Cloudflare geeft websitebeheerders betere controle over AI-bots

Cloudflare heeft nieuwe tools uitgerold waarmee sitebeheerders per type bot kunnen bepalen wat er wel en niet mag: zoekbots welkom, trainingsbots geblokkeerd, agent-bots alleen als er een goede reden is.

Dat is relevant omdat de spanning tussen AI-bedrijven en contentmakers toeneemt. Tot nu toe was robots.txt het enige echte instrument, en dat wordt lang niet altijd gerespecteerd.

Voor organisaties die content publiceren, van blogs tot documentatiesites, biedt dit concrete grip. Je kunt trainen op eigen content toestaan voor bepaalde partijen, terwijl je anderen blokkeert. Dat heeft directe gevolgen voor hoe je nadenkt over licenties en datagebruik.

De kanttekening: bots die robots.txt en Cloudflare-regels nu al negeren, stoppen daar niet mee. Handhaafbaarheid blijft een open vraag.

cloudflare

GitHub Copilot voegt eerste open-weight model toe: Kimi K2

GitHub Copilot heeft Kimi K2 van Moonshot AI toegevoegd als eerste open-weight model in de tool. Tot nu toe werkte Copilot uitsluitend met gesloten modellen.

Dat is een signaal dat open modellen volwassen genoeg zijn geworden voor gangbare ontwikkelomgevingen. Wie Copilot gebruikt, kan nu zelf kiezen of een open alternatief beter past bij de taak of bij interne compliance-eisen.

Voor organisaties die voorzichtig zijn met data die bij aanbieders van gesloten modellen terechtkomt, is dit een praktische stap. Open-weight modellen kunnen lokaal of in eigen infrastructuur draaien, wat meer controle geeft over wat er met code en context gebeurt.

Test deze week of Kimi K2 in Copilot voor jouw specifieke codebase vergelijkbare resultaten geeft als het standaardmodel. Kleine codeertaken zijn een goed startpunt.

alphasignal

Meta's volgende model matcht GPT-5.5 op benchmarks

Alexandr Wang, hoofd superintelligentie bij Meta, heeft bekendgemaakt dat Meta's volgende flagship-model, intern 'Watermelon' genoemd, op belangrijke benchmarks gelijkstaat aan OpenAI's GPT-5.5.

Dat is opmerkelijk omdat Meta de afgelopen twee jaar consistent achterliep op OpenAI en Anthropic in de topklasse. Als de claim klopt, verandert het speelveld voor organisaties die nu vastzitten bij één provider.

Voor teams die nadenken over modelkeuze: Meta distribueert zijn modellen gratis via Llama, wat betekent dat een competitief topmodel straks zonder licentiekosten lokaal of op de eigen cloud te draaien is.

Benchmarks zeggen niet alles. GPT-5.5 scoort mogelijk anders dan Watermelon op specifieke taken, zoals redeneren over lange contexten of instructieopvolging in het Nederlands. Wacht op onafhankelijke evaluaties voor je iets omzet.

businessinsider

Open-source tool laat Claude automatisch sollicitaties versturen: 3.500 GitHub-sterren

Een open-source project op GitHub gebruikt Claude om zelfstandig sollicitaties in te vullen en te versturen. Het haalde al 3.500 GitHub-sterren, wat laat zien dat veel ontwikkelaars er interesse in hebben.

Dit is een concreet voorbeeld van hoe agent-workflows verder gaan dan tekst genereren. Claude leest een vacature, past het cv aan en dient de sollicitatie in, zonder handmatige tussenkomst.

De techniek achter dit soort agent-pipelines is direct toepasbaar op andere repetitieve processen, zoals offertes samenstellen, formulieren invullen en leads kwalificeren. De tool laat zien hoe ver je met prompt-chaining en tool-use al komt met publiek beschikbare modellen.

Let op juridische en ethische aspecten als je zoiets intern inzet. Automatisch namens een organisatie handelen zonder menselijke controle op het eindresultaat is in veel situaties risicovol.

Mistral brengt wiskundig redeneermodel uit tegen 10x lagere kosten

Mistral heeft een nieuw model uitgebracht dat specifiek is geoptimaliseerd voor wiskundig redeneren. Het lost 587 van de 672 opgaven op uit de Putnam-competitie, een van de zwaarste wiskundetoetsen voor studenten, tegen een kostprijs die tien keer lager ligt dan bestaande alternatieven op dit niveau.

Daarmee wordt het model interessant voor toepassingen waarbij je nu betaalt voor GPT-4-klasse rekenkracht, maar alleen wiskundige of logische taken uitvoert. Denk aan financiële modellering, data-analyse of QA-processen met rekenintensieve stappen.

De Putnam-score is indrukwekkend als referentie, maar zegt weinig over prestaties op domeinspecifieke bedrijfsdata. Valideer altijd op je eigen dataset voordat je een model in productie neemt.

Sakana AI: veel kleine agents verslaan één groot model op redeneren

Sakana AI heeft een multi-agent framework gepubliceerd dat 93% scoort op Sudoku-problemen, terwijl standaard-baselines op dezelfde taak blijven steken op 11%. De aanpak verdeelt een redeneerprobleem over meerdere kleine gespecialiseerde agents in plaats van het aan één groot model te geven.

Dat past in een bredere trend: het is goedkoper en soms betrouwbaarder om kleine modellen samen te laten werken dan te betalen voor de grootste beschikbare frontier-modellen. Voor teams die nu twijfelen of ze GPT-5-klasse nodig hebben: misschien niet.

De praktische toepassing is nog niet plug-and-play. Multi-agent orchestratie vraagt aanzienlijk meer engineering dan een enkelvoudige API-call. Maar de resultaten geven richting aan waar de architectuur van productie-AI naartoe beweegt.