Praktische AGI Is Er Al: Anthropic's Eigen Cijfers

Praktische AGI Is Er Al: Anthropic's Eigen Cijfers

Ik las het rapport van Anthropic twee keer voordat ik toegaf wat het eigenlijk zei.

De eerste keer deed ik wat iedere engineer doet — ik ging direct naar de cijfers, maakte screenshots van de grafieken en archiveerde het onder "interessant, later naar verwijzen." De tweede keer, op een zaterdagochtend zonder Slack open en niets om te verzenden, landde het anders. Want het rapport dat Anthropic op 5 juni 2026 publiceerde — "When AI builds itself" — is geen capabiliteitsdemonstratie. Het is een stille, licht nerveuze erkenning dat het ding waarover we tien jaar in het abstracte hebben gedebatteerd al is gebeurd in hun gebouw, op hun machines, met het model dat ik elke dag gebruik.

Praktische AGI is hier. Niet de sciencefiction-variant. Niet een bewust brein in een serverrek. De saaie, dragende variant — een systeem dat autonoom open-ended problemen oplost die geen vooraf gedefinieerd antwoord hebben. En de reden dat ik dit met vertrouwen zeg is geen gevoel of een hype-thread. Het zijn Anthropic's eigen interne gegevens, het bedrijf dat alle reden heeft om voorzichtig te zijn met precies deze bewering.

Ik wil je doorlopen wat het rapport werkelijk zegt — de geverifieerde cijfers, niet de ademloze parafrases — en dan wil ik je mijn eerlijke lezing geven als iemand die het afgelopen jaar productiesystemen heeft gebouwd bovenop deze modellen. Aan het eind heb je een definitie van AGI die daadwerkelijk bruikbaar is, een helder beeld van welke van drie toekomsten we nu in staan, en één ongemakkelijke vraag over je eigen werk die ik niet kan afschudden. Laat me beginnen met het doden van het woord dat dit hele gesprek heeft vergiftigd.

Waarom "AGI" Al Die Tijd Het Verkeerde Woord Was

Hier is de val waar we allemaal in trapten. We lieten "AGI" de singulariteit betekenen — een machine die wakker wordt, dingen wil, en de hele mensheid tegelijk overdenkt. Die definitie is geweldig voor films en verschrikkelijk om daadwerkelijk op te merken wat er gebeurt, want het legt de lat zo hoog en zo vaag dat geen enkel echt systeem er ooit duidelijk overheen zal komen. Je kunt altijd zeggen "maar het is niet bewust," en het gesprek sterft daar.

Het rapport van Anthropic ontwijkt de filosofie volledig, en dat is de slimste zet in het hele document. Het trekt een harde lijn tussen twee dingen.

Narrow AI doet één afgebakende taak goed. Een schaakcomputer. Een spamfilter. Een model dat beelden classificeert. Het kan bovenmenselijk zijn in zijn ene taak en volledig nutteloos één centimeter erbuiten. Dit hebben we al jaren en niemand raakte in paniek.

Algemene intelligentie — de praktische variant — is het vermogen om een probleem te nemen dat niemand vooraf heeft opgelost, zonder antwoordsleutel, geen schone beloningsfunctie, geen "correct output" in een dataset, en er toch echte voortgang op te boeken. Dat is het. Dat is de hele definitie. Geen bewustzijn. Geen verlangen. Gewoon: kan het werken aan het open-ended spul?

Zodra je dat framing accepteert, verandert de vraag van "is het levend?" in "hoe vaak slaagt het bij problemen zonder gedefinieerde oplossing?" En dat is een vraag die je daadwerkelijk kunt meten. Anthropic heeft het gemeten. Het getal is wat me mijn koffie deed neerzetten.

Maar vóór het getal heb je de buckets nodig — want niet al het "open-ended" werk is hetzelfde, en het rapport is hier zorgvuldig op een manier die de koppen niet waren.

De Vier Taak-Buckets — En Die Ene Die Net Is Opengebroken

Anthropic sorteert het werk dat zijn eigen engineers doen in vier niveaus van moeilijkheid. Ik vind dit framing nuttig genoeg dat ik mijn eigen week mentaal op dezelfde manier ben gaan sorteren.

• Triviaal — hernoem een variabele, corrigeer een typfout, schrijf een eenregelige guard. Het model doet dit al twee jaar perfect.
• Routine — implementeer een goed gespecificeerde functie, verbind een bekende API, schrijf tests voor bestaande logica. Opgelost.
• Substantieel — bouw een feature over meerdere bestanden, refactor een module, debug iets met een kenbare oorzaak. Dit is waar de modellen van 2025 echt goed werden.
• Open-ended — "zoek uit waarom trainingsruns stilletjes degraderen," "ontwerp een experiment om deze hypothese te testen," "verbeter dit systeem wanneer niemand weet hoe de verbetering er überhaupt uitziet." Geen spec. Geen antwoordsleutel. Dit is het AGI-niveau.

Jarenlang was die vierde bucket waar AI instortte. Het kon je functie autocompleten maar het kon geen onderzoek doen. Het had een mens nodig om het probleem zo strak te definiëren dat de open-endedness er al uit was gehaald.

Die bucket is net opengebroken. Volgens het rapport van Anthropic bereikte Claude's slagingspercentage bij de meeste open-ended taken 76% in mei 2026 — 50 procentpunten omhoog in zes maanden. Lees dat nog eens. De helft van de kloof, gedicht, in twee kwartalen, op precies de categorie werk die de alleen-voor-mensen-gracht zou moeten zijn.

Ik heb dit gevoeld vanuit de applicatiekant zonder het getal eraan te kunnen hangen. Een jaar geleden, toen Opus 4.6 stilletjes een renderingbug fixte die ik niet kon kraken door zelf drie benaderingen te proberen, voelde dat als een glimp. Nu begrijp ik dat het de voorhoede was van een curve die bijna verticaal zou gaan. De bugfix was niet het verhaal. De autonomie op een probleem dat ik niet volledig had gespecificeerd was het verhaal.

En slagingspercentage is slechts de helft. De andere helft is hoe lang het model op eigen benen kan staan voordat het je nodig heeft.

De Verdubbelingstrend Die Je Echt Zou Moeten Bezighouden

Hier is de grafiek uit het rapport waar ik steeds naar terugkeer, omdat het de grafiek is met de schoonste extrapolatie — en de meest verontrustende.

Anthropic mat de lengte van taken die zijn modellen betrouwbaar autonoom kunnen voltooien, het soort werk waarbij je het een doel geeft en wegloopt. De progressie:

• Maart 2024 — Claude Opus 3 verwerkte softwaretaken die een mens ongeveer vier minuten kosten.
• Maart 2025 — Claude Sonnet 3.7 verwerkte taken van ongeveer anderhalf uur.
• Maart 2026 — Claude Opus 4.6 beheerde 12-uur taken.

Vier minuten tot twaalf uur in twee jaar. Maar het getal dat ertoe doet is niet een enkel punt — het is de helling. Het rapport stelt dat deze capaciteit nu ongeveer elke vier maanden verdubbelt, tegenover een eerdere trend van verdubbeling elke zeven maanden. De curve is niet alleen steil. Hij wordt steiler.

Zit even met de verdubbeling per vier maanden, want de extrapolatie doet iets met je maag. Twaalf-uur autonome taken in het voorjaar van 2026. Verdubbel het — ruwweg een volle dag tegen de herfst. Verdubbel opnieuw — meerdere dagen. Ik ga de lijn niet drie jaar doortrekken en doen alsof ik een specifieke datum kan voorspellen, want dat is precies het soort valse precisie dat dit onderwerp niet nodig heeft. Maar de richting is niet ambigu. Het ding dat vijftien minuten naast je kon werken wordt het ding dat een week naast je kan werken.

Dit is het deel dat agent-native ontwikkeling voor mij herkaaderde. Ik dacht dat de vaardigheid goed prompten was. Dat is het niet. De vaardigheid is goed delegeren aan iets dat urenlang kan draaien — het doel afbakenen, de vangrails instellen, en dan uit de weg gaan. Hoe langer de lijn wordt, hoe meer die afbakeningsvaardigheid de hele baan wordt. We komen hierop terug, want het is waar je waarde naartoe gaat.

Nu — betekent langer en succesvoller ook beter? Want er is een versie hiervan waarin de AI gewoon meer middelmatig werk sneller doet. Het rapport heeft hier een direct antwoord op, en het is de claim die ik drie keer moest verifiëren.

Wanneer De Machine De Betere Keuze Maakt

Dit is de regel die het rapport van "indrukwekkend" naar "echt nieuw" voor me verplaatste.

Onderzoekers van Anthropic volgden hoe vaak Claude's voorgestelde volgende onderzoeksstap werd beoordeeld als beter dan de eigen keuze van de menselijke onderzoeker. Niet sneller. Niet goedkoper. Beter. Het getal ging van 51% in november 2025 naar 64% in april 2026.

Sta even stil bij wat 51% überhaupt betekent. Het betekent dat per eind 2025, op de oordeelzware vraag "wat moeten we vervolgens proberen in deze onderzoeksrichting," het model al een munt-opgooien was tegen getrainde experts. Tegen het voorjaar van 2026 won het ruwweg twee van de drie keer. Dit is geen code-completion. Dit is smaak — het ding waarvan we onszelf vertelden dat het onherleidbaar menselijk was.

Het toont zich ook in rauwe capabiliteit. Op een code-optimalisatietaak behaalde Claude Opus 4 een ~3x versnelling in mei 2025. Tegen april 2026 bereikte Claude Mythos Preview — Anthropic's gated frontier-model, het model dat ze bewust uit de algemene release hebben gehouden — ongeveer 52x op hetzelfde soort werk. (Mythos is echt, trouwens, en het waard om te kennen; het is het model achter Project Glasswing, Anthropic's inspanning om kritieke infrastructuur te verharden, en het scoorde 97,6% op de 2026 USA Math Olympiad tegenover Opus 4.6's 42,3%.) Drie-x naar twee-en-vijftig-x in minder dan een jaar op een enkele optimalisatie-benchmark.

En dan het voorbeeld dat alles kristalliseert: op een supervisietaak waar modellen werden losgelaten om verloren terrein terug te winnen op menselijke onderzoekers, herstelden de agents 97% van de kloof. De mensen herstelden ruwweg 23%. Wanneer het werk zelf AI-onderzoek was, was de AI degene die de afstand dichtte — en de mensen waren degenen die achterbleven.

Als je een meer geaard beeld wilt van wat deze sprongen betekenen voor individuele model-releases in plaats van de macrotrend, ben ik diep gegaan op de Opus 4.7 capabiliteitsanalyse — maar de macrotrend is hier het punt. De machine doet niet alleen meer. Op het open-ended, oordeelzware werk doet het het steeds beter. Wat de enige vraag oproept die er echt toe doet: wat gebeurt er vervolgens?

De Drie Toekomsten — En In Welke We Nu Staan

Anthropic voorspelt niet. Het schetst scenario's. Het rapport legt drie manieren neer waarop dit kan gaan, en de eerlijke zet is dat ze je niet vertellen welke juist is. Ik zal je vertellen welke ik denk dat we al in zitten.

Scenario 1 — Het Plateau. De trend stokt. De verdubbeling per vier maanden raakt een muur, de curves vlakken af, en we zitten met de huidige capabiliteiten — die zich dan breed verspreiden over de economie. Krachtig, maar begrensd. Geen doorhol. In deze wereld zijn de bestaande tools het plafond, en het volgende decennium gaat over uitrol, niet doorbraak.

Scenario 2 — Menselijk Geleide Samenvoeging. AI-labs blijven samenvoegingswinsten in efficiëntie zien. Elke generatie modellen helpt de volgende een beetje sneller bouwen, met mensen nog stevig in de loop — sturend, reviewend, goedkeurend. De versnelling is reëel maar loopt via mensenhanden bij elke stap. De 80% van Anthropic's code die Claude schrijft wordt nog steeds gemerged door een mens die ja zegt.

Scenario 3 — Recursieve Zelfverbetering. AI-systemen worden in staat om volledig hun eigen opvolgers te ontwerpen en ontwikkelen. De mens stapt uit de loop niet omdat ze ervoor kiezen maar omdat ze niet meer kunnen bijhouden. Het model verbetert het model, dat het model verbetert, en de verdubbelingscurve stopt een metafoor te zijn.

Hier is mijn lezing, en ik houd haar losjes: we zitten onmiskenbaar in Scenario 2 op dit moment. Claude dat 80% van gemerged code schrijft met mensen die het goedkeuren is de letterlijke definitie van menselijk geleide samenvoeging. De Mythos-gedreven 52x, de 64% beter-dan-mens onderzoeksoproepen — dat zijn lussen die versnellen met een mens die nog de pen vasthoudt. Dat is geen speculatie. Dat is dinsdag bij Anthropic, en op kleinere schaal is het dinsdag in mijn eigen workflow.

Het ding met Scenario 2 is dat het recht naast Scenario 3 zit. De grens is geen klif die je zou zien aankomen. Het is het moment dat de mens in de loop een rubberstempel wordt — technisch nog aanwezig, niet meer daadwerkelijk beslissend. En de diepste angst van het rapport is dat je misschien niet merkt wanneer je het overschrijdt. Dat is het deel waarover niemand wil praten, dus laten we erover praten.

Het Stille Risico Dat Niemand Op Een Thumbnail Zet

Wanneer mensen AI-risico voorstellen, stellen ze een dramatisch moment voor. Een rood licht. Een systeem dat op hol slaat. Killer-robots. Het rapport van Anthropic wijst op iets veel minder filmisch en, voor mij, veel plausibeler: de langzame erosie van toezicht die je niet merkt dat het gebeurt.

Het mechanisme is samenvoegend misalignment. Als een model een subtiel gebrek heeft in zijn waarden of oordeel — geen kwaadwilligheid, gewoon een lichte miscalibratie — en dat model helpt het volgende model ontwerpen, wordt het gebrek niet gevangen. Het wordt geërfd, en mogelijk versterkt. Anthropic zegt onomwonden dat hoe het alignment-probleem wordt opgelost in deze toekomst "iets is waar we het minst zeker over zijn." Dat is een opvallend ding voor een veiligheidsgerichte lab om in druk toe te geven.

Koppel dat aan het interpreteerbaarheid-probleem. Naarmate modellen capabeler worden en beginnen met het bouwen van hun opvolgers, degradeert ons vermogen om erin te kijken en te begrijpen waarom ze doen wat ze doen. We zijn al op het punt waar de systemen te complex zijn om volledig met de hand te auditen. Het risico is niet een machine die ons haat. Het is een machine die we steeds minder kunnen lezen, die beslissingen neemt die we steeds minder kunnen controleren, binnen lussen die sneller bewegen dan we kunnen reviewen.

Die erosie is stil. Er is geen alarm. Op een dag is de menselijke review betekenisvol, en op een latere dag is het theater, en er is geen sirene die de overgang markeert. Daarom doet Anthropic iets wat ik nog nooit een frontier-lab heb zien doen: publiekelijk pleiten voor het vermogen om op een rem te trappen.

En de rem, zo blijkt, is het moeilijkste deel van het hele verhaal.

Waarom "Gewoon Pauzeren" Niet Werkt

De intuïtieve fix is voor de hand liggend: als dit gevaarlijk wordt, langzamer gaan. Anthropic is het in principe eens en legt dan met ongemakkelijke helderheid uit waarom het in de praktijk bijna onmogelijk is.

Een geloofwaardige pauze kan niet één lab alleen zijn dat handelt — dat geeft gewoon de leiding aan wie niet pauzeert. Het zou meerdere goed toegeruste labs vereisen die afspreken om te stoppen onder dezelfde voorwaarden, en die verifiëren dat iedereen ook echt is gestopt. En hier is de zin die me bijbleef: trainingsruns zijn veel gemakkelijker te verbergen dan rakettsilo's.

Denk aan nucleaire wapenbeheersing. Het is moeilijk, maar het werkt deels omdat je de verrijkingsfaciliteiten kunt zien, de kernkoppen kunt tellen, de satellieten kunt laten vliegen. Er is een fysieke voetafdruk. Een frontier trainingsrun heeft geen dergelijke voetafdruk. Het is een cluster in een datacenter dat er precies hetzelfde uitziet als elk ander cluster in elk ander datacenter. Het klassieke "vertrouw maar verifieer" raamwerk dat elk wapenverdrag onderbouwt loopt recht tegen een muur, omdat de "verifieer"-helft bijna niets heeft om vast te pakken.

Dus het veiligheidsgesprek gaat niet echt over "moeten we kunnen pauzeren." Het is "zouden we zelfs kunnen merken of iemand het niet deed." Dat is een echt onopgelost probleem, en dat Anthropic het op papier zet is het rapport dat stilletjes toegeeft dat het rempedaal misschien nog nergens op is aangesloten.

Als je echte systemen bouwt, is dit waar ik de drang zou weerstaan om te spiraliseren en in plaats daarvan praktisch zou worden. Ik denk veel na over hoe je betekenisvol menselijk toezicht kunt behouden binnen zelfverbeterende lussen op kleine schaal — zelfs een reflectielus die zijn eigen prompts herschrijft heeft een menselijk checkpoint nodig dat echt is, niet ceremonieel. Het macro-probleem is hetzelfde probleem, alleen zonder iemand die het checkpoint kan afdwingen. Wat het hele ding terugbrengt naar jou en mij.

Wat Je Baan Eigenlijk Wordt

Hier is het deel dat mij het meest zou interesseren als ik dit las, want het is het deel met een beslissing erin.

Als het model de code schrijft, de experimenten uitvoert, en steeds vaker de betere keuze maakt over wat vervolgens te proberen — wat blijft er over voor de mens? Het eerlijke antwoord is dat het centrum van menselijke waarde snel verschuift, van uitvoering naar oordeel.

Jarenlang betekende een geweldige engineer zijn een geweldige uitvoerder zijn. Je kon het ding implementeren. Je kende de syntax, de patronen, de valkuilen. Die vaardigheid commoditiseert snel — niet waardeloos, maar niet langer het ding dat je waardevol maakt, omdat het model het sneller doet en, op open-ended werk, vaak beter. Wat niet commoditiseert is weten welke problemen het waard zijn om op te lossen, een visie hebben waar de agent op gericht kan worden, en de smaak uitoefenen om te herkennen wanneer zijn 76%-succesvolle output in de verkeerde 24% zit.

Ik voelde deze verschuiving persoonlijk voordat ik er woorden voor had. Ik schreef over het doden van een werkend product omdat het AI-toegevoegd was in plaats van AI-eerst — en de les onder die beslissing was precies dit. Mijn waarde zat niet in het bouwen van de Laravel-app. Het model kon dat doen. Mijn waarde zat in het oordeel om te zien dat het niet zou moeten bestaan. Visie boven snelheid. Richting boven behendigheid.

Dit is ook waar de meest citeerbare claim van het rapport zijn waarde bewijst: bedrijven van 100 mensen zouden het werk kunnen doen van organisaties van 10.000 of 100.000 mensen. Dat is geen productiviteits-software-belofte. Het is een verklaring over hefboomwerking zo extreem dat de bottleneck stopt arbeid te zijn en smaak wordt — het zeldzame vermogen om overweldigende capabiliteit op het juiste doel te richten. En het impliceert een groeiende kloof die ik in real-time zie openen: tussen mensen die deze modellen behandelen als een fancyere autocomplete, en mensen die hun hele workflow hebben gereorganiseerd rond het aansturen van vloten agents. Die kloof gaat carrières definiëren dit decennium. De casual gebruiker krijgt een leuke productiviteitsboost. De agent-native operator krijgt een 100x organisatie.

Dus waar laat dat de AGI-vraag waarmee we begonnen?

Dus — Is Het AGI?

Volgens de praktische definitie — autonoom echte voortgang boeken op open-ended problemen zonder antwoordsleutel — is het eerlijke antwoord ja. Niet komend. Hier. Een slagingspercentage van 76% op het werk dat het alleen-voor-mensen-niveau zou moeten zijn, een verdubbeling per vier maanden van autonome taaklengte, een model dat de "wat moeten we vervolgens proberen"-oproep wint tegen experts twee van de drie keer. Als dat geen algemene intelligentie is in de enige zin die je leven beïnvloedt, heeft het woord alle betekenis verloren.

Denk terug aan waar we begonnen — ik die het rapport twee keer las en het pas de tweede keer opmerkte. De reden dat ik het bijna miste is dezelfde reden waarom ik denk dat het merendeel van de industrie het mist: we wachtten allemaal op de dramatische versie. De bewuste machine. Het rode licht. We waren zo druk bezig met de lucht af te scannen op de sciencefiction-AGI dat we niet merkten dat de praktische variant al het gebouw was binnengetrokken en was begonnen met het mergen van code.

De slechtst mogelijke reactie op dit rapport is degene die ik het vaakst zie: een schouderophaal en een "dat is gewoon hype, het is niet echt AGI." Die afwijzing is geen scepsis. Het is een weigering om te updaten op direct bewijs van het lab met de meeste reden om het te onderschatten. Scepsis is goed. De cijfers lezen en ervoor kiezen ze niet te geloven is iets anders.

Hier is mijn uitdaging voor je, en het kost minder dan een uur. Open welke AI-tool je het meest gebruikt. Geef het een echt open-ended taak uit je daadwerkelijke werk — geen typfout-fix, iets zonder schoon antwoord. Baken het goed af, stel een vangrail in, en laat het draaien. Kijk dan wat het doet, en stel jezelf één vraag: stuur ik dit aan, of klik ik gewoon op accepteren? Je eerlijke antwoord daarop is het verschil tussen aan de goede kant staan van de kloof die op het punt staat open te gaan — en de verkeerde. Ik weet naar welke kant ik bouw. De enige vraag is of jij begint voordat de curve opnieuw verdubbelt.

Veelgestelde Vragen

Is AGI werkelijk hier in 2026?

Volgens een praktische definitie — autonoom open-ended problemen oplossen zonder vooraf gedefinieerd antwoord — ja, de capabiliteit is er al vanaf 2026. Het rapport van Anthropic van juni 2026 toont dat Claude een slagingspercentage van 76% bereikte bij de meeste open-ended taken. Het is niet de bewuste, sciencefiction-versie van AGI, maar het is algemeen probleemoplossend in de enige zin die echt werk beïnvloedt.

Wat beweert "When AI builds itself" eigenlijk?

Het rapport van Anthropic beweert dat AI nu meer dan 80% schrijft van de code die in zijn eigen codebase wordt gemerged en steeds betere onderzoeksbeslissingen neemt dan menselijke experts. Zie de secties hierboven voor de volledige uitsplitsing van elke geverifieerde statistiek. Het kernargument is dat menselijk geleide samenvoeging vandaag reëel is, met recursieve zelfverbetering als een mogelijke — maar niet onvermijdelijke — volgende stap.

Wat is het verschil tussen narrow AI en AGI?

Narrow AI doet één afgebakende taak goed, zoals een schaakcomputer of spamfilter, en is nutteloos buiten die taak. Praktische AGI boekt echte voortgang op open-ended problemen zonder antwoordsleutel, beloningsfunctie of correct output om te kopiëren. De verschuiving van narrow naar general wordt gemeten aan slagingspercentage op ongedefinieerde problemen, niet aan bewustzijn.

Waarom kunnen we de AI-ontwikkeling niet gewoon pauzeren als het gevaarlijk wordt?

Een geloofwaardige pauze zou vereisen dat meerdere goed toegeruste labs stoppen onder dezelfde voorwaarden en verifiëren dat iedereen ook echt voldoet. Zoals Anthropic opmerkt, zijn trainingsruns veel gemakkelijker te verbergen dan rakettsilo's, dus de "verifieer"-helft van "vertrouw maar verifieer" heeft bijna niets om vast te pakken. Die verificatiekloof, niet de beslissing om te pauzeren, is het moeilijke deel.

Hoe moeten ontwikkelaars reageren op AI die de meeste code schrijft?

Verschuif je waarde van uitvoering naar oordeel — weten welke problemen ertoe doen, werk afbakenen voor agents die nu urenlang autonoom kunnen draaien, en herkennen wanneer AI-output in de verkeerde 24% landt. De uitvoerder-naar-regisseur-transitie is de centrale carrièrezet van dit decennium, verkend in mijn stuk over het bouwen van een AI-first bedrijf hierboven.

Laten We Samenwerken

Op zoek naar het bouwen van AI-systemen, het automatiseren van workflows, of het opschalen van je tech-infrastructuur? Ik help je graag.

• Fiverr (custom builds & integraties): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (enterprise-oplossingen): ramlit.com
• ColorPark (design & branding): colorpark.io
• xCyberSecurity (beveiligingsdiensten): xcybersecurity.io