Matryoshka-aanpak traint meerdere LLM-groottes voor 36 procent minder rekenkracht

Een nieuwe trainingsmethode, Matryoshka LM, maakt het mogelijk om in één trainingsrun een hele reeks modellen van verschillende groottes te bouwen. Dat scheelt 36 procent aan compute vergeleken met het apart trainen van elk model.

Voor teams die zelf modellen fine-tunen of meerdere modelgroottes onderhouden voor uiteenlopende use cases, levert dit een directe kostenbesparing op. Kiezen hoeft niet meer: je traint één keer en krijgt automatisch een kleine, middelgrote en grote variant.

De methode is nog niet breed beschikbaar als kant-en-klare tool, maar het onderzoek is gepubliceerd. Houd de open-source implementaties in de gaten als je actief aan modeltraining werkt.

Claude Academy bundelt 355 leerresources voor AI-gebruikers

Anthropic heeft een centraal leerplatform gelanceerd: The Claude Academy. Daarin zitten 355 tutorials, promptingtips en voorbeelden van use cases, verdeeld over niveaus van beginner tot expert. Het platform dekt Claude, Cowork, Code, Tag en de API.

Voor teams die serieus met Claude werken, betekent dit een directe versnelling. In plaats van verspreide documentatie door te ploegen, vind je alles op één plek. Dat scheelt onboardingtijd voor nieuwe medewerkers en verlaagt de drempel om te experimenteren.

Eén kanttekening: 355 resources klinkt indrukwekkend, maar kwantiteit is geen kwaliteit. Controleer of de content aansluit bij jouw specifieke use case voordat je het hele leertraject door je team jaagt.

Actietip: ga naar academy.claude.com en filter op jouw niveau. Test daarna deze week één specifieke promptingtechniek op een taak die je normaal handmatig doet.

claude

Claude batcht acties en bespaart 20 tot 40 procent aan API-aanroepen

Anthropic heeft Claude Computer Use bijgewerkt zodat de tool meerdere acties groepeert in één aanroep. Dat levert 20 tot 40 procent minder round trips op per taak, vergeleken met de vorige aanpak waarbij elke actie apart werd afgevuurd.

Voor organisaties die Claude inzetten voor geautomatiseerde workflows betekent dit direct lagere API-kosten en snellere doorlooptijden. Wie Claude-agents op schaal draait, voelt dat verschil in de maandelijkse rekening.

Het gaat om efficiëntiewinst in de infrastructuurlaag, niet om betere redenering of minder fouten. De kwaliteit van de output hangt nog altijd af van hoe goed je de taak hebt gedefinieerd.

AT&T stuurt AI-werk richting goedkopere open modellen

AT&T heeft een deel van zijn AI-workloads verplaatst naar goedkopere open modellen. De telecomgigant kiest dus bewust tegen de duurste frontier modellen voor taken waar dat kan.

Dat is een signaal voor elke organisatie die AI-kosten wil beheersen: niet elke taak heeft een GPT-5-achtig model nodig. Voor routinematige taken zoals classificatie, samenvatting of interne zoekopdrachten presteren open modellen vaak goed genoeg tegen een fractie van de prijs.

De vraag is niet óf je open modellen inzet, maar voor welke taken. Maak een inventarisatie van je huidige AI-gebruik en koppel aan elke taak het minimale model dat de klus klaart.

Nvidia sluit licentiedeal van 6 miljard dollar met Poolside

Nvidia heeft een licentieovereenkomst ter waarde van 6 miljard dollar gesloten met Poolside, een AI-startup gericht op softwareontwikkeling. Daarmee is het een van de grotere deals in de AI-infrastructuursector tot nu toe.

De omvang van de deal laat zien hoe serieus er wordt geïnvesteerd in gespecialiseerde AI voor codegeneratie. Organisaties die AI-codingtools evalueren, doen er goed aan Poolside in de gaten te houden als concurrent van GitHub Copilot en vergelijkbare tools.

Voor eindgebruikers verandert er concreet nog niets. Licentiedeals van deze omvang werken door in productinvesteringen op de langere termijn, niet morgen.

Goldman Sachs ziet AI al doorwerken in arbeidsmarktcijfers

Goldman Sachs heeft data gepubliceerd waaruit blijkt dat AI-adoptie merkbaar weegt op de werkgelegenheid in bepaalde sectoren. Dit is geen toekomstscenario meer, maar iets dat al meetbaar is in arbeidsmarktcijfers.

Voor HR-teams en leidinggevenden is dit een signaal om nu te inventariseren welke functies binnen hun organisatie door AI-automatisering worden geraakt en op welke termijn. Wachten met die analyse vergroot de kans op plotselinge fricties in bezetting of skillsgaps.

De exacte sectoren en cijfers ontbreken in de beschikbare samenvatting. Behandel de bevinding daarom als richtinggevend, niet als nauwkeurige voorspelling voor jouw branche.