Opus 4.7 denkt dat jouw werk niet belangrijk genoeg is

Anthropic bracht deze week Claude Opus 4.7 uit, het krachtigste Claude-model dat je als gewone gebruiker kunt draaien. Beter in code, beter in beeldanalyse, creatiever bij het maken van documenten en slides. Op Hacker News stond het binnen uren op nummer één met meer dan 1.300 upvotes. Maar de interessantste reactie kwam van Wharton-professor Ethan Mollick, en die was niet positief.

Opus 4.7 heeft een nieuwe feature: adaptive thinking. Het model bepaalt zelf hoeveel denkkracht het op een taak inzet. Bij een complexe codeeropdracht gaat het diep nadenken. Bij een schrijfopdracht of een analysevraag besluit het regelmatig dat de taak "low effort" is en levert het zwakkere output dan zijn voorganger, Opus 4.6 met extended thinking. Anders dan bij ChatGPT is er geen knop om dat te overrulen. Het model beslist, jij wacht.

Mollick nuanceert zelf: wanneer Opus 4.7 wél besluit om na te denken, zijn de resultaten de beste die hij ooit heeft gezien. Het probleem is de inconsistentie. Je weet niet of je het briljante of het luie model krijgt, en je hebt geen invloed op die keuze.

Anthropic-productmanager Sean Strong reageerde in de thread: adaptive thinking is geen router die taken sorteert, maar getraind modelgedrag. Het model heeft geleerd om in te schatten wanneer diep nadenken nodig is. Drie uur later meldde Mollick dat Anthropic een fix onderzoekt.

Dat klinkt als een technisch probleempje dat snel opgelost wordt. Maar de fout is veelzeggend. AI-labs meten hun modellen op benchmarks die overwegend code en wiskunde testen. Dat zijn de meetlatten waarmee ze modellen vergelijken en verkopen. Schrijfkwaliteit, analysediepte, creatief denken — die dingen wegen minder zwaar in de trainingscyclus. De adaptive thinking van Opus 4.7 weerspiegelt die prioriteiten: het model heeft geleerd dat code complex is en dat proza simpel is, omdat de signalen in zijn training dat zeggen.

Er speelt ook een economisch verhaal. Compute is schaars en duur. AI-labs moeten kiezen: prijzen verhogen, gebruik rantsoeneren, of minder krachtige modellen serveren. Adaptive thinking past in dat rijtje. Het is een elegante manier om compute te besparen door het model zelf te laten beslissen waar het zijn rekenkracht op inzet. Slim, tot je merkt dat het de besparingen vooral zoekt bij niet-technisch werk.

De ironie is dat Anthropic op dezelfde dag Claude Design lanceerde, een nieuw product voor visuele prototypes en slides dat draait op Opus 4.7. Het bedrijf verkoopt een creatieve tool, aangedreven door een model dat creatief werk minder serieus neemt. Tegelijk stapte Anthropic-CPO Mike Krieger uit het bestuur van Figma — een stap die de angst voedt dat AI-bedrijven gevestigde softwarebedrijven gaan wegconcurreren. Anthropic denkt in platforms. Claude moet alles kunnen: code, design, analyse, schrijven. Maar het onderliggende model behandelt die taken niet gelijk.

Je kunt hier tegenin brengen dat dit een calibratiefout is, geen wereldbeeld. Anthropic werkt al aan een fix. Volgende versie doet het beter. Dat is waarschijnlijk waar. Maar de default onthult iets: als niemand klaagt, is code de prioriteit en is al het andere bijzaak. De fix komt er omdat Mollick 72.000 views haalde. Niet omdat het model intern werd getest op de kwaliteit van een essay.

Ondertussen liet Simon Willison zien dat een lokaal model van 21 gigabyte — Qwen3.6, draaiend op zijn laptop — Opus 4.7 verslaat op SVG-generatie. De voorsprong van frontier-modellen is niet uniform. Op de taken die labs serieus nemen, winnen ze. Op de rest is het verschil aan het verdwijnen.

Voor wie schrijft, onderzoekt of analyseert, is de les helder. Het nieuwste model is niet automatisch het beste model voor jouw werk. De tools worden krachtiger, maar ze brengen hun eigen hiërarchie mee van wat belangrijk is. En in die hiërarchie staat code bovenaan.