Telkens wanneer er een nieuw model uitkomt, is het meest gehoorde advies altijd hetzelfde: update meteen, want de sprong voorwaarts zal doorslaggevend zijn. Dat advies is steeds minder nuttig. Als je je vandaag afvraagt wat er verandert met GPT-5.6, is het eerlijke antwoord niet „alles”. Het is „een aantal belangrijke dingen, maar bovenal verandert de manier waarop je de markt zou moeten interpreteren”.
Als CEO van een AI-bedrijf vind ik dat het meest interessante aan GPT-5.6 niet één specifieke functie is. Het is het signaal dat het afgeeft. De modellen blijven beter worden, maar het verschil dat veel gebruikers waarnemen, wordt release na release kleiner. Andrej Karpathy heeft dit beter dan wie ook beschreven toen hij het had over deze stapsgewijze sprongen: alles lijkt een beetje beter, op concrete manieren die echter moeilijk te isoleren zijn met één enkel sprekend voorbeeld. Het is een nuttige invalshoek om je niet te laten meeslepen door hype of teleurstelling.
Voor een zakelijk publiek is dit van groot belang. Als vooruitgang wijdverbreid, continu en minder spectaculair wordt, ligt het concurrentievoordeel niet langer in het achter elke nieuwe model aanrennen. Het ligt in het opzetten van processen, platforms en gebruiksscenario’s die een goed model omzetten in betrouwbare beslissingen.
De meest voorkomende fout bij de introductie van een nieuw model is dat men de upgrade verwart met een concurrentievoordeel. Voor veel bedrijven is GPT-5.6 geen doorbraak omdat het geen spectaculaire nieuwe mogelijkheden toevoegt. Het verandert wel de juiste manier om de LLM-markt te interpreteren.
Er is vooruitgang. Het zou verkeerd zijn dat te ontkennen. Maar we bevinden ons in een fase die interessanter en minder intuïtief is dan wat de mediacyclus rond de nieuwe releases ons voorschotelt. Karpathy constateert dit al geruime tijd op impliciete wijze: door schaalvergroting worden de modellen nog steeds beter, maar de marginale verbetering wordt moeilijker waarneembaar voor wie technologie koopt en moeilijker te gelde te maken voor wie deze produceert. Het is de dynamiek van afnemende opbrengsten toegepast op kunstmatige intelligentie.
Met GPT-5.6 is deze dynamiek niet langer slechts een stelling. Het is in het product zelf verankerd. OpenAI stapt af van één enkele versie en introduceert een assortiment: drie modellen — Sol, Terra en Luna — die zich onderscheiden qua capaciteit, snelheid en kosten. Het nummer geeft de generatie aan, de naam de categorie. Wanneer een leverancier stopt met de verkoop van ‘het model’ en begint met de verkoop van een assortiment met drie niveaus, geeft dat een duidelijke boodschap: pure intelligentie verandert in een standaardproduct, waarbij je de prijs-prestatieverhouding kunt kiezen zoals je een cloudabonnement kiest.
Voor een manager is dit onderscheid belangrijker dan de naam van de versie. Als verschillende modellen allemaal een hoog niveau bereiken op het gebied van schrijven, coderen, samenvatten en operationeel redeneren, is het model geleidelijk niet langer de kern van de economische waarde. Het wordt een onderdeel. Het voordeel verschuift naar degenen die workflows, interfaces, controles, eigen gegevens en integraties ontwikkelen die een „zeer goed” model kunnen omzetten in een meetbaar bedrijfsresultaat.
Het komt hierop neer: GPT-5.6 moet worden gezien als een teken van toenemende commoditisering, en niet alleen als een technische vooruitgang.
Daarom is de vraag ‘Wat verandert er met GPT-5.6?’ alleen zinvol als deze goed wordt geformuleerd. Het volstaat niet om je af te vragen of het model betere antwoorden geeft. Je moet je afvragen of jouw platform, of het platform dat je gaat aanschaffen, een goed model effectief kan inzetten binnen een daadwerkelijk proces: klantenservice, bedrijfsvoering, verkoop, softwareontwikkeling, of de impact van LLM's op data-analyse. In de praktijk hangt het verschil tussen wie ROI behaalt en wie onduidelijke POC's verzamelt steeds minder af van pure benchmarks en steeds meer van het systeem dat het model aanstuurt.
Dit is de valkuil van de B+. Wanneer veel modellen goed genoeg worden om aan het merendeel van de zakelijke toepassingen te voldoen, zorgt het najagen van elke nieuwe release weliswaar voor enthousiasme, maar niet noodzakelijkerwijs voor voordeel. Wie wint, is degene die zelfs een gewoonweg uitstekend model goed weet in te zetten. Niet degene die als eerste van model verandert.
De juiste manier om GPT-5.6 te interpreteren begint met een eenvoudig onderscheid. Er zijn productnieuwigheden en er zijn economische implicaties. De eerste worden door OpenAI bekendgemaakt. De tweede hangen af van de manier waarop deze mogelijkheden in bedrijfsprocessen worden geïntegreerd.
Eerste feit: het assortiment. GPT-5.6 is verkrijgbaar in drie versies. Sol is het topmodel, bedoeld voor de meest complexe taken, met een „ultra”-modus waarmee het systeem langer aan een taak kan werken en delen van het werk aan submodellen kan delegeren. Terra is de uitgebalanceerde optie voor dagelijks gebruik. Luna richt zich op snelheid en kosten. Het belangrijkste gegeven voor een bedrijf is niet de benchmark van Sol. Het is dat Terra prestaties biedt die vergelijkbaar zijn met die van de vorige GPT-5.5, tegen ongeveer de helft van de prijs. Wanneer de vorige generatie kunstmatige intelligentie na enkele maanden voor de helft van de prijs beschikbaar komt, is het juiste woord ‘deflatie’. En dat is de duidelijkste bevestiging van de trend naar commoditisering.
Tweede feit: efficiëntie als verkoopargument. OpenAI presenteert het model door de nadruk te leggen op de efficiëntie per token bij agentieke coderingstaken, en de officiële boodschap draait om de verhouding tussen kosten en verkregen waarde. Het loont de moeite om even bij dit punt stil te staan. Wanneer de toonaangevende leverancier niet langer vooral communiceert „hoe slim het model is“, maar begint te communiceren „hoeveel het kost om een resultaat te behalen“, betekent dit dat ook hij beseft dat de markt de fase van „kosten per resultaat“ is ingegaan. Dit is precies het terrein waarop de bedrijfs-ROI wordt bespeeld, niet dat van spectaculaire benchmarks.
Derde feit: operationele integratie. Samen met GPT-5.6 komt er een agent die context verzamelt uit gekoppelde applicaties en bestanden om documenten, spreadsheets en presentaties te genereren, en die werkt op het web, op de desktop en op mobiele apparaten. Dat is geen onbelangrijk detail. Het geeft aan waar het model probeert het gefragmenteerde werk te vervangen dat vandaag de dag handmatige stappen, kopiëren en plakken, herhaalde controles en voortdurende wisselingen van interface vereist. Net als bij de vorige generatie komt de waargenomen waarde niet voort uit een abstract vermogen, maar uit het feit dat de AI wordt geïntegreerd in de tools die al centraal staan in het dagelijkse werk.
Het vierde feit, en tevens het meest ongebruikelijke: de wijze van release. GPT-5.6 werd eind juni in een beperkte preview gepresenteerd aan een selecte groep partners, op verzoek van de Amerikaanse regering, en werd pas openbaar vrijgegeven na tests die waren uitgevoerd met federale instanties. OpenAI heeft verklaard dat dit proces niet de norm zou moeten worden. Hoe het zich ook zal ontwikkelen, het is een precedent: de releases van geavanceerde modellen zijn niet langer alleen technische of marketinggebeurtenissen. Ze zijn ook regelgevende gebeurtenissen geworden. We zullen later terugkomen op wat dit betekent voor kopers.
Ook de nadruk op veiligheid moet met de nodige terughoudendheid worden geïnterpreteerd. Sol wordt gepresenteerd als het meest capabele model van OpenAI op het gebied van cyberbeveiliging, voorzien van gelaagde beveiligingsmaatregelen en programma’s voor gecontroleerde toegang voor gekwalificeerd defensief werk. Het gaat er niet om deze gegevens als garanties te beschouwen. Het gaat erom de richting te onderkennen: het product wordt ingezet op gebieden waar fouten en misbruik hoge kosten met zich meebrengen, en dit verhoogt zowel het potentiële nut als de behoefte aan controles, beleid en toezicht in risicovolle processen.
Voor een MKB-bedrijf is dit de meest bruikbare samenvatting. GPT-5.6 breidt het toepassingsgebied van het LLM uit naar complexe, instrumentgerelateerde professionele activiteiten en verlaagt de kosten van „voldoende” intelligentie. De fundamentele economische regel verandert echter niet. Een goed model zonder integratie blijft een op zichzelf staande capaciteit. Een goed model dat is geïntegreerd in een platform met workflows, machtigingen, controles en bedrijfsgegevens kan resultaten opleveren.
De meest nuttige invalshoek bij GPT-5.6 gaat uit van een ongemakkelijk feit: in de latere fasen van de schaalvergroting groeit de vooruitgang die gebruikers waarnemen sneller dan de spectaculaire aard ervan. Andrej Karpathy heeft dit goed samengevat door op te merken dat nieuwe modellen niet per se vooruitgang boeken door middel van één enkele opvallende vaardigheid. Ze verbeteren op veel punten tegelijk, elk een klein beetje, maar met aanzienlijke cumulatieve effecten.
"Alles is een beetje beter en dat is geweldig, maar niet op manieren die je zomaar kunt aanwijzen."
Voor een zakelijk publiek zegt deze zin meer dan vele demo’s. Het verklaart waarom een team een nieuw model gebruikt en het vrijwel onmiddellijk als beter beoordeelt, ook al is het moeilijk om voor één enkele taak een duidelijk verschil tussen ‘voor’ en ‘na’ aan te tonen. Het systeem interpreteert de toon beter, maakt minder fouten in de tussenstappen, houdt langere gesprekken consistenter vol en produceert teksten die minder handmatige bijwerking vereisen. Geen enkel element op zich geeft het product een nieuwe invulling. Het geheel zorgt echter wel voor een verandering in de daadwerkelijke productiviteit.
Dat is typisch voor een technologie die een fase van volwassenheid bereikt.
De eerder genoemde officiële richtlijnen moeten in dit licht worden gezien. Een hogere efficiëntie per token, betere prestaties bij langdurige taken, delegatie aan submodellen en een diepere integratie met documenten en spreadsheets zijn geen cosmetische details. Het zijn tekenen van gedistribueerde optimalisatie. Met andere woorden: het model vermindert wrijving in de gehele interactieketen.
Voor een bedrijf gaat het er niet om of er een ‘wow’-functie bestaat. Het gaat erom te begrijpen waar het economische voordeel zich ophoopt. In de praktijk concentreert dit zich op vier gebieden:
Dit is het punt dat velen onderschatten. De vooruitgang van LLM’s komt niet alleen voort uit benchmarks, maar ook uit de wrijvingen die in het dagelijkse werk verdwijnen.
Karpathy helpt ook om een minder voor de hand liggende conclusie te trekken. Als de verbetering voortkomt uit een optelsom van wijdverspreide optimalisaties, neemt het concurrentievoordeel van het afzonderlijke model doorgaans sneller af dan de marketing doet vermoeden. Hieruit ontstaat de dynamiek die ik analyseer in B Plus Trap AI Creative Spectrum: wanneer verschillende modellen een over het algemeen hoge kwaliteit bereiken, verschuift het economische verschil van ‘pure’ intelligentie naar het vermogen om deze goed te integreren in workflows, gegevens, machtigingen en operationele statistieken.
Daarom moet GPT-5.6 met de nodige terughoudendheid worden geïnterpreteerd. Het is een echte vooruitgang. Maar de strategische betekenis ervan ligt niet alleen in het model zelf. Het ligt in het feit dat het een bredere trend bevestigt: de marginale opbrengsten van schaalvergroting blijven belangrijk, terwijl de te realiseren waarde steeds meer verschuift naar platforms die in staat zijn een goed model toe te passen op specifieke problemen, met continuïteit en controle.
Het minst intuïtieve aspect van de vooruitgang op het gebied van LLM’s is dit: hoe beter de modellen worden, hoe minder het concurrentievoordeel in het model zelf ligt.
Dat is de paradox van technologische ontwikkeling. In de beginfase verandert elke kwaliteitssprong het speelveld. In latere fasen convergeren de modellen naar een hoge, maar vergelijkbare standaard. Karpathy merkt al geruime tijd op dat schaalvergroting leidt tot wijdverspreide, vaak incrementele verbeteringen, verspreid over vele aspecten van de ervaring. Het economische resultaat is duidelijk. Als meer modellen een stabiel goed kwaliteitsniveau bereiken, wordt de keuze voor het „beste“ model minder belangrijk dan het vermogen om het goed toe te passen.
GPT-5.6 maakt deze dynamiek zichtbaar in de prijslijst. De uitgebalanceerde versie van de nieuwe generatie kost ongeveer de helft van het topmodel van enkele maanden geleden, terwijl de waargenomen prestaties voor de meeste taken gelijk blijven. Dit is commoditisering die niet langer een voorspelling is, maar een prijs wordt.
Dat is wat ik in mijn werk de ‘B+-valkuil’ noem . Niet omdat de modellen middelmatig zijn. Integendeel, ze zijn krachtig genoeg om veel nuttige taken uit te voeren. Het probleem voor wie technologie aanschaft, is dat boven een bepaalde drempel het waargenomen verschil sneller afneemt dan het beloofde verschil.
GPT-5.6 past goed in dit beeld. De officiële verbeteringen wijzen op een volwassener, efficiënter en gebruiksvriendelijker product. Ze duiden, althans voor de meeste bedrijven, niet op een doorbraak die op zichzelf voldoende is om de businesscase volledig te herschrijven.
Aangezien de gemiddelde output van veel modellen al „redelijk goed“ is, verschuift het concurrentievoordeel.
Hij richt zich op wat benchmarks nauwelijks meten en wat de winst- en verliesrekening juist uitgebreid meet:
Dit is het punt dat veel managers pas laat inzien. Als GPT-5.6 iets zuiverdere, consistentere of kostenefficiëntere antwoorden oplevert, is er wel degelijk voordeel te behalen. Maar daar profiteert eigenlijk alleen degene van die al stabiele prompts, validatieregels, toegang tot de juiste gegevens en een interface heeft opgezet die menselijke fouten beperkt. Zonder deze infrastructuur levert zelfs een beter model vooral betere output op die met de hand moet worden gecorrigeerd.
Als alle modellen goed worden, wint degene die het nuttigste systeem rond een goed model opzet.
Deze conclusie heeft een praktisch gevolg dat vaak tegenintuïtief is. Bij elke release van provider wisselen levert zelden een structureel voordeel op. Het heeft alleen zin als het nieuwe model een cruciale taak aanzienlijk verbetert, met een meetbare impact op doorlooptijd, kwaliteit of risico. In de meeste gevallen komt het meest verdedigbare voordeel voort uit het applicatieplatform. Niet uit het nieuwste model, maar uit de manier waarop een goed model wordt geïntegreerd in processen, gegevens, machtigingen en operationele statistieken.
Er is nog een ander aspect dat veel bedrijven onderschatten. Releases zijn niet alleen technische gebeurtenissen. Het zijn ook stappen om zich concurrerend te positioneren.
Wanneer een leverancier het tempo van zijn aankondigingen opvoert, geeft hij daarmee minstens twee dingen aan. Ten eerste dat de stroom van verbeteringen nu continu is. Ten tweede dat hij het verhaal van de markt wil bepalen. Met andere woorden: hij wil worden gezien als de toonaangevende speler die het tempo bepaalt.
GPT-5.6 voegt echter een derde, nieuwe dimensie toe. De openbare release vond plaats in twee fasen: eerst een beperkte preview voor geselecteerde partners op verzoek van de Amerikaanse regering, daarna algemene beschikbaarheid na evaluaties in samenwerking met federale instanties. Het is de eerste keer dat een release van dit niveau een dergelijk proces doorloopt, en zowel de leverancier als de regering hebben benadrukt dat dit geen permanente verplichting is. Maar het precedent is nu eenmaal geschapen. De releases van state-of-the-art-modellen worden steeds meer ook regelgevende en geopolitieke gebeurtenissen, en niet alleen technische en marketinggerelateerde.
Voor kopers heeft dit een concreet gevolg: de strategische afhankelijkheid van de leverancier is niet langer alleen een kwestie van prijzen en technische lock-in. Het houdt ook het risico in dat de toegang tot een model wordt vertraagd, beperkt of gewijzigd om redenen die niets met je contract te maken hebben. Nog een reden om te kiezen voor architecturen die het mogelijk maken modellen te vervangen of te combineren zonder de workflows te hoeven herschrijven.
Voor een manager verandert deze visie de manier waarop hij het nieuws interpreteert. In plaats van zich meteen af te vragen „moeten we dit invoeren?”, is het beter om met andere vragen te beginnen:
Deze aanpak is wat koeler, maar ook nuttiger. Zo voorkom je twee kostbare fouten. De eerste is elke release achterna jagen alsof die verplicht is. De tweede is de signalen van de concurrentie negeren in de veronderstelling dat het slechts marketing is.
Managementperspectief: een snelle release kan zowel een concrete technische stap zijn als tegelijkertijd een defensieve of offensieve zet op de markt. Die twee sluiten elkaar niet uit.
Bedrijven die AI goed beheren, laten zich niet leiden door de planning van leveranciers. Ze beoordelen de impact op hun processen, op de naleving van regelgeving, op de operationele kosten en op hun strategische afhankelijkheid. Het is een saaiere bezigheid dan benchmarking op sociale media, maar het leidt tot betere beslissingen.
De relevante vraag voor een MKB-bedrijf is niet of GPT-5.6 beter is dan de vorige generatie. Dat is het namelijk wel. De vraag die ertoe doet, is een andere: in welke processen leidt deze verbetering daadwerkelijk tot een verandering in de kosten, het risico of de uitvoeringssnelheid?
Hier komt de „B+-valkuil“ om de hoek kijken. Hoewel veel modellen inmiddels goed genoeg zijn voor algemene taken, ligt het concurrentievoordeel niet in het maandelijks overschakelen naar de nieuwste versie. Het ligt juist in het vermogen om een goed model in te passen in een gecontroleerde workflow, met correcte gegevens, controles, machtigingen en tools die het team al gebruikt.
GPT-5.6 verdient aandacht als de AI niet alleen tekst schrijft, maar ook deelneemt aan een operationeel proces.
Drie signalen helpen je dit te begrijpen:
Dit punt wordt onderschat. Een model dat net iets beter presteert in de chat is minder belangrijk dan een redelijk goed model dat een spreadsheet bijwerkt, een concept-offerte met de juiste gegevens opstelt of een medewerker ondersteunt zonder dat deze tussen vijf systemen heen en weer hoeft te kopiëren en plakken.
Als je AI momenteel gebruikt voor e-mails, samenvattingen van vergaderingen, eerste concepten en algemene ondersteuning, dan is GPT-5.6 op zichzelf nauwelijks een reden om van stack, leverancier of proces te veranderen. In deze gevallen begint de markt voor modellen steeds meer op een markt voor slimme commodity-producten te lijken. Het verschil bestaat wel, maar wordt steeds kleiner. En het feit dat het nieuwe assortiment een uitdrukkelijk goedkoop segment omvat, bevestigt dit.
Daarom is het goed om gedisciplineerd te zijn.
Breng de use cases in kaart die daadwerkelijk invloed hebben op de KPI's. Maak een onderscheid tussen taken die van invloed zijn op doorlooptijden, marges, kwaliteit of conversie, en taken die alleen maar een mooiere output opleveren.
Ontwerp de controle, niet alleen de prompt. Voor een goed en stabiel resultaat zijn sjablonen, regels, geautoriseerde gegevens, logboekregistratie en menselijke controle op kritieke punten nodig.
Meet het volledige proces. Houd de totale tijd bij om een betrouwbaar resultaat te krijgen. Als de bottleneck zit in onjuiste gegevens, goedkeuringen of de integratie met interne systemen, heeft het weinig zin om van model te veranderen.
Verminder de afhankelijkheid van de leverancier van het moment. Karpathy merkt al geruime tijd op dat de waarde zich verplaatst naar de productlaag. En de release in twee fasen van GPT-5.6 heeft aangetoond dat de toegang tot toonaangevende modellen ook kan afhangen van regelgevende factoren. Voor een MKB-bedrijf betekent dit dat het een architectuur moet kiezen waarmee modellen kunnen worden vervangen of gecombineerd zonder elke workflow opnieuw te hoeven schrijven.
Maak een keuze op basis van het platform. De echte keuze is niet alleen „GPT-5.6 ja of nee”, noch „Sol, Terra of Luna”. Het gaat erom welk systeem een reeds zeer goed model goed toepast op jouw specifieke context.
Wie overweegt om een oplossing intern te ontwikkelen of een kant-en-klare oplossing te implementeren, zou hiermee moeten beginnen: niet met het model, maar met het systeem dat eraan ten grondslag ligt.
.svg)
.svg)
.svg)
