GPT-5.6 laat tools zichzelf aansturen

OpenAI heeft met de GPT-5.6-familie een functie meegeleverd die vooral ontwikkelaars raakt: programmatic tool calling. In plaats van elke tool-aanroep terug te sturen naar je eigen applicatie, schrijft het model nu zelf code die de tools aanstuurt. Dat scheelt tokens en tijd, en het verandert hoe je AI-agents bouwt.

Wat programmatic tool calling doet

Bij de klassieke aanpak vraagt een model om een tool, wacht op het antwoord van jouw server, denkt na, en vraagt de volgende. Elke stap gaat heen en weer. Volgens de aankondiging van OpenAI pakt GPT-5.6 dat anders aan. Het model schrijft een stukje JavaScript dat in een afgeschermde sandbox draait, zonder netwerktoegang, en dat de tools zelf coordineert. Lussen, voorwaarden en parallelle aanroepen gebeuren daar, in het geheugen, en pas het eindresultaat komt terug.

MarkTechPost beschrijft de functie als onderdeel van de Responses API en wijst erop dat de opzet compatibel is met Zero Data Retention, waarbij tussenresultaten niet worden bewaard. Voor bedrijven die met gevoelige data werken is dat een concreet verschil.

Minder tokens, snellere taken

De cijfers die OpenAI noemt zijn de kern van het verhaal. Met programmatic tool calling haalde GPT-5.6 dezelfde kwaliteit met 24 procent minder outputtokens en rondde taken gemiddeld 28 procent sneller af. Dat komt doordat het model niet langer bij elke stap de volledige gedachtegang hoeft uit te schrijven en terug te sturen.

Die efficientiewinst past in een bredere beweging deze zomer. Ook Google mikte er expliciet op bij de lancering van Gemini 3.6 Flash, dat volgens de eigen benchmarks ongeveer 17 procent minder outputtokens verbruikt dan zijn voorganger. De rekenkosten drukken is een terugkerend thema geworden, zeker nu de concurrentie zich verplaatst naar de goedkopere modellen.

Drie tiers, drie prijzen

GPT-5.6 komt in drie varianten. Sol is het vlaggenschip en kost 5 dollar per miljoen inputtokens en 30 dollar per miljoen outputtokens. Terra zit ertussen op 2,50 en 15 dollar, en Luna is de zuinige optie op 1 en 6 dollar. Ontwikkelaar Simon Willison merkte in zijn analyse op dat de keuze tussen de drie in de praktijk neerkomt op een routeringsvraag: welk model past bij welke taak, en waar mag het wat kosten.

Die afweging sluit aan bij hoe de markt beweegt. OpenAI richt zich met een apart programma op kleinere bedrijven, terwijl aanbieders als DeepSeek hun aanbod opschonen om de kosten per aanroep laag te houden.

Wat betekent dit

Voor wie AI-agents bouwt, is programmatic tool calling meer dan een technisch detail. Het verschuift een deel van de orchestratie van jouw code naar het model zelf, wat simpelere agents oplevert en lagere rekeningen. Tegelijk vraagt het om vertrouwen in de sandbox en om goed nadenken over welke tools je het model laat aansturen. De richting is duidelijk: niet alleen slimmere modellen, maar modellen die met minder tokens hetzelfde werk doen. Voor Nederlandse bedrijven die met de API aan de slag gaan, wordt de vraag welk model bij welke taak hoort steeds belangrijker dan de vraag welk model het hoogste scoort.