Open YouTube

#1 - GLM 5.2, tokenmaxxing en Claude Mythos/Fable

Turing Stationautonlpublicupdated Jul 9, 2026, 07:56

Read in about 6 minutes instead of watching 94 minutes.

Introductie podcast

De eerste aflevering van Turing Station introduceert een wekelijkse Nederlandstalige AI-podcast met Bart Mol, Bert en Peter Slachter, gericht op AI-nieuws, duiding en praktische toepassing.
De makers starten nu omdat zij AI zien als een huidige 'AI-zomer' waarin onderzoek, digitale toepassingen en fysieke technologie zoals robots en drones snel samenkomen.
De podcast wil signaal van ruis scheiden, complexe AI-ontwikkelingen begrijpelijk maken en zowel bouwers, zzp’ers, investeerders als gewone gebruikers bedienen.
Luisteraars kunnen wekelijks afleveringen verwachten met kritische maar constructieve duiding, eigen experimenten en ruimte voor vragen uit de community.

GLM 5.2 wordt besproken als een Chinees open-weight model dat volgens sommige waarnemers nog maar enkele maanden achterloopt op gesloten topmodellen van OpenAI en Anthropic.
Bert legt uit dat een LLM het centrale 'brein' is binnen een bredere applicatie met context, orchestration, tools en gebruikersinterface eromheen.
Er wordt onderscheid gemaakt tussen bedrijven, apps en modellen, met de metafoor van automerken, autotypes en motoren.
Het AI-modellenlandschap omvat Amerikaanse, Europese, Chinese en Indiase spelers; China heeft onder meer DeepSeek, Alibaba Qwen, Kimi, Tencent, Huawei, Xiaomi en Z.ai met GLM.
DeepSeek R1 was begin 2025 belangrijk omdat een krachtig Chinees open-source en open-weight model plots dicht bij de Amerikaanse frontiermodellen kwam.
Open modellen verminderen afhankelijkheid van gesloten aanbieders, maar de krachtigste varianten vereisen vaak datacentrumhardware of extreem dure lokale setups.
GLM 5.2 lijkt vooral voor codingtaken dicht bij sterke gesloten modellen te komen, maar mist bijvoorbeeld multimodaliteit en is lokaal traag zonder zware hardware.
De hosts zien GLM 5.2 als belangrijk omdat het de verhouding tussen open en gesloten modellen opnieuw onder druk zet, ook al blijft lokaal draaien voor consumenten beperkt bruikbaar.

Tokenmaxxing wordt beschreven als de hype waarbij bedrijven AI-gebruik meten aan het aantal verbruikte tokens, vooral sinds betere codingagents en modellen populairder werden.
Goodhart’s law wordt aangehaald: zodra tokenverbruik een doel wordt, stoppen tokens met een goede maatstaf te zijn, omdat mensen of scripts dan nutteloos tokens kunnen verbranden.
Voorbeelden zoals hoge tokenuitgaven, bedrijfsplafonds en usage-based billing laten zien dat AI-gebruik voor bedrijven en aanbieders snel duur wordt.
De hosts stellen dat AI-prijzen nog vroeg en instabiel zijn: consumentenabonnementen zijn vaak gesubsidieerd, terwijl API-gebruik en zakelijke inzet veel duurder kunnen uitvallen.
Tokenminning wordt genoemd als tegenbeweging: slimmer kiezen welk model voor welke taak wordt gebruikt, bijvoorbeeld een duur model voor planning en een goedkoper model voor uitvoering.
Gebruikers krijgen momenteel veel rekenkracht voor relatief lage abonnementsprijzen, maar dat voordeel kan veranderen wanneer AI-bedrijven hun echte kosten en winstgevendheid moeten tonen.

Aanleiding is een artikel van Emma Pierson in The Atlantic waarin zij liever gezondheidsrisico’s accepteert dan AI zo snel te zien ontwikkelen.
Haar argument is dat de snelheid van AI-ontwikkeling het aanpassingsvermogen van samenleving en economie kan overstijgen, met risico’s zoals werkloosheid, ongelijkheid, surveillance en autonome wapens.
Het voorzorgsprincipe van Nassim Taleb wordt gebruikt als kader: bij een niet-terugdraaibaar systeemrisico ligt de bewijslast bij degene die de verandering introduceert.
Een tegenargument is dat technologische verspreiding in de praktijk wordt afgeremd door regelgeving, aansprakelijkheid, organisaties, legacy-systemen, geld, tijd en menselijke weerstand.
Peter kiest uiteindelijk tegen algemene vertraging en vindt dat risico’s afzonderlijk moeten worden behandeld, omdat AI ook zorg, productiviteit en kennis kan verbeteren.
Bart sluit zich grotendeels aan: geopolitieke competitie maakt stoppen onrealistisch, maar hij erkent het ongemak rond superieure intelligentie, biowapens en maatschappelijke ontwrichting.
De menselijke betekenis wordt volgens Bart niet automatisch ondermijnd door betere AI; mensen blijven bijvoorbeeld schaken, creëren en betekenis geven aan eigen ideeën.

De aflevering bespreekt de uitspraak van Mythos en Fable en legt uit dat Claude is vernoemd naar Claude Shannon, terwijl Turing Station verwijst naar Alan Turing.
Mythos en Fable worden gepresenteerd als groot AI-nieuws: modellen die zo krachtig zijn dat Anthropic worstelt met toegang, veiligheid en regulering.
De hosts delen eigen ervaringen met Fable: van het oplossen van een elektrische storing tot gesprekken over modelbewustzijn en het bouwen van WK-pools en softwarefeatures.
Fable werd ervaren als sterk in plannen en programmeren, maar ook als duur in tokenverbruik en soms beperkt door guardrails of routering naar oudere modellen.
Mythos kwam voort uit Project Glasswing, waarbij een beperkt aantal bedrijven en overheden toegang kreeg om kwetsbaarheden in belangrijke software te vinden.
Fable wordt uitgelegd als een veiliger toegankelijke variant van Mythos, met routing of blokkades bij onderwerpen zoals wapens, biologie of modeltraining.
Na zorgen over jailbreaks en Amerikaanse overheidseisen trok Anthropic de brede toegang tot Fable en Mythos in, waardoor het model de facto tijdelijk onbeschikbaar werd.
De hosts verwachten dat dit onderwerp snel terugkomt, omdat Fable waarschijnlijk later opnieuw beschikbaar wordt en andere modellen het niveau kunnen benaderen.

Peter introduceert een terugkerende rubriek waarin AI wordt benaderd als een metrokaart met lijnen en stations door geschiedenis, heden en toekomst.
De eerste lijn heet de Origins Line en begint bij oude menselijke verlangens om dingen te maken die lijken te leven, reageren of willen.
Myth Station behandelt oude verhalen zoals Talos, een bronzen reus die Kreta bewaakt en wordt gezien als een vroeg prototype van een robotachtig wezen.
Aan Talos koppelt Peter moderne begrippen als agency: zelfstandig, doelgericht handelen dat intentie lijkt te hebben.
Antropomorfisme wordt uitgelegd als de neiging om menselijke eigenschappen zoals emoties, intenties en karakter toe te kennen aan machines of objecten.
De verhalen van Pygmalion en Hephaistos tonen hoe mensen leven projecteren op gemaakte dingen en zich al vroeg voorstelden dat objecten werk konden doen.
Aristoteles stelde al de vraag wat er gebeurt als instrumenten zelf werk kunnen doen, een thema dat terugkomt bij moderne zorgen over AI en arbeid.
Volgende week wil Peter doorgaan naar Puppet Station, over mechanische apparaten, poppen, klokken en vroege illusies van intelligentie.

De makers vragen luisteraars om feedback op lengte, rubrieken, jargon, theorie, tips en uitleg, zodat de podcastvorm kan meegroeien met de community.
Ze vragen luisteraars ook om te reageren, te liken, abonnee te worden en de podcast door te sturen naar mensen die met AI bezig zijn.
De aflevering sluit af met de belofte om wekelijks verder te praten over de nieuwe, spannende en soms angstaanjagende AI-technologie.

Laat in de comments weten wat je van de aflevering vond en welke onderwerpen, rubrieken of vragen je in de podcast wilt terugzien.
Geef feedback over lengte, hoeveelheid theorie, tips, jargon en uitleg.
Laat een comment achter op je podcastplatform of op YouTube.
Like de aflevering en word abonnee.
Stuur de podcast door naar iemand in je omgeving die veel met AI bezig is.