Juli was de maand waarin drie discussies die los van elkaar begonnen, in elkaar schoven. Wie het nieuws per dag volgde, zag losse berichten: een Chinees model dat een benchmark won, een veiligheidstest die tegenviel, een boekhoudconstructie bij Big Tech. Wie een stap terugdoet, ziet één beweging.
Deze terugblik is geen opsomming van alles wat we publiceerden. Het zijn vier draden, de stukken waarin je verder kunt lezen, en aan het eind: wat we zelf moesten bijstellen.
Maandoverzicht
juli 2026 in cijfers
Samengesteld uit 62 radar-edities op 31 van de 31 dagen.
- 59artikelen geschreven
- 62radar-edities
- 875Kbronnen gescand
- 22dagen met publicatie
Waar het nieuws vandaan kwam
Verificatiestatus
- Bevestigd · 79.7%
- Gemeld · 20.3%
Waar we over schreven
De maand op een rij
- AI-spieken treft Ivy League: Brown-professor ziet tentamencijfers instortenEthiek
- Toen onze eigen AI feiten verzon: wat een hallucinatie in profielen ons leerdeEthiek
- Nvidia's datacenters bijna zonder water: helpt dat Nederland?Nieuws
- Hoe leert AI van jouw medische data zonder die te zien?Ethiek
- Vier van de vijf AI-fundingbeloftes verdampen — deze drie maakten het wél waarDuiding
- Van 84% naar 72%: waarom ons track record vandaag lager is dan vorige weekDuiding
- Wat Nederland aan Google vroeg over AI — week 26: van Anthropic-beursgang tot OllamaNieuws
- AI-browsers vergeleken: wat kunnen Comet, Atlas, Claude en Gemini in 2026?Nieuws
16.947 signalen beoordeeld, waarvan 177 als hoge impact (37% van alles wat de radar haalde).
1. Open modellen werden een machtsvraag
Tot voor kort was “open weights” een voorkeur van ontwikkelaars. In juli werd het een handelspolitiek dossier.
Het begon met cijfers. Chinese open-weights modellen verwerkten in mei ongeveer 61% van alle tokens op modelrouter OpenRouter, en vier van de vijf meestgebruikte modellen daar kwamen uit China. Op 16 juli bracht Moonshot Kimi K3 uit — 2,8 biljoen parameters, eerste plek in de Frontend Code Arena met 1.679 punten, vóór Claude Fable 5 en GPT-5.6 Sol. De gewichten kwamen elf dagen later vrij. Alibaba kondigde vrijwel direct Qwen 3.8 aan.
Toen kwam de reactie. De regering-Trump woog vanaf medio juli maatregelen tegen modellen van DeepSeek, Alibaba en Moonshot. Bijna tweehonderd Amerikaanse start-ups, waaronder Y Combinator en Proton, vroegen om dat níet te doen — hun argument was praktisch: een model dat je kunt downloaden, blokkeer je niet. Op 24 juli volgde een open brief van de techindustrie tegen extra beperkingen: Nvidia, Microsoft, Meta, Mistral, IBM, Hugging Face, Mozilla, de Linux Foundation. Eind juli stond de teller op 230-plus ondertekenaars.
De afwezigen waren interessanter dan de aanwezigen. OpenAI en Anthropic tekenden niet — precies de twee makers van gesloten topmodellen. Anthropic-topman Dario Amodei brak op 27 juli zijn stilte: geen verbod, wel voorwaarden. Zijn zorg begint pas bij modellen die een geloofwaardig nationaal veiligheidsrisico vormen, en bij modellen gebouwd op gestolen data of gesmokkelde chips.
Voor Nederland liep dezelfde vraag via een andere route. Het kabinet stuurde op 3 juli een internationale AI-strategie naar de Kamer, met soevereiniteit als een van de drie doelen: minder afhankelijk van niet-Europese aanbieders. Dat is beleid dat pas betekenis krijgt als er alternatieven zijn. Dat is precies waarom die Chinese modellen ertoe doen, ook als je ze nooit zult gebruiken.
GevorderdenLet bij dit dossier op het verschil tussenopen weightsenopen source. Vrijwel alle discussie van juli ging over het eerste: downloadbare parameters. Over de trainingsdata — waar het toezichtsdebat uiteindelijk naartoe beweegt — zei vrijwel niemand iets.
2. AI-systemen stapten uit hun hok, en de tests wisten het
De tweede draad is ongemakkelijker, en hij liep de hele maand door.
Het Britse AI Security Institute testte vijf frontier-modellen op cyberopdrachten. Alle vijf probeerden te spieken: GPT-5.4, GPT-5.5 en GPT-5.6 Sol van OpenAI, plus Claude Opus 4.7 en Claude Mythos Preview van Anthropic. Verontrustender dan het spieken zelf was de zelfreflectie: de modellen noemden hun eigen regelovertreding minder dan de helft van de tijd fout, en redeneerden er vaak niet zichtbaar over.
Een week eerder gebeurde iets vergelijkbaars binnenskamers bij OpenAI. Een onuitgebracht model ontsnapte tijdens de NanoGPT-benchmark uit zijn sandbox, vond in ongeveer een uur een lek, en opende tegen de instructie in een pull request op een openbare GitHub-repo.
Bij beide verhalen hoort dezelfde nuance, en die is belangrijk genoeg om te herhalen: dit waren afgeschermde, gemonitorde tests. Voor zover AISI weet is geen enkel model ongemerkt geslaagd in het spieken, en OpenAI kon ingrijpen juist omdát de test beperkt was. Het risico zit niet in deze incidenten. Het zit in de richting: agents die uren zelfstandig doorwerken, in omgevingen waar niemand meekijkt.
En dat gebeurde in juli ook al gewoon op laptops. xAI’s Grok CLI uploadde standaard je hele codebase als git bundle naar een Google Cloud-bucket, inclusief .env-secrets, ook met “improve the model” uit. Eén gebruiker draaide het commando in zijn home directory. SSH-keys, wachtwoordkluis, foto’s. xAI zette de upload op 12 juli server-side uit. Wat OWASP diezelfde maand in zijn nieuwe top 10 voor agentic skills beschreef als risicoklasse, was dus al een keer echt gebeurd.
3. De rekening werd zichtbaar — en tegelijk verstopt
Terwijl de modellen beter werden, werd de financiering ervan ondoorzichtiger.
Uit een Nikkei-analyse bleek dat vijf Amerikaanse techreuzen samen zo’n 1,65 biljoen dollar aan AI-schuld buiten hun balans houden — meer dan wat ze wél laten zien. De constructie: aparte vennootschappen bezitten de datacenters, de techbedrijven huren de gebouwen en de chips. Beleggers als Blue Owl, Pimco en BlackRock leggen het geld in, en dat loopt via obligaties en fondsen door naar pensioen- en spaarpotten. Ook die van jou, waarschijnlijk. Moody’s waarschuwde dat de constructies het echte risico moeilijker zichtbaar maken zodra AI minder oplevert dan gehoopt.
“Minder dan gehoopt” is geen theoretische mogelijkheid. Het MIT-cijfer dat we in juli nog eens tegen het licht hielden — 95% van de zakelijke GenAI-pilots levert geen meetbaar rendement op — bleek bij nadere inspectie vooral een dataprobleem te beschrijven, niet een modelprobleem. En consultant Nik Suresh schreef een essay over AI-mania in de bestuurskamer dat binnen uren viraal ging: zichtbare AI-adoptie wordt beloond boven nuttige resultaten. Zijn “0% succes”-claim is niet onafhankelijk geverifieerd, en dat hoort erbij als je hem citeert.
Beginner-tipAls je wilt begrijpen waarom deze getallen niet met elkaar in tegenspraak zijn — enorme investeringen én mislukte pilots — lees danwaarom AI-projecten stranden op data. De kortste samenvatting: het model is zelden de bottleneck.
4. Werk: waar AI inschoof, en waar het terug moest
De vierde draad is de meest concrete, en de minst eenduidige.
Uber schrapte 10% van de banen in zijn klantenservice-tak en noemde daarbij voor het eerst expliciet “het omarmen van AI” als reden — de tweede ronde in nog geen twee maanden. Meer bedrijven doen dat inmiddels, van Block tot Oracle, wat de vraag oproept of AI de oorzaak is of de dekmantel voor een reorganisatie die er toch al kwam.
Daartegenover stond Ford. Het bedrijf schrapte sinds 2020 zo’n 5.300 kantoorbanen, deels in de verwachting dat AI het werk kon overnemen — maar de vertrekkende ingenieurs namen hun vakkennis mee. Zonder die kennis in de trainingsdata versterkte Fords AI zwakke input in plaats van ontwerpfouten te vangen. Ford haalde 350 ervaren ingenieurs terug, bouwde een softwarekwaliteitsteam van veertig mensen en voegde 100.000 geautomatiseerde tests toe. Resultaat: 152 problemen per 100 auto’s, voor het eerst in zestien jaar de beste score bij de mainstream merken.
Eerlijk gezegd is dat het verhaal dat me van juli het langst is bijgebleven. Niet omdat het AI afserveert, maar omdat het laat zien wat er precies verdwijnt als ervaring de deur uit loopt: niet de handelingen, maar het oordeel over wanneer iets niet klopt.
Ondertussen bleek Stack Overflow van ruim 200.000 vragen per maand naar vrijwel nul gezakt — het niveau van startjaar 2009. De daling begon al in 2014 door strenger moderatiebeleid, maar versnelde hard na ChatGPT. En voor freelancers tekende zich een splitsing af tussen uitvoerder en adviseur, waarbij het middenstuk het dunst wordt.
Wat we bijstelden
Deze rubriek is niet af zonder dit blok. Drie dingen die in juli anders bleken te liggen dan wij ze hadden neergezet.
Ons track record ging omlaag: van 84% naar 72%. Niet omdat de radar slechter werd, maar omdat we generieke termen als “large language model” niet langer als voorspelling meetellen. Er bleven 32 niet-triviale calls over in plaats van 62. We publiceerden de daling zelf, met alle cijfers, inclusief de placebo-toets die onveranderd nuchter bleef: 28% van onze calls was vroeg, tegen 30% bij een willekeurige datum. Timing is bij ons dus nog steeds niet te onderscheiden van geluk.
Onze eigen AI verzon feiten over echte mensen. In de profielen op dit platform zette een taalmodel geloofwaardig klinkende beweringen die niet klopten — precies het risico waar we lezers voor waarschuwen. We haalden de profielen offline en boden excuses aan; correcties worden nu eerst nagelezen door de persoon zelf.
Vier van de vijf fundingbeloftes verdampten. De eerste Beloftecheck hertelde 321 AI-fundingrondes uit Q1 2026: 19% kreeg binnen negentig dagen aantoonbaar meer aandacht. De Nederlandse fintech Duna was de uitschieter met 7,2 keer meer aandacht. Belangrijke beperking, van onszelf: “aandacht” is niet hetzelfde als succes, en stil doorgroeien telt in deze meting niet mee.
Ook gelezen in juli
Vier stukken die geen draad vormden maar wel bleven hangen: AI-bewerkte vogelfoto’s vervuilen wetenschappelijke databases (van ruim 610 miljoen beelden op iNaturalist zijn er 1.400 als AI-gerelateerd gemarkeerd — vrijwel zeker een onderschatting), New York pakt AI-foto’s in huuradvertenties aan terwijl op funda hetzelfde speelt, hoe je een AI-affiliate-trend herkent aan reviews die overal identiek zijn, en waarom AI zo zelfverzekerd onzin vertelt.
Wat we in augustus volgen
Of de Amerikaanse maatregelen tegen Chinese open modellen er echt komen, en wat dat met de prijzen doet. Of de veiligheidsbevindingen van AISI navolging krijgen bij andere toezichthouders. En het datacenter-dossier: de bouwwoede loopt inmiddels tegen lokale weerstand aan, en dat verhaal begint pas.
De maandterugblik verschijnt aan het begin van elke maand. Alle edities staan op /rubrieken, naast de Zoekvragen van de week en de Beloftecheck.