een snelheid van 159 tokens per seconde, maar andere benchmarks tonen snelheden tussen de 78,4 en 196 tokens/s .
• Prijzen & Beperkingen: Met een agressieve prijs van naar schatting $1,25/$2,50 per miljoen tokens (input/output), is het een ijzersterke prijs-kwaliteitspeler voor specifieke domeinen, maar geen concurrent op het gebied van algemene intelligentie .

De Open-Source Uitdager: DeepSeek V4 Pro (DeepSeek AI)

DeepSeek V4 Pro, gelanceerd in april 2026, is de sterkste open-source uitdager. Het biedt ongelooflijke waarde voor programmeerwerk, maar met een kritische onafhankelijke kanttekening.

• Kampioen in Prijs-kwaliteit: Het scoort een indrukwekkende 80,6% op SWE-bench Verified en 93,5% op LiveCodeBench, waarmee het qua codeervaardigheid in de buurt komt van Claude Opus 4.6, maar dan voor een fractie van de prijs (geschat ~$3,48 per miljoen output tokens) .
• Het CAISI Oordeel: Een onafhankelijke evaluatie door de Amerikaanse overheidsinstantie CAISI wees uit dat de capaciteiten van DeepSeek V4 ongeveer 8 maanden achterlopen op de frontier. Waar DeepSeek's eigen data het vergeleek met GPT-5.4, plaatst CAISI de prestaties dichter bij GPT-5, dat al in augustus 2025 uitkwam. .
• Algemene Ranglijst: Het blijft achter op taken voor algemene kennis en complex redeneren in vergelijking met de propriëtaire reuzen, met een 39e plaats van 123 modellen op een bredere ranglijst .

Veiligheid & Onafhankelijke Evaluaties

Onafhankelijk, gestandaardiseerd veiligheidsonderzoek blijft zeldzaam en wordt vaak niet gepubliceerd.

• DeepSeek V4 Pro (CAISI/NIST): De evaluatie van de Amerikaanse overheid blijft het meest opvallende veiligheidssignaal. De conclusie was dat de mogelijkheden ongeveer 8 maanden achterlopen op de frontier .
• GPT-5.5 (AI Security Institute): Het Britse AI Security Institute rapporteerde dat GPT-5.5 een slagingspercentage van 71,4% had op cybertaken op expertniveau en merkte op dat het "misschien wel het sterkste model is dat we hebben getest" op dat vlak .

Hoe lees je deze resultaten?

Het is verleidelijk om één winnaar te kronen, maar de data schetsen een praktischer beeld:

• Voor pure codeerkwaliteit en agentische taken is Claude Fable 5 in een klasse apart.
• Voor zwaar wiskundig redeneren en autonoom terminalwerk is GPT-5.5 het aangewezen gereedschap.
• Voor een gebalanceerd, kosteneffectief model dat snel en betrouwbaar is, is Gemini 3.5 Flash een aantrekkelijke optie. Valideer wel de programmeerclaims voor jouw specifieke project.
• Als je een specialist zoekt voor juridisch redeneren, financiën of instructieopvolging tegen een lage prijs, dan is Grok 4.3 een verrassend krachtige keuze.
• Als je met een beperkt budget een open-source model zoekt met codeervaardigheden van topniveau, is DeepSeek V4 Pro ongeëvenaard qua prijs, maar de werkelijke verfijning haalt het niet bij de absolute top.

Onthoud altijd dat benchmark-omstandigheden variëren (prompts, gereedschapsgebruik, redeneerinspanning) en dat ze geen perfecte voorspeller zijn voor jouw specifieke toepassing.