Claude bouwt zelf een Pokémon-kloon in 12 uur

Een gebruiker heeft Claude Opus 5 via een multi-agent loop in Ultracode een volledige Pokémon-achtige game laten bouwen. Na 12 uur draaide er een speelbaar spel met een 3D-wereld, gevechten en personages.

Dit is geen marketingclaim van Anthropic, maar een community-demo op Reddit. De kwaliteit is wisselend: de gameplay werkt, maar het personageontwerp leverde onder meer een Charmander-Barney-hybride op. Dat is grappig, maar het punt is serieus. AI-gegenereerde software beperkt zich niet langer tot kleine scripts of browser-widgets.

Voor ontwikkelteams betekent dit dat multi-agent-setups nu complexe projecten van meerdere uren aankunnen zonder menselijke tussenkomst per stap. De praktische grens ligt niet meer bij de complexiteit van de taak, maar bij de kwaliteit van de prompt en de evaluatie achteraf.

Test zelf: geef Claude Opus 5 een duidelijk omschreven kleine applicatie met één specifieke domeinbeperking en kijk hoe ver een multi-agent loop komt zonder interventie.

reddit

Kimi K3: architectuurlessen van het grootste open-weight model

Moonshot AI heeft de gewichten van Kimi K3 vrijgegeven, maar de interessantere vraag is hoe ze dit model van 2,8 biljoen parameters überhaupt draaiende houden. Kimi K3 kwam al eerder voorbij in deze nieuwsbrief, maar de engineeringdetails die nu zijn gepubliceerd verdienen aparte aandacht.

Het model gebruikt een Mixture-of-Experts-architectuur waarbij slechts 104 miljard van de 2,8 biljoen parameters actief zijn per token, ongeveer 16 van de 896 experts. Dat klinkt abstract, maar het betekent dat de rekenkracht per inferentie vergelijkbaar blijft met een veel kleiner model. Moonshot lost het KV-cache-probleem op met een techniek genaamd LatentMoE, die het geheugengebruik sterk beperkt.

Voor organisaties die eigen modellen willen hosten of fine-tunen is dit leerzaam: de architectuurkeuzes vormen een blauwdruk voor kostenefficiënte productie-inferentie. Het bestand zelf weegt 5 terabyte, dus eigen hosting vereist serieuze GPU-infrastructuur.

Bekijk de technische paper van Moonshot om te beoordelen of LatentMoE relevant is voor je eigen modelselectie of infrastructuur-roadmap.

DeepSeek werkt V4-Flash bij en houdt prijs laag

DeepSeek heeft zijn V4-Flash model verbeterd, terwijl de API-prijs op centenbedragen per miljoen tokens blijft staan. Concrete prijzen staan niet in de beschikbare bronnen, maar de positionering is duidelijk: DeepSeek concurreert op prijs waar westerse labs op prestatie concurreren.

Voor teams die hoge-volume inferentie draaien, bijvoorbeeld voor classificatie, samenvatting of data-extractie, is V4-Flash een serieuze kandidaat om te benchmarken naast GPT-4o Mini of Gemini Flash. De lage prijs compenseert voor veel use cases eventuele kwaliteitsverschillen.

De kanttekening is bekend: DeepSeek is een Chinees model en data-residency blijft een reëel compliance-vraagstuk voor Europese organisaties. Controleer je datacontract voordat je productieverkeer routeert.

Europese AI-labels en watermerken zijn nu afdwingbaar

Vanaf 2 augustus 2026 zijn de Europese regels voor het labelen van AI-gegenereerde inhoud en watermerken afdwingbaar. Dit vloeit voort uit de AI Act en raakt iedereen die content publiceert die geheel of gedeeltelijk door AI is gegenereerd.

Concreet betekent dit dat deepfakes, synthetische afbeeldingen en AI-geschreven teksten in veel gevallen zichtbaar als zodanig moeten worden gemarkeerd. Wie dat nalaat, riskeert handhaving.

Veel organisaties hebben dit onderdeel van de AI Act nog niet vertaald naar beleid of technische maatregelen. Nu de datum is verstreken, volstaat 'we zijn ermee bezig' niet meer richting toezichthouders.

Breng daarom in kaart welke externe communicatie of content AI-gegenereerde componenten bevat en stel deze week een intern labelingprotocol op.

Big Tech heeft al meer dan 1,1 biljoen dollar aan AI-infrastructuur uitgegeven

De gecombineerde AI-investeringen van de grote techbedrijven zijn voorbij de grens van 1,1 biljoen dollar gegaan en dat drukt zichtbaar op de vrije kasstroom. Dat is relevant voor iedereen die afhankelijk is van cloud-AI-diensten, want de druk om die investeringen terug te verdienen via hogere prijzen of nieuwe productvormen neemt toe.

Voor organisaties die nu nog vertrouwen op vaste contracten of API-prijzen voor de lange termijn is dit een signaal om scenario's voor prijsstijgingen door te rekenen. De afgelopen jaren daalden AI-prijzen snel, maar die trend is niet gegarandeerd bij aanhoudende kapitaaldruk.

Niets in de bronnen wijst op directe prijsverhogingen, maar de kapitaaldynamiek is een reële achtergrondfactor bij leverancierskeuzes voor de komende 12 tot 24 maanden.