OpenAI haalt OpenClaw-ontwikkelaar binnen voor nieuwe generatie persoonlijke AI-agents

Peter Steinberger, de maker van de virale AI-assistent OpenClaw (eerder ClawdBot en Moltbot), is per 15 februari 2026 in dienst getreden bij OpenAI om te werken aan de volgende generatie persoonlijke agents. OpenClaw kon routinetaken automatiseren en bereikte in slechts 8 weken een enorme userbase – zo succesvol dat Anthropic eerst met juridische stappen dreigde over het gebruik van 'Claw' in de naam.

De timing is opvallend: terwijl autonome agents nog vaak ondermaats presteren (zie de RentAHuman-chaos), kiest OpenAI ervoor om direct expertise in-house te halen in plaats van te concurreren. Steinberger had OpenClaw tot standalone bedrijf kunnen uitbouwen, maar ziet samenwerking met OpenAI als snelste route om persoonlijke AI-assistentie breed beschikbaar te maken.

Voor organisaties betekent dit dat OpenAI waarschijnlijk in 2026 een serieus consumer- en enterprise-agentenplatform gaat lanceren. Het project blijft open source onder een foundation, gesponsord door OpenAI – een interessant hybride model tussen acquisitie en partnerschip.

Kanttekening: de realiteit van autonome agents blijkt weerbarstiger dan de demos suggereren. WIRED-journalist Reece Rogers verdiende 0 dollar op RentAHuman, ondanks een uurtarief van 5 dollar, en ontdekte dat veel 'agents' gewoon marketingstunts zijn.

steipete · techcrunch

Alibaba lanceert Qwen3.5 met 397 miljard parameters en 19× snellere decoding

Alibaba heeft op 16 februari 2026 Qwen3.5-397B-A17B uitgebracht, het eerste open-weight model in de Qwen3.5-serie. Het model combineert 397 miljard parameters met sparse MoE-architectuur (17 miljard actief per token) en ondersteunt native multimodale input: tekst, beeld en video in één systeem.

Het technische hoogtepunt: tot 19× hogere decoding-throughput bij 256k context vergeleken met Qwen3-Max, dankzij een hybride attention-mechanisme (Gated DeltaNet + standaard attention). Dat maakt het model praktisch bruikbaar voor lange documenten en video-analyse zonder exponentiële geheugenproblemen.

Voor teams die experimenteren met open-source LLM's is dit relevant: je krijgt near-frontier prestaties met volledige controle over deployment en data. De combinatie van snelheid en contextlengte opent toepassingen als real-time contractanalyse of het doorzoeken van volledige codebases. Open weights betekent ook dat je het model kunt fine-tunen voor domeinspecifieke taken zonder vendor lock-in.

Test het model lokaal met een subset van je langste documenten (juridisch, technisch, research) om te meten of de snelheidswinst ook daadwerkelijk doorwerkt in jouw infrastructuur.

Moonshot AI integreert OpenClaw rechtstreeks in Kimi met cloud-deployment

Moonshot AI heeft OpenClaw native geïntegreerd in zijn Kimi-platform, compleet met cloud-deployment. Waar OpenAI de maker inhuurt, rolt concurrent Moonshot dus de technologie zelf al uit – een illustratie van hoe snel de agent-race escaleert.

Dit is meer dan een feature-release: het signaleert dat Chinese AI-labs bereid zijn om snel experimentele open-source tooling in productie te brengen. Voor westerse bedrijven die overwegen om met Chinese platforms te werken, is dit zowel een kans (snellere innovatie) als een compliance-vraagstuk (data sovereignty, export controls).

De praktische impact: als je teams in Azië hebt of met Chinese klanten werkt, is Kimi met OpenClaw mogelijk een alternatief voor Microsoft Copilot of Google Workspace-agents. De cloud-deployment verlaagt de instapdrempel aanzienlijk vergeleken met zelf hosten.

openclaw

GitHub Copilot krijgt MCP-ondersteuning voor directe toegang tot externe tools

GitHub heeft Model Context Protocol (MCP)-support toegevoegd aan Copilot, waardoor de AI-assistent rechtstreeks kan communiceren met externe tools en datasources zonder custom integraties. MCP is Anthropic's open standaard voor tool-gebruik door AI-agents.

Dit lost een groot wrijvingspunt op: development teams kunnen nu hun interne API's, databases of CI/CD-pipelines aan Copilot koppelen zonder tussenlaag. Denk aan 'vraag Copilot naar de laatste test-resultaten in Jenkins' of 'laat Copilot een ticket aanmaken in Jira op basis van deze code review'.

Voor engineering-organisaties betekent dit concreet dat je de ROI van Copilot kunt verhogen door het te verbinden met je bestaande toolchain. De standaardisatie via MCP voorkomt vendor lock-in: dezelfde connectoren werken straks ook met Claude, Gemini of andere MCP-compatibele agents.

Kanttekening: MCP is nog jong en de ecosysteem van plugins beperkt. Wacht niet op een plug-and-play-ervaring; budgetteer development-tijd om connectoren te bouwen of te testen.

github

Google meldt cyberaanval op Gemini door Noord-Koreaanse hackers met 100.000+ prompts

Google heeft op 16 februari 2026 bekendgemaakt dat Noord-Koreaanse state-backed hackers Gemini hebben gebruikt om cyberaanvallen te plannen, met meer dan 100.000 prompts gericht op het verkennen van kwetsbaarheden. De aanvallers probeerden de AI te misbruiken voor reconnaissance en exploit-development.

Dit is de eerste gedocumenteerde grootschalige poging van een natiestaat om een frontier-model te weaponizen. Google's security-team heeft de aanvallen gedetecteerd en geblokkeerd, maar het incident toont aan dat AI-platforms actief doelwit zijn van sophistication adversaries – niet alleen via prompt injection, maar ook door schaalbare automatisering van aanvalsvectoren.

Voor security-teams is de boodschap helder: als je LLM's inzet voor interne tooling of klantgerichte applicaties, verwacht dan dat adversaries systematisch jouw guardrails gaan testen. Implementeer rate limiting, anomaly detection op prompt-patronen en logging van alle queries met security-implicaties. Google's ervaring suggereert dat volume (100k+ prompts) een indicator kan zijn van geautomatiseerde aanvallen.

Test je eigen LLM-applicatie met een red team-exercitie: laat een beveiligingsanalist proberen om via herhaalde, gevarieerde prompts gevoelige informatie of onveilige outputs te genereren.

blog

IBM verdriedubbelt instroom junior-medewerkers in 2026 met rollen rondom wat AI niet kan

IBM kondigt aan dat het in 2026 het aantal instroom-posities in de VS verdriedubbelt, met functies die bewust zijn ontworpen rondom taken die AI (nog) niet beheerst: complexe stakeholder-management, ethische afwegingen, creatieve probleemoplossing en cross-functionele coördinatie.

Deze move contrasteert schril met de golf van AI-gedreven ontslagen elders in tech. IBM's strategie lijkt erop gericht om junioren te trainen in 'AI-augmented work' vanaf dag één, waarbij de nadruk ligt op judgment en menselijke vaardigheden in plaats van routinematige execution. Dat is een interessante weddenschap: investeren in mensen juist omdat AI de commodity-taken overneemt.

Voor talent-leaders is dit een signaal om recruitment en onboarding te heroverwegen. Als IBM gelijk heeft, zijn de meest waardevolle junior-hires niet degenen die het snelst Python leren, maar degenen die empathie, nuance en strategisch denken combineren met AI-tooling. De vraag is of andere bedrijven dit voorbeeld volgen of juist verder automatiseren.

ibm