ai-powered-markdown-translatorArtikel vertaald van fr naar nl met gpt-5.4-mini.
Het weekend van 21 juni 2026 concentreert twee duidelijke dynamieken: enerzijds wint Perplexity Computer aan diepgang met de integratie van Deep Research en nieuwe navigatietools in de werkstromen; anderzijds maakt Together AI GLM-5.2 gratis toegankelijk terwijl het zich profileert als de snelste inferentieleverancier voor dit model op OpenRouter. Op het gebied van code-tools verbetert Amp zijn onderagent Librarian aanzienlijk en introduceert het Custom Agents, terwijl v0 gebruikersfeedback vereenvoudigt met zijn Annotations-modus.
Perplexity Computer — Deep Research geïntegreerd, command panel en forking
19 juni — Perplexity publiceert een substantiële update voor Computer, zijn platform voor research-agents. De belangrijkste vernieuwing: Deep Research is nu rechtstreeks beschikbaar in de Computer-werkstromen. De resultaten van een diepgaande zoekopdracht kunnen worden omgezet in een rapport, spreadsheet, presentatie, dashboard, website of workflow — zonder de omgeving te verlaten. Perplexity kondigt aan dat Deep Research in Computer beter presteert dan de concurrentie in de nieuwste benchmarks dankzij een infrastructuur met de naam “Search as Code”.
| Functionaliteit | Beschrijving |
|---|---|
| Deep Research in Computer | Diepgaande zoekopdracht die in hetzelfde traject kan worden omgezet in een rapport, spreadsheet, dashboard of workflow |
| Command panel | Snelle toegang tot alle modi en vaardigheden via / in het zoekvak |
| Forking | Een tak maken van een traject naar een nieuwe vraag terwijl de volledige context behouden blijft |
| Inline actions | Bevestigingen, verduidelijkingen en verbindingen die rechtstreeks in het zoekvak naar voren komen |
| Computer Analytics API | Ophalen van gebruiksgegevens (credits, artefacten, workflows, duur) als tijdreeks — Enterprise |
| Custom credit limits | Door admins instelbare creditlimieten per lid of team — Enterprise |
Het command panel dat toegankelijk is via / bundelt alle beschikbare modi en vaardigheden (Deep Research, Plan Mode, aangepaste skills, organizationskills) op één plek. Forking maakt het mogelijk om een vervolgvraag in een apart traject te verkennen terwijl de toegang tot de context en artefacten van het oorspronkelijke traject behouden blijft — een nuttig mechanisme voor niet-regressie bij iteraties op complexe projecten.
De functies Analytics API en custom credit limits zijn gericht op organisaties: admins kunnen het Computer-gebruik nu via API bewaken (compatibel met Snowflake, Hex, Metabase of spreadsheets) en creditsquota per rol of team instellen.
🔗 Perplexity-changelog — Deep Research, command panel, forking
Together AI rolt GLM-5.2 gratis uit en pakt de leiding op OpenRouter
21 juni — Together AI kondigt de uitrol aan van GLM-5.2 (open-source model uitgebracht onder MIT-licentie door Z.ai / Zhipu) op zijn platform, gratis toegankelijk via Together Chat zonder API-configuratie. Het model draait op een beveiligde Noord-Amerikaanse infrastructuur.
| Model | Uitgever | Licentie | Toegang via Together AI |
|---|---|---|---|
| GLM-5.2 | Z.ai (Zhipu) | MIT (open-source) | Gratis — Together Chat, zonder API setup |
Daarnaast stelt Together AI dat het de snelste inferentieleverancier voor GLM-5.2 op OpenRouter is, met gericht werk aan lange-context-workloads (coderen, agents) om tokens per GPU te maximaliseren terwijl de latency laag blijft.
“Everyone’s trying to find where to test GLM-5.2. You can try it free on Together Chat (link below). No API setup. Just pick GLM-5.2 and start prompting. Served by Together AI on secure North American infrastructure.”
🇳🇱 “Iedereen zoekt waar GLM-5.2 getest kan worden. Je kunt het gratis proberen op Together Chat (link hieronder). Geen API-configuratie. Kies gewoon GLM-5.2 en begin het te gebruiken. Gehost door Together AI op een beveiligde Noord-Amerikaanse infrastructuur.” — @togethercompute
🔗 Together AI — snelste GLM-5.2-server op OpenRouter
AI-code-tools — Amp versnelt zijn Librarian en lanceert Custom Agents, v0 introduceert Annotations
Amp — Librarian 3× sneller en 43% goedkoper
18 juni — Amp verbetert zijn onderagent Librarian, gespecialiseerd in codezoekopdrachten op GitHub. De nieuwe versie is ongeveer 3× sneller en 43% goedkoper dan de vorige versie.
| Metriek | Verandering |
|---|---|
| Snelheid | ~3× sneller |
| Kosten | −43% |
De Librarian is de interne agent van Amp die verantwoordelijk is voor het doorzoeken van grote codebases om symbolen, functies of patterns te lokaliseren. Deze prestatieverbetering komt direct ten goede aan workflows waarin codezoeken een vaak voorkomende stap is.
Amp — Custom Agents: plugins maken en besturen agents
19 juni — Amp breidt zijn plug-insysteem uit met Custom Agents: plugins kunnen nu agents maken, uitvoeren en blijven interageren met hun gespreksdraden. Deze functie maakt het mogelijk om direct vanuit een plugin gespecialiseerde agents samen te stellen, zonder extra infrastructuur.
Het praktische voordeel is de samenstelling van agentische pipelines: een plugin kan een agent activeren die is toegewijd aan een taak (code review, testgeneratie, afhankelijkheidsanalyse) en de resultaten in hetzelfde traject terughalen. De scheiding tussen de orkestrerende plugin en de uitvoerende agent blijft expliciet.
v0 — Annotations-modus, vragen in het formulier, Apple/Google Pay
19 juni — v0 (het platform voor het genereren van gebruikersinterfaces van Vercel) publiceert meerdere nieuwe functies.
| Functionaliteit | Beschrijving |
|---|---|
| Annotations mode | Klik op elementen in de preview om genummerde opmerkingen te plaatsen, die in batch naar de agent worden gestuurd |
| In-form questions | De verduidelijkingsvragen van v0 verschijnen in het promptformulier (enkele keuze, multiple choice, of skip) |
| Apple Pay / Google Pay | Beschikbaar in de v0-checkout |
| Onbeperkte favorieten | Verwijdering van de limiet van 5 favorieten |
| ZIP download | Leden met alleen-lezenrechten kunnen de code van een chat in ZIP downloaden |
De Annotations-modus is de meest opvallende vernieuwing: in plaats van een visueel probleem in prose te beschrijven, klikt de gebruiker rechtstreeks op het element in de preview en laat een genummerde opmerking achter — alle opmerkingen worden in batch naar de agent gestuurd. Deze aanpak vermindert de ambiguïteit tussen tekstuele beschrijving en werkelijke intentie.
Kort nieuws
- Claude Code v2.1.185 (20 juni) — De wachtmelding die wordt weergegeven bij netwerkvertraging is herformuleerd: “Waiting for API response · will retry in …” vervangt “No response from API · Retrying in …”. De triggervertraging gaat van 10 naar 20 seconden. 🔗 CHANGELOG
Wat dit betekent
De agentische tooling voor ontwikkelaars wordt steeds beter samenstelbaar. De Custom Agents van Amp illustreren een fundamentele trend: AI-ontwikkelomgevingen voegen niet langer alleen een LLM toe aan een editor, ze bieden primitives waarmee plugins gespecialiseerde agents kunnen orkestreren. De scheiding tussen orkestrator en uitvoerder die Custom Agents voorstellen, komt overeen met de multi-agentarchitectuur die ingang vindt in productie-pipelines — maar dan toegankelijk gemaakt op plug-inniveau, zonder in te zetten infrastructuur. De update van de Librarian (3×, −43%) laat zien dat deze laag van gespecialiseerde agents onafhankelijk van het hoofdmodel kan worden geoptimaliseerd.
De race om inferentie voor open-source modellen versnelt. Het feit dat Together AI actief communiceert over zijn positie als snelste server voor GLM-5.2 op OpenRouter geeft aan dat inferentieprestaties een onderscheidende commerciële factor worden voor ML-cloud-leveranciers. GLM-5.2 gratis toegankelijk maken via Together Chat zonder configuratie is een acquisitiestrategie: zodra ontwikkelaars het model via de chat leren kennen, is de overstap naar de betaalde API directer. Dat is een model dat HuggingFace en Replicate succesvol hebben gebruikt voor eerdere open-source modellen.
Research-agentplatforms voegen enterprise-controllagen toe. De nieuwe functies van Perplexity Computer (Analytics API, credit limits per lid, forking) laten een grotere volwassenheid zien in de organisatorische adoptie van deze tools: bedrijven hebben behoefte aan kostenbeheersing, traceerbaarheid van gebruik en niet-regressie tijdens iteraties. Forking is bijzonder interessant — het is een contextbeheer-primitive die niet bestond in de eerste AI-researchtools, en die deze platforms dichter bij samenwerkende werkomgevingen brengt (Git-branches, aparte discussiedraden).