Begin september kwam GPT-6 Astra twee dagen na Claude Fable 5.1 uit, wat in bedrijven opnieuw de vraag opwierp of ze van tool moeten veranderen. Een analyse gepubliceerd door Journal du Net stelt dat het antwoord niet is wat men verwacht.
- Astra voert taken zelfstandig uit en bestuurt een computer over meerdere applicaties.
- Fable 5.1 blinkt uit in complexe analyse en creatie dankzij een contextvenster van een miljoen tokens.
- Fable wordt slechts voor ongeveer 10% van de dagelijkse taken gebruikt, terwijl Sonnet het grootste deel dekt.
- Van tool wisselen is duur, dus bedrijven die al met Claude werken hebben weinig reden om over te stappen.
Er was een tijd dat de keuze bijna niet meer aan de orde was. Claude had zo’n duidelijke voorsprong genomen dat veel teams waren gestopt met het vergelijken van de tools. Sinds GPT-4o hadden de modellen van OpenAI de ene na de andere teleurgesteld, met vaak niet-ter-zake-doenende antwoorden en een redenering die het spoor bijster raakte zodra de taak complex werd.
Wat Astra verandert ten opzichte van eerdere OpenAI-modellen
Volgens de analyse is de breuk met de sinds GPT-4o uitgebrachte modellen echt. De oude modellen gaven antwoord, terwijl Astra handelt. Het bestuurt een computer als een mens: het opent applicaties, navigeert op het web, vult formulieren in, werkt een CRM (klantrelatiebeheersysteem) bij, produceert een PowerPoint en voert taken achter elkaar uit over meerdere tools tot het eindproduct, zonder dat er een regel code geschreven hoeft te worden.
Op OSWorld 2.0, de benchmark die het daadwerkelijke computergebruik meet, behaalt Astra 72,6% in 47% minder tijd dan GPT-5.6 Sol. De tekst benadrukt het belang van dit resultaat voor lange taken verdeeld over meerdere applicaties, zoals die van een administratief team dat jongleert tussen zijn CRM, e-mails en spreadsheets. Astra heeft Claude echter op bepaalde terreinen ingehaald zonder het te overtreffen.
Wat Fable 5.1 beter doet dan anderen
Claude Fable 5.1 onderscheidt zich op het gebied van begrip en creatie van complexe inhoud. Zijn contextvenster van een miljoen tokens (teksteenheden die door het model worden verwerkt) stelt het in staat hele documenten op te nemen, of het nu gaat om rapporten van 500 pagina’s, contracten en hun wijzigingen of volledige codebases. Financiële teams vertrouwen hem data rooms toe om investeringscommissies voor te bereiden, en ontwikkelaars gebruiken hem om een codebase van 50 miljoen regels in één dag te migreren, een klus die een team wekenlang zou hebben beziggehouden.
Het model beperkt zich niet tot analyse. Sommige teams vragen het om volledige videogames opnieuw te creëren op basis van een eenvoudige prompt, en ontwikkelaars reconstrueren applicaties op basis van screenshots.
Het artikel preciseert ook dat Fable 5.1 slechts voor ongeveer 10% van de taken wordt gebruikt bij een goed afgesteld dagelijks gebruik. Claude Sonnet dekt 60% van het gangbare gebruik, Opus ongeveer 30%, en Fable blijft voorbehouden aan echt complex werk. Het voor alles gebruiken zou volgens de auteur neerkomen op het nemen van een Lamborghini om je brood bij de hoek te halen.
Moet je echt van tool veranderen?
De auteur herhaalt in zijn trainingen een boodschap die hij relevanter dan ooit vindt: stop met FOMO (de angst iets nieuws te missen) te hebben bij elke aankondiging. Als een bedrijf al met Claude werkt, met zijn workflows, zijn getrainde teams en zijn geconfigureerde integraties, is er geen reden om alles in twijfel te trekken. Als het op ChatGPT zit en zijn teams beheersen het, kan Astra volgens de tekst in de overgrote meerderheid van de behoeften voorzien.
De werkelijke kosten van een toolwissel worden volgens de analyse zelden berekend: teams opnieuw opleiden, integraties opnieuw configureren, workflows verliezen die over maanden zijn opgebouwd, een periode doormaken waarin de productiviteit daalt, de Projects, Skills en aangepaste instructies opnieuw creëren. De AI-markt lijkt steeds meer op die van smartphones, concludeert de tekst, waarbij bedrijven die hebben geïnvesteerd in training en gebruik sneller vooruitgaan dan zij die achter het laatste model aanrennen. « Voordat je van model verandert, train je teams op degene die je hebt. »
