[In Wat Blijft, je weet wel, mijn zoektocht naar hoe mens en machine elkaar in deze AI-tijd kunnen versterken, besteed ik ook aandacht aan Mijn-OS, hoe je AI je geheugen en je slimme werkpartner kan laten zijn. Daar hoort goed gebruik maken van AI-modellen bij. Daar gaat het onderstaande verhaal over. Sluit je voor 27,50 euro bij Wat Blijft aan, ontvang in september een boek en krijg nu al toegang tot interviews, onderzoek en het schrijfproces.]
In het kort
Kies niet steeds zelf het nieuwste of grootste AI-model. Spreek af welk soort werk welk model krijgt en automatiseer dat proces.
In mijn Blom-OS, mijn persoonlijke organisatiesysteem, maakt de agent die ik Chief heb genoemd de keuze per opdracht. Dat is een expliciete werkafspraak die ik heb gemaakt, geen automatische functie van het door mij geliefde Codex van OpenAI.
Voor Claude Code-gebruikers: Claude kan ook taken doorspelen naar zelf ingestelde subagents. De omschrijving en het model leg je zelf vast.
Zo zie je door de bomen het bos van de AI-modellen
AI-gebruik heeft er een bijbaan bij gekregen: modelkeuze. Iedere paar weken staat er weer een nieuw model klaar, lijkt het wel. Sneller, slimmer, goedkoper, met meer context of meer redeneerkracht. Mensen die gewoon willen schrijven, onderzoeken of bouwen, moeten zich eerst door een catalogus heen worstelen voor ze aan de slag kunnen.
Dat doen de meesten natuurlijk niet. Ik ook niet. We kiezen maar wat, vaak een veel te krachtig model en daarmee te duur voor eenvoudige werkzaamheden. En dan gaan je credits er onnodig snel doorheen.
Dat kan anders. Zo heb ik het nu ingericht in Codex van OpenAI. Daarin heb ik een agent de naam Chief meegegeven en bij iedere opdracht zoekt hij het meest efficiente model. Dus een goedkoop en minder krachtig model voor een simpele klus, een krachtig en duur model voor een complex karwei.
In overleg met Codex heb ik de afspraken van wat wanneer te gebruiken vastgelegd in een veranderbaar systeem. Dan hoeft ik me verder niet met modelkeuze bezig te houden.
Chief kiest per opdracht
In mijn Blom-OS (mijn met AI gebouwde operatie systeem) werk ik zoals gezegd in Codex van OpenAI. En hier werk ik met de modellen van OpenAI.
GPT-5.6 Luna (de goedkoopste) krijgt bijvoorbeeld routinewerk dat omkeerbaar is: een inventaris maken, links nalopen, metadata aanvullen, bestandsnamen aanpassen, dat soort dingen. Snelheid is daar fijn en een fout heeft geen groot gevolgen.
GPT-5.6 Terra is de standaard in mijn geval voor redactiewerk en gewoon bouw- of controlewerk. Daar vallen de meeste opdrachten onder: een stuk schrijven, een bron naast een concept leggen, een kleine site nalopen of een plan terugbrengen tot iets bruikbaars.
GPT-5.6 Sol (de duurste) komt pas in beeld wanneer een opdracht aantoonbaar complex of risicovol is. Bijvoorbeeld bij een moeilijke technische verandering of een ingewikkelde analyse.
Chief zorgt zo voor de passende modellen bij de taken. Zoals gezegd is in een document vastgelegd wat daar de regels voor zijn. En wanneer nodig kunnen ze worden aangepast.
Claude werkt met zelf ingestelde subagents
Claude Code biedt een vergelijkbare route. Je kunt zelf subagents maken voor terugkerend werk en per subagent een omschrijving, tools en model vastleggen. Claude Code delegeert wanneer een taak bij die omschrijving past. Bij een afzonderlijke delegatie kan ook een ander model worden gekozen.
Anthropic levert daarmee bouwstenen, geen kant-en-klare routeringsafspraak. Jij bepaalt welk werk naar welke subagent gaat en waarom.
Een eenvoudige Claude-verdeling
Anthropic beschrijft Haiku als snel en geschikt voor snelle, scherp begrensde taken op schaal. Sonnet is de dagelijkse balans tussen snelheid en kwaliteit. Opus is bedoeld voor complexe taken die meer redenering vragen dan Sonnet aankan. Fable positioneert Anthropic voor uitzonderlijk lange, autonome trajecten die dagen kunnen duren.
Voor een eigen werkafspraak zou ik het zo klein houden:
Haiku voor snelle, begrensde volumes.
Sonnet voor het dagelijkse werk.
Opus wanneer een taak meer redenering vraagt dan Sonnet aankan.
Fable alleen voor trajecten die aantoonbaar lang, autonoom en complex zijn.
Fable mag voor de meeste mensen voorlopig buiten beeld blijven. Een routeringslaag wordt niet beter van een model dat er alleen staat omdat het indrukwekkend klinkt.
Begin bij je eigen werk
Begin met een standaardmodel en een korte regel voor opschalen. Bepaal daarna wanneer een opdracht meerdere stappen krijgt, niet goed omkeerbaar is of een tweede lezer nodig heeft. Zet bij iedere uitzondering in één zin waarom.
Dan wordt modelkeuze een afspraak die je systeem volgt, in plaats van een terugkerende afleiding.
PS bij twijfel, vraag je AI-model mee te denken!
Vrienden,
Ik groet U!
Erwin Blom