Leaderboards liegen niet, maar ze vertellen ook niet de hele waarheid

De week begint met een ongemakkelijke les over benchmarks. DeepSeek's V4 Flash staat bovenaan vrijwel elke modelranglijst en werd door ontwikkelaars enthousiast omarmd. Maar uit tests van Composio, beschreven door VentureBeat, bleek dat het model slechts 53,8% van een reeks complexe agenttaken succesvol afrondde. Het ging om 240 runs, verspreid over acht verschillende agentraamwerken, met integraties in live tools als Gmail, GitHub, Slack en Google Sheets. Slechts zes van de dertig workflows werden door élk getest raamwerk succesvol voltooid.

Dit is geen verhaal over een slecht model. V4 Flash is technisch indrukwekkend. Het is een verhaal over wat er gebeurt als je een krachtig model inzet voor meerstapsprocessen in een echte werkomgeving, en dan ontdekt dat orkestratie, geheugen en taakaansturing net zoveel uitmaken als de onderliggende intelligentie. Voor Europese bedrijven die op basis van benchmarks beslissingen nemen over modelkeuze — een veelvoorkomende praktijk in procurement- en IT-trajecten — is dit een directe waarschuwing.

Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in het Europese bedrijfsleven, stelt dat de werkelijke scheidslijn in AI niet langer loopt tussen sterke en zwakke modellen, maar tussen organisaties die hun agentinfrastructuur beheersen en organisaties die dat niet doen — en dat verschil wordt in 2026 bepalend voor wie waarde haalt uit AI-investeringen.

Agentbeheer: de infrastructuurlaag die bedrijven vergeten op te bouwen

Dat orkestratie de onderschatte bottleneck is, wordt verder onderstreept door wat VentureBeat beschrijft over het platform xpander. Grote organisaties accumuleren AI-agents sneller dan ze systemen bouwen om die agents te besturen. Gartner schat dat de gemiddelde Fortune 500-onderneming in 2028 meer dan 150.000 AI-agents in gebruik zal hebben, terwijl nu slechts 13% van de organisaties zegt de juiste governance daarvoor te hebben.

Die kloof is geen theoretisch risico. Agents die autonoom werken zonder gecentraliseerde permissies, observeerbaarheid en geheugenlaag, vormen een operationeel en compliancerisico. Juist in de Europese context — met de AI Act, AVG-verplichtingen en sectorspecifieke regelgeving in financiën en zorg — is het ontbreken van een beheerslaag geen technische tekortkoming maar een bestuurlijk probleem. Wie agents uitrolt zonder eigenaarschap over de controle- en contextlaag, verliest grip op wat die agents doen, namens wie en met welke data.

Het antwoord is niet: minder agents inzetten. Het antwoord is: eerder nadenken over de infrastructuur die agents beheersbaar maakt. Dat vereist een bewuste keuze voor platformen die permissies, logging en toegangsbeheer centraliseren — en die keuze moet gemaakt worden vóórdat het agentlandschap te complex is geworden om nog te overzien.

Lokale modellen veranderen de afhankelijkheidsrekening

Ondertussen verschijnt er een ontwikkeling die op de korte termijn minder zichtbaar is, maar op de middellange termijn voor Europese bedrijven strategisch relevant kan zijn. Alibaba's Qwen3.8-27B, besproken door VentureBeat, is een 27 miljard parameter-model dat lokaal draait, zonder cloud-API, onder een Apache 2.0-licentie. Het ondersteunt multimodale invoer, heeft een contextvenster van 262.144 tokens en is geschikt voor codeertaken en agentworkflows.

Voor Europese bedrijven met strenge datalokaliseringsverplichtingen of die afhankelijkheidsrisico's willen beperken, is dit type model interessant — niet als vervanging van clouddiensten, maar als aanvulling. Edgar van Lent benadrukt op edgarvanlent.com dat de keuze tussen lokale en cloudmodellen steeds minder een binaire afweging is, en steeds meer een architectuurvraag: welke taken vergen welk type inferentie, en waar mag welke data naartoe?

De Apache 2.0-licentie maakt commercieel gebruik zonder royalty's mogelijk, wat de drempel voor organisaties die modellen willen finetunen of integreren, aanzienlijk verlaagt. De vraag is niet of dit model perfect is voor elke toepassing — dat is het niet. De vraag is of Europese organisaties de interne capaciteit hebben om lokale modellen te evalueren, te deployen en te onderhouden. Dat vergt een andere competentie dan het afnemen van een API-dienst.

Waar Europese bedrijven de komende weken op moeten letten

De drie ontwikkelingen van deze week wijzen in dezelfde richting: de AI-stapel wordt complexer en de randvoorwaarden voor succes liggen steeds minder bij de modelprestaties zelf.

Edgar van Lent signaleert drie concrete aandachtspunten voor de komende weken:

  • Evalueer agentraamwerken realistisch. Benchmarks meten geïsoleerde capaciteiten; test modellen in de eigen werkomgeving met echte integraties voordat je beslissingen vastlegt in contracten of architectuurkeuzes.
  • Stel de beheerslaagvraag nu. Hoeveel agents draaien er in uw organisatie, wie heeft er zicht op, en wie is verantwoordelijk als een agent een fout maakt? Als het antwoord onduidelijk is, is dat het startpunt voor gesprek — niet een reden om te wachten.
  • Verken lokale modelopties als onderdeel van een hybride strategie. Niet als ideologische keuze voor open source, maar als pragmatische afweging over dataregie, kosten en leveranciersafhankelijkheid.

De richting is duidelijk: de winst zit in de infrastructuur rondom modellen, niet in de modellen zelf. Wie dat begrijpt, is beter gepositioneerd dan wie de volgende leaderboardwinnaar afwacht.