Drie dagen geleden stond ik op het punt een totaal ander artikel te schrijven. De conceptversie in mijn Obsidian-kluis had een titel als "GPT-5.5 Eerste Blik" en bevatte een placeholder voor benchmarks die ik direct zou toevoegen zodra OpenAI iets uitbracht. Elke ochtend zat ik op Polymarket, ververste ik de OpenAI-blog op bizarre tijdstippen, en gedroeg ik me in het algemeen als iemand die op een pakketje wacht dat hij al betaald heeft.
Toen stuurde een vriend me om 23:47 uur op zondag een screenshot van wéér een "GPT-5.5 BEVESTIGD 15 APRIL" YouTube-thumbnail. Hij vroeg zich af of hij zijn productie-migratie naar GPT-5.4 moest uitstellen en "gewoon een paar weken moest wachten op 5.5."
Ik heb lang naar dat bericht gestaard.
Want het eerlijke antwoord is: niemand weet wanneer 5.5 uitkomt. Niemand weet of het als 5.5 verschijnt of onder een andere naam. En de engineers die sinds GPT-4 bouwen op OpenAI weten precies wat er gebeurt als je echt werk stillegt om te wachten op een model dat nog niet uit is — je verliest het verschil, je betaalt de kansenkost, en dan komt de release met migratieproblemen waar je niet op voorbereid was.
Dus heb ik het concept verwijderd en dit artikel geschreven. Dit is het stuk dat ik mijn vriend om 23:47 uur had gegund. Het is de huidige GPT-5.5 status in heldere taal — bevestigde feiten, slimme aannames, en duidelijke speculatie als zodanig gemarkeerd — en het is precies het stappenplan dat ik nu draai op GPT-5.4, zodat wanneer het volgende model verschijnt, de migratie een config-wijziging is in plaats van een herschrijving.
Vandaag is het 15 april 2026. Laten we beginnen.
Wat is er momenteel daadwerkelijk bevestigd over GPT-5.5
Voordat ik je vertel wat je moet bouwen, moet ik je eerst vertellen wat echt is. De informatiehygiëne rond dit onderwerp is de afgelopen weken ronduit slecht geweest, en ik heb engineers hun planningen zien baseren op TikTok-thumbnails. Laat mij het signaal van de ruis scheiden.
Dit is wat op 15 april 2026 daadwerkelijk verifieerbaar is aan de hand van primaire bronnen.
GPT-5.5 is niet officieel aangekondigd of uitgebracht. Er is geen OpenAI-blogpost die het model introduceert. Geen modelkaart. Geen prijslijst. Geen API-endpoint dat je kunt aanroepen. Als je deze week een "GPT-5.5 benchmark-lek" leest, is het óf iemand die een pre-release gateway test waar die geen toegang toe zou moeten hebben, óf — vaker nog — iemand die 5.4 draait en het verkeerd labelt.
De huidige productie-vlaggenschip is GPT-5.4, gelanceerd op 5 maart 2026. Dat is het model waarop je vandaag moet bouwen, punt. Alles in de tweede helft van dit artikel gaat ervan uit dat je op 5.4 zit of van plan bent daarheen te migreren.
Er is een echt OpenAI-model in veiligheidsevaluatie met de interne codenaam "Spud." Dit is bevestigd door meerdere media met OpenAI-bronnen, en Sam Altman heeft publiekelijk verklaard dat de pre-training op 24 maart 2026 is afgerond. Greg Brockman heeft het in podcasts omschreven met ongewoon geladen taal — "twee jaar onderzoek," "big model feel" — wat historisch gezien past bij spronginnovaties en niet bij incrementele updates.
Of Spud als GPT-5.5 of GPT-6 wordt uitgebracht, is publiekelijk niet besloten. OpenAI heeft aangegeven dat de branding afhangt van hoe significant de prestatieverbetering is ten opzichte van 5.4. Dit is de belangrijkste kanttekening in het hele gesprek. De helft van de content op internet verwart "Spud" met "GPT-5.5" alsof ze uitwisselbaar zijn. Dat zijn ze niet. Spud is een codenaam. GPT-5.5 is een hypothetische productnaam die mogelijk wel of niet gebruikt wordt.
Polymarket-handelaars kennen momenteel ~78% kans toe aan release vóór 30 april en 95%+ vóór 30 juni 2026. Dat is een marktsignaal, geen feit, maar het is nuttige context voor je planningsvenster.
Dat is de bevestigde laag. Nu geef ik je mijn vertrouwensinschatting op de drie vragen die er echt toe doen.
Vraag 1: Bestaat "Spud" als een echt model dat momenteel in veiligheidsevaluatie is? Mijn vertrouwen: middel-hoog. De bronnen zijn solide, de pre-trainingdatum is publiekelijk bekend, en het gedrag van OpenAI (Sora dezelfde dag offline halen om rekenkracht vrij te maken) past bij een serieuze launch-prepcyclus.
Vraag 2: Wordt het specifiek uitgebracht onder de naam "GPT-5.5"? Mijn vertrouwen: laag-middel. Dit is echt een muntworp. Als de benchmark-sprong ten opzichte van 5.4 incrementeel is, is 5.5 waarschijnlijk. Als het een echte generatieversnelling is, wordt GPT-6 als naam plausibeler. Ga niet uit van de naam.
Vraag 3: Komt het model vandaag — of deze week — exact uit? Mijn vertrouwen: laag. "Nog een paar weken" betekent in Altman-termen historisch gezien vier tot acht weken, niet vijf tot tien dagen. Het meest waarschijnlijke venster is eind april tot eind mei. Iedereen die je nu een exacte datum geeft, gokt.
Als je je roadmap hebt gebaseerd op "Spud = GPT-5.5 = 15 april," heb je op mist gepland. Laten we op iets stevigers plannen.
Waarom Wachten De Slechtste Strategie Is
Hier is wat de meeste ontwikkelaars missen wanneer er geruchten gaan over een nieuw frontier-model. De juiste vraag is niet: "wanneer komt 5.5 uit?" De juiste vraag is: hoeveel waarde laat ik elke dag liggen door 5.4 niet volledig te benutten?
Want 5.4 is echt een significant model. Ik draai het nu intensief sinds zes weken. Laat me je de cijfers geven die ertoe doen.
Op GDPval — de benchmark voor kenniswerk die modeloutput vergelijkt met industrieprofessionals op echte taken — scoort GPT-5.4 83,0%, tegenover 70,9% op 5.2. Dat is een absolute sprong van twaalf punten in één minor versie. Het is het grootste GDPval-verschil tussen twee opeenvolgende GPT-5.x-releases.
Op OSWorld-Verified, de benchmark voor computergebruik, scoort 5.4 75%, waarmee het de menselijke expert-baseline van 72,4% overtreft. Het sprong van 47,3% op 5.2. Dat is het soort verschil dat niet alleen bepaalt wat sneller kan, maar wat überhaupt mogelijk wordt in een automatiseringspipeline.
Het feitelijke foutpercentage is 33% lager dan bij 5.2 op standaardprompts en 18% lager op denkmodus-prompts. In mijn dagelijkse praktijk betekent dat: ik vang minder hallucinaties bij het nabewerken, besteed minder tijd aan het controleren van bronnen, en vertrouw meer op de tool-call-argumenten van het model.
En de features die met 5.4 zijn geleverd, zijn echt anders dan wat er daarvoor was: een contextvenster van 1 miljoen tokens (128K outputlimiet), Tool Search met uitgestelde laadfunctie zodat agents niet vastlopen op enorme tool-manifests, native computergebruik dat screenshots interpreteert en muis/toetsenbord aanstuurt, en native compaction die langlopende contexten beheert zonder dat je zelf samenvattingsrondes hoeft te bouwen.
Dus hier is de vraag voor jouw team: maken jullie daar al volledig gebruik van?
Voor de meeste teams waarmee ik heb gesproken, is het antwoord nee. Ze hebben de model-parameter aangepast en vonden het wel goed zo. Ze draaien 5.4 precies zoals ze 5.2 draaiden. Wat betekent dat ze voor 5.4 betalen en 60% van de waarde benutten.
De echte strategische zet nu is niet wachten op 5.5. Het is de volledige waarde uit 5.4 halen, terwijl je je infrastructuur zo bouwt dat zodra 5.5 uitkomt — wanneer dat ook is, hoe het ook heet — je het met één pull request kunt adopteren.
Daar gaat de rest van deze post over.
De Multimodaliteitsvraag (En Waarom Ik Hier Zo Sterk Op Wijs)
Voordat ik het stappenplan doorloop, moet ik specifiek ingaan op de speculatie rond multimodaliteit, omdat ik hier de meeste ongefundeerde zekerheid zie.
Wat 5.4 daadwerkelijk doet: Tekst en afbeelding als input. Tekst als output. Geen native audio. Geen native videogeneratie. Geen realtime voice op 5.4 zelf — voice wordt afgehandeld door aparte modellen binnen de stack van OpenAI.
Waar mensen over speculeren bij 5.5: Rijkere multimodaliteit — een combinatie van audio in/uit, video-inzicht, mogelijk zelfs volledig geïntegreerde multimodale I/O in één enkel model.
Hier is mijn eerlijke mening: enige uitbreiding van multimodaliteit is waarschijnlijk, maar de details zijn totaal onbevestigd. Ik heb nul direct bewijs van wat Spud doet met niet-tekstuele modaliteiten. De strategische richting van OpenAI wijst duidelijk op multimodale agents, en Brockmans taal over het “big model feel” kan redelijkerwijs duiden op capaciteitsuitbreiding over meerdere modaliteiten. Maar het kan ook puur op tekstuele redeneervermogens slaan.
Als jouw product-roadmap nu uitgaat van “5.5 zal native video-inzicht hebben in Q3” — dan bouw je op lucht. Doe dat niet. Plan op het niveau van 5.4-capaciteiten en beschouw elke multimodale uitbreiding als bonus, niet als uitgangspunt.
Laten we doorgaan naar wat je vandaag wél daadwerkelijk kunt bouwen.
De echte rekensom die je in je spreadsheet nodig hebt
Elk migratieplan dat ik je ga geven, hangt ervan af dat je een realistisch kostenmodel hebt. De meeste teams hebben dat niet. Dus laten we dit concreet maken voordat we het over architectuur gaan hebben.
Hier is de huidige GPT-5.4 prijsstructuur die je in je kostenberekening moet opnemen:
- Input: $2,50 per 1M tokens
- Gecachte input: $0,25 per 1M tokens (dat is 90% korting — en wordt automatisch toegepast wanneer opeenvolgende verzoeken een prefix delen)
- Output: $15,00 per 1M tokens
Nu het deel dat teams vaak verrast. Voor prompts met meer dan 272.000 input tokens overschrijd je een drempel waarbij de prijs stijgt naar 2x input en 1,5x output voor de volledige sessie. Dit geldt voor Standard, Batch en Flex tiers. Als je een complete codebase in de context dumpt — wat, om duidelijk te zijn, vaak de moeite waard is — betaal je het premiumtarief, niet het basistarief. Modelleer je spreadsheet hierop.
Dan zijn er de serviceniveaus, die bijna niemand die ik spreek strategisch inzet:
- Batch: ~50% korting op standaard, 24 uur asynchrone verwerking. Ideaal voor offline workloads — bulkclassificatie, data verrijking, retroactieve analyse. Als je workload een nachtje wachten aankan, laat je elke dag 50% besparing liggen als je het niet via Batch laat lopen.
- Flex: Lagere kosten voor Responses of Chat Completions, tragere responstijden, soms beperkte beschikbaarheid van resources. Voor niet-productie, achtergrondtaken of werk met lage prioriteit. Weer een flinke korting ten opzichte van Standard als latency niet kritisch is.
- Priority: Premiumtarief voor aanzienlijk lagere en meer consistente latency. Voor real-time toepassingen richting gebruikers, waar p99 latency een business metric is.
- Standard: De standaard gebalanceerde tier.
Hier is een simpele regel die ik volg: categoriseer elke workload die je draait als een van {user-facing real-time, background jobs, offline bulk} en stuur het naar de juiste tier. Laat niet alles standaard via Standard lopen. Dat is de makkelijkste kostenbesparing die de meeste teams laten liggen.
Nog een opmerking over de API-surface. Als je nog niet bent overgestapt op de Responses API, doe dat dan nu. De Responses API behoudt response-ID’s op een manier die zinvolle conversatie-threading mogelijk maakt en is het doeloppervlak voor de meeste nieuwe OpenAI-functionaliteiten in de toekomst. Nieuwe code schrijven tegen Chat Completions in 2026 betekent dat je jezelf actief voorbereidt op migratiewerk later. Voor een diepere walkthrough van hoe ik dit op een echt klantproject heb gestructureerd, zie mijn volledige GPT-5.4 coding model review.
Dat is de basis. Nu de architectuur.
De Config-Flip Architectuur — Zodat je 5.5 met één PR kunt adopteren
Dit is de kern van het stappenplan. Alles in deze sectie is ontworpen met één doel: wanneer OpenAI uiteindelijk het volgende frontier-model uitbrengt, is jouw migratie een configuratiewijziging, geen refactor.
1. Isoleer model-ID’s achter een config-flag
De meest voorkomende fout die ik zie, is hardcoded modelstrings verspreid over de codebase. Je vindt "gpt-5.4" in zeventien bestanden, elk op zich een kleine aanpassing, maar samen een enorme klus als je ze allemaal moet vervangen.
Zet elke modelreferentie achter een config-key. Bijvoorbeeld:
# config.py
MODELS = {
"primary": os.getenv("MODEL_PRIMARY", "gpt-5.4"),
"fast": os.getenv("MODEL_FAST", "gpt-5.4-mini"),
"reasoning": os.getenv("MODEL_REASONING", "gpt-5.4-thinking"),
}
Elke aanroep leest vervolgens uit MODELS["primary"]. Zodra 5.5 uitkomt en je wilt het testen op je reasoning-workload, hoef je alleen een environment variable te wijzigen. Geen PR die zeventien bestanden raakt.
Ga nog een stap verder: ondersteun per-omgeving overrides zodat je nieuwe modellen in staging kunt testen zonder productie aan te raken, en per-workload routing zodat je verschillende modellen voor verschillende taken kunt draaien in plaats van één globaal model.
2. Bouw je evals voordat je ze nodig hebt
Dit is wat iedereen overslaat en waar iedereen spijt van krijgt.
Voordat het volgende model uitkomt, heb je een test suite nodig met echte taken uit je applicatie en beoordeelde outputs. Geen synthetische benchmarks — je daadwerkelijke workload. De vragen die jouw echte gebruikers stellen. De code die jouw codebase echt vereist. De tool calls die je agents daadwerkelijk maken.
Je wilt binnen een uur na de release van 5.5 kunnen beantwoorden: presteert 5.5 beter dan 5.4 op onze specifieke workload, en hoeveel beter? Zonder evals is het nattevingerwerk. Met evals is het een getal.
De setup hoeft niet ingewikkeld te zijn. Twintig tot vijftig echte taken met gescoorde outputs (door mensen beoordeeld, via een rubric, of door een LLM-jury, afhankelijk van de taak) is genoeg om een goed signaal te krijgen. Het OpenAI Evals framework is prima. Een zelfgebouwde pytest-harness is prima. Wat niet prima is: niets hebben en een maand na migratie ontdekken dat het nieuwe model slechter is voor jouw use case en je niet kunt aantonen waarom.
3. Bewaar response-ID’s in de Responses API
Als je de Responses API gebruikt (wat je zou moeten doen), krijg je response-ID’s waarmee je eerdere model-turns in toekomstige requests kunt refereren. Dit is de basis voor zinvolle conversatie-threading, agent-handoffs en langlopende taakstatus.
Sla die response-ID’s op in je database naast de user-turn. Sla niet alleen de tekst op — sla de ID op. Wanneer 5.5 mogelijk uitgebreid state management introduceert, kunnen de teams die response-ID’s bewaren soepel migreren. Teams die ze weggooien, moeten hun conversatiegeheugenlaag opnieuw bouwen.
4. Gebruik caching — het is een korting van 90% die voor het oprapen ligt
Gecachte input voor $0,25/M versus $2,50/M standaard input is geen kleine optimalisatie. Het is een korting van 90% die OpenAI automatisch toepast wanneer opeenvolgende requests een prefix delen. System prompts. Referentiedocumenten. Few-shot voorbeelden. Je tool manifest.
Herstructureer je prompts zodat de stabiele content vooraan staat en de variabele user content achteraan. Zorg er vervolgens voor dat je requests het endpoint binnen korte tijd raken, zodat de cache warm blijft. Op workloads waar ik van nul cache-hits naar een 60% cache-hit rate ging, halveerden mijn inputkosten ongeveer. Dat is een echte post op mijn P&L.
5. Guardrails voor autonoom toolgebruik
Native computergebruik op 5.4 is krachtig — en gevaarlijk in verhouding tot hoeveel autonomie je de agent geeft. Mijn stappenplan:
- Beperk elke sessie tot een specifiek doel met een expliciete beëindigingsvoorwaarde
- Whitelist toegestane acties in plaats van gevaarlijke acties te blacklisten
- Houd een actie-auditlog bij per sessie, achteraf te controleren
- Stel een maximum aantal turns en maximale kosten per sessie in — harde limieten die de agent niet kan overschrijden
- Vereis menselijke bevestiging voor state-veranderende operaties op externe systemen
Als 5.5 met sterkere autonome mogelijkheden komt, zijn deze guardrails niet optioneel — ze zijn het verschil tussen een agent die helpt en een agent die een Slack-thread genereert die je niet wilt lezen.
6. Expliciete privacy- en retentie-instellingen
Vertrouw niet op defaults. Stel expliciet dataretentie, training opt-out en — indien nodig — Regional Processing endpoints in. Let op: Regional Processing voegt een toeslag van 10% toe aan zowel input als output voor alle modellen uitgebracht na 5 maart 2026, waaronder de hele GPT-5.4-familie en toekomstige 5.5. Als je het nodig hebt voor compliance, neem het op in je budget. Heb je het niet nodig, betaal er dan niet voor.
7. Kostenmodellering voordat je schaalt
Modelleer je unit economics op je huidige schaal en op 10x je huidige schaal. Gebruik de echte 5.4-prijzen met de >272K token multiplier voor workloads die daar overheen gaan. Vergelijk Standard, Batch en Flex per workload. Bouw een dashboard dat het dagelijkse tokenverbruik per workload bijhoudt en je cache-hit rate toont.
Wanneer 5.5 uitkomt en de prijzen bekend zijn, wil je het team zijn dat binnen een middag kan zeggen: "onze kosten per gebruiker gaan van $X naar $Y, onze marge verandert met Z procent, en ons besluit is A". Niet het team dat eerst twee weken een kostenmodel moet bouwen voordat ze een beslissing kunnen nemen.
De Realiteit van Fine-Tuning
Nog een onderwerp dat voortdurend terugkomt: "Kan ik 5.5 straks fine-tunen?"
Kort antwoord: waarschijnlijk niet op de manier die je voor ogen hebt.
Dit is de huidige stand van zaken rond fine-tuning op OpenAI’s frontier-modellen. Supervised fine-tuning op de daadwerkelijke frontier — 5.4 — is niet beschikbaar. Er bestaat wel een distillatiepad, waarbij je het frontier-model gebruikt om trainingsdata te genereren voor een kleiner model dat je vervolgens fine-tunet, maar dat is fundamenteel anders dan fine-tuning van het frontier-model zelf. Reinforcement Fine-Tuning (RFT) is beschikbaar, maar is beperkt tot de O-serie redeneermodellen — momenteel alleen o4-mini — en dus niet de 5.x-lijn.
Als je dat doortrekt, is de realistische verwachting dat 5.5 zal worden gelanceerd zonder supervised fine-tuning op het vlaggenschipmodel. Als je productarchitectuur uitgaat van frontier fine-tuning, bouw je tegen de richting in waarin OpenAI zich ontwikkelt.
De juiste vraag is niet "hoe fine-tune ik de frontier?" maar "hoe gebruik ik de frontier als leraar voor een kleiner, wel te tunen model, of hoe vervang ik fine-tuning door betere prompting, retrieval en agentdesign?" Dat zijn de vaardigheden die blijvend waardevol zijn.
Waar ik daadwerkelijk op let als volgende stap
Een paar signalen die ik in de gaten houd en die mij vertellen dat 5.5 eraan komt, nog voordat de blogpost verschijnt:
- Wijzigingen op de OpenAI statuspagina — nieuwe model-ID’s verschijnen soms kort voordat ze officieel worden aangekondigd
- Onaangekondigde Codex- of ChatGPT UI-experimenten — verschuivingen in functionaliteit bij afgeleide producten gaan vaak 48 tot 72 uur vooraf aan API-releases
- Updates in ontwikkelaarsdocumentatie — prijs-, model- en rate limit-pagina’s die worden aangepast zonder aankondiging
- Sam Altman’s X-activiteit — het “binnen enkele weken”-ritme bleek historisch voorspellend binnen ±10 dagen
Geen van deze signalen is heilig. Maar ze zijn betrouwbaarder dan YouTube-thumbnails.
Veelgestelde Vragen
Wanneer wordt GPT-5.5 uitgebracht?
GPT-5.5 is op 15 april 2026 nog niet officieel aangekondigd. Het model met de interne codenaam "Spud" voltooide pre-training op 24 maart 2026, en Polymarket kent ongeveer 78% kans toe op release vóór 30 april 2026 en meer dan 95% vóór 30 juni 2026. OpenAI heeft niet bevestigd of Spud als GPT-5.5 of GPT-6 wordt uitgebracht. Voor een volledig overzicht van releasesignalen, zie de sectie Bevestigd hierboven.
Is GPT-5.5 hetzelfde als Spud?
Niet per se. "Spud" is de interne codenaam voor OpenAI's volgende frontier-model dat momenteel in veiligheidsevaluatie is. Of het model als GPT-5.5 of GPT-6 wordt uitgebracht, hangt af van hoe groot de prestatieverbetering is ten opzichte van GPT-5.4, en is publiekelijk nog niet besloten. Behandel ze als verwant-maar-onderscheiden totdat OpenAI de definitieve naamgeving aankondigt.
Moet ik wachten op GPT-5.5 voordat ik overstap naar GPT-5.4?
Nee. GPT-5.4 leverde een sprong van 12 punten op GDPval (van 70,9 naar 83%) en overschreed de menselijke expert-baseline op OSWorld. De waarde die je laat liggen door te wachten is reëel, en het migratiewerk dat je voor 5.4 doet, is hetzelfde werk dat je voor 5.5 zou doen — zet model-ID's achter config-flags, bouw evaluaties, gebruik de Responses API. Doe het nu.
Wat zijn de API-prijzen voor GPT-5.4?
GPT-5.4 kost $2,50 per 1M inputtokens, $15,00 per 1M outputtokens en $0,25 per 1M gecachte inputtokens. Voor prompts boven de 272K inputtokens verdubbelt de prijs voor input en wordt output 1,5x duurder voor de volledige sessie. Batch- en Flex-tarieven bieden aanzienlijke kortingen voor niet-real-time workloads. Zie de sectie Prijzen hierboven voor het volledige overzicht.
Kan ik GPT-5.4 of GPT-5.5 fine-tunen?
Supervised fine-tuning is niet beschikbaar op de GPT-5.x flagship-modellen. Reinforcement Fine-Tuning (RFT) is beperkt tot de O-serie redeneermodellen, momenteel alleen o4-mini. Het realistische pad is distillatie — het frontier-model gebruiken om trainingsdata te genereren voor een kleiner, afstembaar model — niet het fine-tunen van het frontier-model zelf.
De Zet van Deze Week
Herinner je je mijn vriend nog, die zondag om 23:47 vroeg of hij zijn 5.4-migratie moest uitstellen voor 5.5?
Dit is wat ik hem heb verteld. En het is precies wat ik jou nu ook vertel.
Wacht niet. Rond de 5.4-migratie deze week af. Bouw het op de juiste manier — model-ID’s achter configuratievlaggen, Responses API vanaf het begin, evaluaties op je echte workload, caching geïntegreerd in je prompts, servicelagen afgestemd op workloadtypes, guardrails op autonome tools, expliciete privacy-instellingen, realistische kostenmodellen.
Als je dat doet, dan is je migratie, zodra OpenAI eindelijk het volgende frontier-model uitbrengt — of het nu 5.5 heet, 6, of iets heel anders — niet meer dan een enkele pull request die een omgevingsvariabele omzet en je eval-suite opnieuw draait. Een middag werk, geen sprint.
De teams die de volgende modeltransitie winnen, zijn degenen die het werk van vandaag zien als infrastructuur voor het model van morgen, niet als een verbintenis aan het model van nu. Het model waarop je draait is tijdelijk. De architectuur eromheen is wat rendeert.
Lever nu de saaie infrastructuur op. Laat de spectaculaire lancering een configuratiewijziging zijn.
Laten We Samenwerken
Wil je AI-systemen bouwen, workflows automatiseren of je technische infrastructuur opschalen? Ik help je graag.
- Fiverr (maatwerk & integraties): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (enterprise-oplossingen): ramlit.com
- ColorPark (design & branding): colorpark.io
- xCyberSecurity (beveiligingsdiensten): xcybersecurity.io
