Benchmarks
Qwen-UI-Agent van Alibaba verslaat GPT-5.6 op telefoons
Alibaba brengt Qwen-UI-Agent uit, een model dat schermen bedient op telefoon, pc en browser. Op mobiele benchmarks scoort het hoger dan GPT-5.6 Sol en Claude Opus 4.8.
Kennislaag Pinecone verslaat agents van OpenAI en Google
Een agent met Pinecone Nexus als kennislaag pakte de topscore op de τ-Knowledge-benchmark van Sierra, boven agents op modellen van OpenAI, Anthropic en Google.
Mysteriemodel Ox Alpha wijst volgens speurwerk naar Z.ai
Het anonieme model stealth/ox-alpha scoort 80 procent op DeepSWE en is gratis tot 27 augustus. Tokenizer- en video-analyses wijzen naar GLM-5.3 van Z.ai.
Qwen-UI-Agent van Alibaba bedient schermen beter dan GPT-5.6
Alibaba’s Qwen-UI-Agent leest schermen en bedient telefoons en pc’s zelf. Op MobileWorld scoort het model 14,6 procentpunt boven Claude Opus 4.8, maar op de zware desktoptest OSWorld-v2 blijft het steken op 13,9 procent.
Kimi K3 verslaat Claude in blinde codetest
Moonshot AI zette de open gewichten van Kimi K3 een dag te vroeg online. Het model van 2,8 biljoen parameters pakt de eerste plek op de Frontend Code Arena van LMArena, boven Claude Fable 5.
Claude Opus 5 pakt agentische benchmarks van Sol
Claude Opus 5 wint op Frontier-Bench en ARC-AGI-3, maar GPT-5.6 Sol houdt de leiding op TerminalBench. De cijfers en tarieven op een rij.
Claude Opus 5 zet grote sprong in agentische taken
Claude Opus 5 verdubbelt bijna zijn score op agentisch coderen en computergebruik. Wat de nieuwe benchmarks en de effort-knop betekenen voor ontwikkelaars.
Claude Opus 5 haalt Fable 5-niveau voor de helft
Anthropic lanceert Claude Opus 5: bijna Fable 5-niveau op benchmarks als Frontier-Bench en ARC-AGI-3, tegen de helft van de prijs en gelijk aan Opus 4.8.
Grok 4.5 verbruikt minder tokens dan Opus 4.8
Grok 4.5 staat vierde op de ranglijst, maar gebruikt tot vier keer minder tokens per taak dan Opus 4.8. Dat verandert de kostenrekening voor AI-agents.
Gemini 3.5 Flash: Google zet in op snelheid
Google brengt Gemini 3.5 Flash uit: tot vier keer sneller dan andere frontier-modellen, 1 miljoen tokens context en op sommige code-benchmarks voorbij Gemini 3.1 Pro.