AI-updates

Wat er verandert

Een modelupdate gaat over de motor die informatie verwerkt. Je kunt verschillen merken in redeneervermogen, snelheid of omgang met een bepaald soort taak. Een productupdate gaat over de toepassing eromheen: bestanden toevoegen, een resultaat bewerken, een taak volgen of een preview openen. Dat kan veel uitmaken terwijl je hetzelfde model blijft gebruiken.

Een koppeling voegt een ander soort verandering toe. De toepassing kan ineens informatie ophalen uit een programma waarin jouw werk al staat. De schrijfkwaliteit hoeft daardoor niet te veranderen, maar het kopiëren van de juiste invoer kan eenvoudiger worden. Het antwoord kan ook andere context krijgen dan bij een losse chat.

Verder zijn er veranderingen in de uitvoering: taken op een ander apparaat volgen, een workflow plannen of een resultaat op een andere plek bewaren. Dat zijn onderdelen die in een demo soms op de achtergrond blijven. Voor dagelijks gebruik kunnen juist die onderdelen bepalen of je de functie blijft gebruiken.

Lees een bericht daarom eerst als een beschrijving van een concrete wijziging. Wat kon er vóór deze update, en wat kan er nu? Als dat verschil niet duidelijk wordt, zoek de oorspronkelijke toelichting of documentatie. Een algemene claim dat een product ‘slimmer’ is geworden geeft weinig houvast voor je eigen gebruik.

Enkele recente berichten

8 oktober 2026: een snellere modus

OpenAI vermeldt in de ChatGPT- en Codex-changelog een Ultrafast-modus voor GPT-6.1 Sol in Codex en ChatGPT Work. De wijziging versnelt het genereren van tokens. Toegang hangt af van abonnement en werkruimte; bij Enterprise moet de eigenaar de mogelijkheid inschakelen.

Voor iemand die tijdens het bouwen vaak op een antwoord wacht, is snelheid een herkenbaar punt om te proberen. Vergelijk dan een hele opdracht, inclusief controleren en corrigeren. Sneller tekst zien is maar één deel van de tijd die je aan het werk besteedt. Een taak die daarna meer herstelwerk vraagt, kan alsnog langer duren.

7 oktober 2026: taken op iOS openen

In dezelfde changelog staat bij de iOS-versie van 7 oktober ondersteuning voor het openen van Codex-taaklinks en inline pagina-previews. Dit is een wijziging aan de manier waarop je werk bekijkt en vervolgt, los van de inhoudelijke kwaliteit van een model.

Een mogelijke toepassing is onderweg een lopende taak openen en het resultaat bekijken. Om het verschil te beoordelen, probeer je precies die handeling. Kom je bij de juiste taak? Kun je de relevante uitkomst bekijken? Kun je later verder op het apparaat waarop het werk staat? Het bericht vertelt dat er ondersteuning is toegevoegd; je eigen omgeving bepaalt hoe die route verloopt.

2 oktober 2026: zicht op gebruik

De iOS-release van 2 oktober vermeldt widgets voor recent werk en voor resterend gebruik en resettijden. Dat maakt informatie over de toepassing makkelijker bereikbaar. Het is een ander soort update dan een nieuw model, maar kan wel helpen om je gebruik te begrijpen.

Deze voorbeelden zijn geselecteerd om verschillende soorten wijzigingen te laten zien. Ze vormen geen volledig nieuwsoverzicht. De berichten zijn gecontroleerd op 11 oktober 2026; latere aanpassingen of uitrol kunnen de beschikbaarheid veranderen.

Van aankondiging naar gebruik

Tussen een aankondiging en je eigen werk zitten soms verschillende stappen. Een functie kan beschreven zijn, beschikbaar worden voor bepaalde accounts en vervolgens nog afhankelijk zijn van een instelling. Een mobiele app kan een andere versie hebben dan de toepassing op je computer. Een organisatie kan een mogelijkheid ook apart moeten activeren.

Dat verklaart waarom twee mensen na hetzelfde nieuwsbericht iets anders zien. De ene heeft de functie al, de andere niet. Kijk bij ontbrekende mogelijkheden eerst naar het product, de versie, het account en eventuele werkruimte-instellingen die de maker noemt. Een prijs of plan uit een oude screenshot is daarvoor geen goede bron.

Een aangesloten bron verdient een eigen controle. Als een product nu een koppeling ondersteunt, betekent dat nog niet dat jouw account al verbonden is of alle benodigde bestanden kan lezen. Maak bij het uitproberen zichtbaar welk onderdeel beschikbaar is en welk onderdeel nog ontbreekt. Dat is preciezer dan alleen concluderen dat de nieuwe functie niet werkt.

Een functie proberen

Kies een taak die je al begrijpt. Als je een nieuwe onderzoeksfunctie wilt bekijken, gebruik dan een vraag waarvan je enkele goede bronnen kent. Als je een nieuwe bouwfunctie probeert, kies dan een kleine wijziging met een zichtbaar resultaat. Je hoeft niet meteen je hele werkwijze om te gooien om iets te leren.

Bewaar de invoer en het resultaat. Noteer daarnaast welke versie of functie je gebruikte, welke bronnen beschikbaar waren en welke correcties nodig waren. Dat maakt een latere vergelijking mogelijk. Zonder die context weet je na twee weken vaak alleen nog dat het ‘wel handig’ of ‘niet goed’ was.

Update: welke wijziging wordt beschreven?
Bron en datum: waar staat de oorspronkelijke toelichting?
Taak: welk herkenbaar stuk werk probeer ik ermee?
Invoer: welke bestanden of voorbeelden gebruik ik?
Resultaat: wat is er daadwerkelijk gemaakt of uitgevoerd?
Ervaring: welke correcties of extra stappen waren nodig?
Open vraag: wat kan ik hiermee nog niet beoordelen?

Dit is een eenvoudige notitie, geen cijferlijst. Een korte beschrijving van de ervaring is vaak genoeg. Bijvoorbeeld: ‘De verwijzingen waren bruikbaar, maar twee bronnen bleken dezelfde oorspronkelijke publicatie te herhalen.’ Daar kun je bij een volgende poging iets mee.

Een demo lezen

Een demo laat meestal een geselecteerd voorbeeld zien. Dat is nuttig om de mogelijke werkwijze te begrijpen. Je ziet welke stappen de maker wil laten zien en hoe de interface reageert. Wat je minder vaak ziet, is de voorbereiding, een mislukte uitvoering of de correcties die nodig waren voordat het voorbeeld mooi liep.

Let daarom op waar de invoer vandaan komt en wat er aan het einde bestaat. Zie je een echte opgeslagen pagina, een voorstel in de chat of alleen een afbeelding van een mogelijke interface? Bij onderzoek wil je zien welke bronnen het antwoord dragen. Bij automatisering wil je weten wat de uitvoering start en waar het resultaat terechtkomt.

Een goede vraag bij een demo is wat er gebeurt bij een onvolledige invoer. Een ontbrekende datum, een lege tabel of een niet-bereikbare bron komt in gewoon werk regelmatig voor. Als die gevallen niet worden getoond, betekent dat vooral dat je ze zelf nog moet proberen voordat je de toepassing goed kent.

Waar je updates volgt

Begin bij de oorspronkelijke bronnen. Release notes en changelogs geven datums en beschrijven concrete veranderingen. Helpdocumentatie legt vaak beter uit hoe een functie gebruikt wordt en welke voorwaarden gelden. Een productpagina kan helpen met het overzicht, maar is meestal minder precies over de stappen in je eigen omgeving.

Voor de onderwerpen in de Classroom kun je onder meer kijken naar de OpenAI-changelog, Claude Code-documentatie, Cursor-documentatie en de documentatie van n8n. Welke bronnen relevant zijn, hangt af van de tools die je gebruikt. Je hoeft niet ieder product te volgen.

Nieuws uit andere bronnen kan je op een onderwerp wijzen. Ga voor beschikbaarheid en gebruik vervolgens terug naar de maker. Houd daarbij de datum in beeld. Een uitleg die bij de vorige versie paste, kan nu een andere naam, knop of route beschrijven.

Wat je bewaart

Bewaar vooral wat je later opnieuw kunt gebruiken: een werkend voorbeeld, een duidelijke beperking of een bron die een veelgestelde vraag beantwoordt. Een verzameling losse nieuwskoppen wordt snel groot en lastig terug te vinden. Een kleine notitie bij het juiste onderwerp blijft bruikbaar.

Als een update een probleem oplost, kun je de oude poging ernaast leggen. Zo zie je welk verschil er werkelijk is. Als een nieuwe mogelijkheid nog niet beschikbaar is, leg je dat vast met de datum waarop je keek. Dan kun je later opnieuw proberen zonder een oude beperking als blijvende eigenschap te behandelen.

Voor het kiezen van een toepassing kun je verder lezen in het overzicht van AI-tools. Voor een eerste eigen poging bevat Kleine AI-projecten drie voorbeelden die je met herkenbare invoer kunt uitwerken.