GPT-5.6 Sol Ultra in Codex: wat de subagent-modus echt doet (en kost)

GPT-5.6 Sol Ultra in Codex: wat de subagent-modus echt doet (en kost)

Sinds juli 2026 draait GPT-5.6 Sol Ultra in gesloten preview voor een kleine groep van ongeveer 20 door de overheid goedgekeurde partners, te bereiken via de OpenAI API en Codex. Het is nog niet breed beschikbaar. OpenAI heeft geen algemene releasedatum bekendgemaakt, en de veelgeciteerde score van 91,9% op Terminal-Bench staat niet op OpenAI's eigen previewpagina.

Op 26-06-2026 zette OpenAI de GPT-5.6 Sol-familie in preview, en dagen later riep Thibault Sottiaux Codex-gebruikers op om "je moeilijkste prompts te bewaren" voor de Sol Ultra-laag. Die ene teaser zette een golf van benchmarkscreenshots in gang. De meeste ervan herhalen een cijfer dat OpenAI zelf nooit publiceerde. Voordat je dus je Codex-workflow gaat inrichten rond GPT-5.6 Sol Ultra, hier is wat er echt bevestigd is, hoe de subagent-modus werkt, en de tokenrekensom die bepaalt of het loont om hem aan te zetten.

Belangrijkste punten:

• Sol Ultra is de zwaarste laag van GPT-5.6: samenwerkende subagents die tijdens één taak met elkaar communiceren.
• Hij draait in gesloten preview voor circa 20 door de overheid goedgekeurde partners via API en Codex, niet breed beschikbaar (stand juli 2026).
• Pers meldt 91,9% op Terminal-Bench 2.1, maar OpenAI heeft dat cijfer niet gepubliceerd, dus behandel het als onbevestigd.
• Sol kost $5 input / $30 output per 1 miljoen tokens; subagents vermenigvuldigen de calls, waardoor Ultra al snel een veelvoud van een single-agent run kost.

GPT-5.6 Sol Ultra in Codex: wat is er écht bevestigd?

De scheidslijn is duidelijk. Bevestigd: OpenAI heeft de Sol-familie (Sol, Terra, Luna) op 26-06-2026 in preview gezet, Sol Ultra is de hoogste reasoning-laag, en hij is aangekondigd voor Codex. Niet bevestigd: de score van 91,9% op Terminal-Bench 2.1 en welke general-availability-datum dan ook. Al het andere dat je bent tegengekomen, is berichtgeving, geen eerstehands data van OpenAI zelf.

Dat onderscheid is belangrijk, want deze lancering ging snel en losjes. De previewpagina van OpenAI beschrijft de lagen en de veiligheidsdrempels in kwalitatieve termen. De opvallende benchmarktabel die op X en in gidsen rondgaat, komt uit secundaire berichtgeving, niet van OpenAI's eigen pagina. In de aanloopfase beoordeelden we de geruchten voor de lancering en zetten we ze naast wat er daadwerkelijk uitkwam. Dezelfde discipline geldt nu.

Als je als developer moet beslissen of Ultra thuishoort in je Codex-loop, negeer dan even de hype-cijfers. De bevestigde feiten (het mechanisme, de prijs, de previewstatus) zijn genoeg om over kosten en toepasbaarheid te redeneren. De onbevestigde feiten (de exacte score, de lanceerdatum) mogen nog geen enkele beslissing sturen. Bronnen: OpenAI's pagina Previewing GPT-5.6 Sol en 9to5Mac's berichtgeving over de lancering.

Wat is Sol Ultra? Samenwerkende subagents versus Pro's parallelle agents

Sol Ultra is de zwaarste reasoning-laag van GPT-5.6, en het kenmerkende aan deze laag zijn samenwerkende subagents: een coordinator splitst je taak in stukken, geeft elk stuk aan een subagent, en die subagents wisselen berichten uit terwijl het werk nog loopt. Die communicatie tussentijds is het hele punt, en dat is wat Ultra onderscheidt van elke laag daaronder.

Zie het als een klein engineeringteam versus een groep freelancers. De parallelle agents van GPT-5.5 Pro werken als freelancers waaraan je drie losse tickets geeft. Ze gaan elk zelfstandig aan de slag, doen hun deel geïsoleerd, en leveren het resultaat af op je bureau. Niemand praat met elkaar. De subagents van Sol Ultra werken als een team in één kamer: de een merkt dat het databaseschema is veranderd, vertelt het de anderen, en ze passen zich aan voordat ze klaar zijn. Die afstemming is waarom OpenAI dit positioneert voor lange, moeilijke taken met meerdere stappen, en niet voor snelle aanpassingen.

Waar de agents van Pro in aparte banen werken, geven de subagents van Sol Ultra elkaar aantekeningen terwijl de taak nog draait.

Het mechanisme zelf is bevestigd, beschreven door OpenAI en bevestigd in de berichtgeving van DataCamp en deeplearning.ai. Het addertje onder het gras, en daar komen we op terug, is dat elke subagent die je spawnt weer een aparte modelaanroep is die tokens verbruikt. Coördinatie is niet gratis.

Wat is "max reasoning effort" en wanneer schakel je het in?

"Max reasoning effort" is de hoogste trede van de effort-ladder van GPT-5.6, die loopt van laag via hoog tot de max-instelling die Sol Ultra gebruikt. Meer effort betekent dat het model meer rekenkracht besteedt aan nadenken voordat het antwoordt, wat meestal helpt bij moeilijke problemen en geld verspilt bij makkelijke. Het is een schuifregelaar, geen knop die je permanent op vol laat staan.

Stel je een schaker voor. Op laag effort speelt hij snel, op instinct, prima voor een voor de hand liggende slagzet. Op max effort gaat hij zitten en rekent tien zetten diep, precies wat je wilt bij een lastig eindspel en volkomen nutteloos om een deur te openen. Reasoning effort werkt hetzelfde. De rekenkracht (en de rekening) schaalt met hoe zwaar je het model laat nadenken.

Wanneer is het dus de moeite waard? Zet max effort aan voor langdurig, multi-file agentic werk: een migratie die twintig bestanden raakt, een lastige refactor, een bug die zich over drie services uitstrekt. Dat is het terrein van langlopende agentic coding waar diepere reasoning het resultaat écht verandert. Laat het uit voor het hernoemen van een variabele, het schrijven van één test, of het fixen van een typfout, want dan betaal je premiumtokens voor nul winst.

Max reasoning effort verdient zijn prijs alleen als de taak zo moeilijk is dat een verkeerde eerste poging je meer kost dan de extra tokens.

De eerlijke vuistregel: als je niet kunt uitleggen waarom een taak moeilijk is, heb je waarschijnlijk geen max effort nodig.

De Terminal-Bench 2.1-cijfers: is 91,9% écht bevestigd?

Nee. Het cijfer 91,9% wordt gemeld door secundaire pers, het staat niet op OpenAI's eigen previewpagina, de preview is gesloten, en er is geen evaluatiemethodologie bekendgemaakt. Het is dus niet onafhankelijk geverifieerd. Behandel het als een perscliam die je niet kunt controleren, niet als een vaststaand resultaat.

Dit is de precieze situatie. Berichtgeving vlakbij OpenAI (DataCamp, AI Weekly, deeplearning.ai) zet Sol Ultra op 91,9% op Terminal-Bench 2.1. Maar omdat de preview beperkt is tot circa 20 partners en OpenAI het cijfer of de testomstandigheden niet gepubliceerd heeft, kan niemand buiten die kring het reproduceren. Let ook op dat het cijfer voor Claude Mythos 5 verschilt afhankelijk van wie erover schrijft: sommige bronnen noemen 84,3%, andere 88,0%. Als de cijfers in één en dezelfde vergelijkingstabel onderling niet overeenkomen, is dat je signaal om het los te houden.

Het cijfer 91,9% dat iedereen citeert, staat niet op OpenAI's eigen previewpagina, dus behandel het als een perscliam, niet als een vaststaand resultaat.

Dat betekent niet dat Sol Ultra zwak is. Het kan best de lijst aanvoeren zodra OpenAI de echte methodologie publiceert. Het betekent alleen dat je geen productieverkeer moet routeren op basis van een cijfer dat je niet kunt controleren. Bronnen: DataCamp's gids over GPT-5.6 Sol, deeplearning.ai's The Batch en AI Weekly.

Sol Ultra + max reasoning effort gebruiken in Codex

Sol Ultra zelf is afgeschermd, dus je kunt het niet inschakelen tenzij jouw organisatie in de preview zit. Maar de effort-ladder waarop hij staat, werkt vandaag al in de Codex CLI, op de modellen die je al hebt. Zo werkt de instelling, en zo sluit Ultra erop aan zodra je toegang krijgt.

1. Zoek de instelling. Reasoning effort staat in je Codex-configuratiebestand op ~/.codex/config.toml, of als een vlag per run. Het is niet verstopt in een menu; het is één regel.
2. Stel het model en de effort in. Wijs Codex naar je modelstring en stel het effort-niveau in. Vandaag kun je laag tot hoog instellen; de "max"-trede plus de subagent-laag van Sol Ultra ontgrendel je zodra je organisatie in de preview zit.
3. Overschrijf per taak. Gebruik de vlag -c om het effort voor één zware run te verhogen zonder je configuratie aan te passen.
4. Zet het selectief aan. Reserveer max effort voor de lange multi-file taken uit de sectie hierboven. Laat je standaard op medium of hoog staan.

# ~/.codex/config.toml
model = "gpt-5.6-sol"
model_reasoning_effort = "high"   # minimal | low | medium | high (vandaag beschikbaar)

# "max"-effort + de samenwerkende-subagent-laag van Sol Ultra
# activeer zodra je organisatie in de gesloten preview zit:
# model = "gpt-5.6-sol-ultra"
# model_reasoning_effort = "max"

# override per run, geen configuratie-aanpassing nodig:
# codex -c model_reasoning_effort="high" "refactor de auth module"

Praktijktip: stel je projectstandaard in op high, niet op max. Override dan alleen naar max op de specifieke run die het nodig heeft. Die ene gewoonte houdt je basisrekening gezond en bewaart de dure laag voor taken die er echt iets aan overhouden. Beschikbaarheidsdetails staan in het previewartikel van OpenAI's Helpcentrum.

Wat Ultra écht kost: de subagent-tokenvermenigvuldiger

Hier is het deel dat niemand doorrekent: omdat Ultra samenwerkende subagents spawnt, vuurt één taak meerdere modelaanroepen af in plaats van één, en elke aanroep factureert tokens. De bevestigde prijs van Sol is $5 per 1 miljoen inputtokens, $0,50 gecached, en $30 per 1 miljoen outputtokens. Output is de duurste kant, en Ultra produceert er veel meer van.

Laten we een echt voorbeeld doorrekenen. Neem één matig complexe agentic taak op basis-Sol, met één agent:

Nu dezelfde taak op Ultra met een coordinator plus drie samenwerkende subagents. De gedeelde context wordt goedkoop gecached tegen $0,50, maar elke subagent produceert nog steeds zijn eigen output tegen $30:

Dat is ruwweg 3,6x de kosten van basis-Sol voor diezelfde taak, en afhankelijk van hoeveel subagents er spawnen en hoeveel context er cachet, zie je overal tussen 2x en 4x. De vermenigvuldiger is onze gemodelleerde inschatting op basis van gepubliceerde prijzen, geen gemeten Ultra-benchmark, maar de prijzen en het mechanisme zijn beide bevestigd, dus de vorm klopt.

De verborgen kost van Ultra ligt niet in het tarief per token, maar in het feit dat één taak stilletjes vier modelaanroepen wordt.

Twee dingen verzachten dit: prompt caching (dat gecachete tarief van $0,50) op gedeelde context, en gedisciplineerde routing zodat je alleen Ultra-tarieven betaalt op taken die het nodig hebben. Als je serieus je rekening onder controle wilt houden: onze gids over hoe je je LLM API-kosten onder controle houdt behandelt de routingpatronen die we gebruiken op de pipelines van onze klanten. Prijzen afkomstig van DataCamp en deeplearning.ai, gedateerd juni-juli 2026.

Kun je het al gebruiken? De beperkte preview, circa 20 partners, en de tijdlijn

Niet tenzij je een van de circa 20 vertrouwde, door de overheid goedgekeurde partners bent. Sol Ultra draait in een gesloten preview, te bereiken via de OpenAI API en Codex, afgeschermd achter een veiligheidsbeoordeling van de overheid voordat het breder uitkomt. OpenAI heeft gezegd dat bredere toegang "de komende weken" komt, en niets specifieker.

Je hebt misschien een datum van "7 juli" voorbij zien komen. Negeer die. OpenAI heeft geen lanceerdatum gegeven, dus behandel elke specifieke dag als onbevestigd geroezemoes, niet als een feit om op te plannen. Wat wel bevestigd is: de framing "komende weken", en dat Cerebras vanaf juli Sol gaat serveren met tot 750 tokens per seconde (volgens deeplearning.ai).

Wat doe je dan als je geen partner bent? Bereid je nu voor. Zet je Codex-configuratie en effort-ladder klaar op de modellen die je al hebt, zodat wanneer Ultra opengaat, het omzetten van de modelstring de enige aanpassing is die je maakt. Beslisvraag: Ben je een vertrouwde partner? Nee? Zet dan vandaag je effort-level-routing op en sta klaar om met één regel te wisselen. Bronnen: OpenAI Helpcentrum en deeplearning.ai.

Sol Ultra vs Sol vs GPT-5.5 vs Claude Mythos 5: waar grijp je naar?

Routeer op taak, niet op ranglijst, zeker niet als de cijfers op die ranglijst onbevestigd zijn. Grijp naar basis-Sol voor het meeste dagelijkse agentic coding, bewaar Sol Ultra voor écht moeilijke langlopende taken, houd GPT-5.5 aan als het al in je stack verweven zit, en overweeg Claude Mythos 5 als je al vertrouwt op de nieuwste Claude voor je workflow.

Zo werkt het in de praktijk:

• Grijp naar basis-Sol als de taak normaal moeilijk is: een feature, een afgebakende refactor, een testsuite. Het scoort gemeld 88,8% en kost een fractie van Ultra.
• Grijp naar Sol Ultra als de taak lang is, veel bestanden raakt, en een verkeerde eerste poging echt tijd kost. Hier, als ergens, verdienen de samenwerkende subagents hun vermenigvuldiger terug.
• Grijp naar GPT-5.5 als het al geïntegreerd is en het verschil met Sol een migratie niet rechtvaardigt.
• Grijp naar Claude Mythos 5 als de bestaande tooling van je team daar al naar neigt. De gemelde score varieert per bron (84,3% tot 88,0%), schakel dus niet alleen om vanwege het cijfer.

Voor diepere afwegingen over modelroutering tussen tools: onze vergelijking van coding agents legt uit waar elk het beste past. De korte versie: kies de goedkoopste laag die de moeilijkheidsgraad van je taak nog aankan.

Wat developers écht zeggen op Reddit

Benchmarks zijn één ding. Wat mensen in hun eigen terminal melden, is iets anders, en momenteel zijn de r/codex-threads het meest eerlijke signaal dat we hebben. Onze lezing van de stemming: voorzichtig onder de indruk, diep sceptisch, en vooral ruziënd over de prijs.

De eerste hands-on lof is specifiek. In een r/codex-thread met 335 upvotes zei een developer die merkte dat zijn prompts naar 5.6 werden gerouteerd, dat het "twee keer zo snel" aanvoelde en "in één keer mijn prompts goed deed", zelfs "preventief" edge cases oploste waar het met 5.5 vroeger meerdere rondes voor nodig had. Zijn vergelijking sneed diep: het "voelt precies als Fable 5 toen ik dat kort in Claude had, maar veel sneller". Een reageerder die interne toegang claimde, voegde toe dat het draaien van "taken op het max-reasoning-niveau" "veel minder tijd kost dan 5.5 zou doen".

Dan komen de veteranen. De luidste tegenstroom is wat wij "honeymoon-dan-afzwakken"-cynisme noemen: "Het is altijd zo en duurt ongeveer twee weken voor het afgezwakt wordt," schreef iemand. Een ander was botter: "Beuk er twee weken hard op los want het is maar twee weken lang Einstein." Een paar mensen wezen op de timing zelf, en merkten op dat lovende 5.6-posts precies opduiken op het moment dat klachten over 5.5-verval een piek bereiken. Tekenend genoeg waren de meest omhooggestemde reacties in die thread geen analyse, maar grappen ("ik gebruik al gpt 6"), wat veel zegt over hoe moe developers zijn van de version-hypecyclus.

In de aankondigingsthread over Sol Ultra Codex sloeg het gesprek bijna volledig om naar kosten, recht gericht op Claude. Developers wegen de $200-Codexlaag van OpenAI af tegen de Fable-promo van Anthropic, en meerdere zeiden hun Claude Max 20x op te zeggen, vooral omdat Fable "twee keer zo snel credits verbrandt". De terugkerende hoop: "echte concurrentie voor Claude Fable. Beter voor ons als gebruikers." De terugkerende angst, die we toevallig delen: "eerder gebrand door OpenAI dat dingen aankondigt en ze dan achter hogere lagen wegstopt, dus ik geloof het pas als ik het lokaal draaiend zie."

Onze kijk bij Techsy: de snelheidsmeldingen passen bij wat een servingstack met hogere doorvoer zou moeten leveren, dus die geloven we. De one-shotting-claims behandelen we als hoopvol maar onbewezen op schaal, want het patroon "het werd dommer na twee weken" is echt, en we hebben het al vaker zien gebeuren bij eerdere lanceringen. En het kostenscepticisme klopt precies. Tot Sol Ultra stabiel in je CLI draait, door een volledige factureringscyclus heen, behandel het enthousiasme als een preview, geen oordeel.

Wat we zagen bij het draaien van agentic taken in Codex

Laten we duidelijk zijn: we kunnen Sol Ultra niet draaien. Het is afgeschermd voor circa 20 partners en wij horen daar niet bij, dus citeren we geen tokenaantallen of scores die we niet zelf gemeten hebben. Wat we wel kunnen doen, is het op één na eerlijkste. We draaiden agentic taken via de Codex CLI op onze huidige laag en werkten de exacte subagent-kostenrekensom uit vanuit OpenAI's gepubliceerde prijzen van $5/$30.

De effort-ladder gedraagt zich precies zoals je zou verwachten op de laag die we testten. Op laag en medium effort levert Codex snel en meestal correcte, afgebakende aanpassingen. Zet je een lastige multi-file taak op laag effort, dan stopt hij vaak te vroeg of mist hij een cross-file afhankelijkheid; dezelfde taak op hoog effort denkt merkbaar langer voordat hij handelt, en levert meer van de wijziging in één keer af. Die afweging tussen wachttijd en kwaliteit is precies waarom de max-trede bestaat.

De kostenmodellering hierboven (het voorbeeld van ruwweg 3,6x) is de echte eerstehands analyse die we durven te verdedigen: het is rekenkunde op bevestigde prijzen en het bevestigde subagentmechanisme, gelabeld als een model, niet als een meting. Op de agentic pipelines van onze klanten routeren we modellagen al op kosten, en dit is precies de berekening die we zouden maken voordat we Ultra voor iemand zouden aanzetten.

De enige configuratiewijziging die telt, is de regel model_reasoning_effort in de config.toml van hierboven: we houden onze projectstandaard op high en overschrijven naar max per run, precies zoals de praktijktip hierboven beschrijft. Zodra Ultra buiten de preview opengaat, betekent die opzet dat het wisselen van de modelstring de enige aanpassing is die we maken, en de kostenrekensom hierboven is al de berekening die we zullen draaien voordat we hem aanzetten. We werken deze sectie bij met gemeten Ultra-cijfers zodra we echte toegang hebben, niet eerder.

Veelgestelde vragen

Wat is GPT-5.6 Sol Ultra?

Sol Ultra is de zwaarste reasoning-effort-laag van GPT-5.6. Het kenmerkende is samenwerkende subagents: een coordinator splitst een taak, en de subagents wisselen berichten uit terwijl ze werken. OpenAI positioneert hem voor lange, moeilijke, meerstaps agentic taken in plaats van snelle aanpassingen, en zette hem op 26-06-2026 in preview als deel van de Sol-familie.

Is Sol Ultra nu al beschikbaar in Codex?

Niet voor de meeste mensen. Sinds juli 2026 draait Sol Ultra in een gesloten preview, te bereiken via de OpenAI API en Codex, afgeschermd tot circa 20 vertrouwde, door de overheid goedgekeurde partners na een veiligheidsbeoordeling. OpenAI zegt dat bredere toegang "de komende weken" komt, maar heeft geen specifieke datum gepubliceerd, dus je kunt hem vandaag niet zomaar aanzetten.

Hoe werken samenwerkende subagents in Sol Ultra?

Een coordinator splitst je taak in stukken en wijst elk stuk toe aan een subagent. Anders dan onafhankelijke parallelle agents communiceren deze subagents tussentijds, en delen ze wat ze leren zodat de anderen zich kunnen aanpassen voordat ze klaar zijn. Die coördinatie helpt bij complex, multi-file werk, maar elke subagent is een aparte modelaanroep die zijn eigen tokens verbruikt.

Wat is "max reasoning effort" in GPT-5.6?

Max reasoning effort is de hoogste trede van de effort-ladder van GPT-5.6, die loopt van laag, medium, hoog naar max. Meer effort betekent dat het model meer rekenkracht besteedt aan nadenken voordat het antwoordt. Het helpt bij moeilijke, langlopende taken en verspilt geld bij simpele, dus behandel het als een schuifregelaar die je alleen omhoog zet als een taak écht moeilijk is.

Hoeveel kost het draaien van Sol Ultra?

Basis-Sol kost $5 per 1 miljoen inputtokens, $0,50 gecached, en $30 per 1 miljoen outputtokens (bron: DataCamp en deeplearning.ai, gedateerd medio 2026). Ultra spawnt samenwerkende subagents, waardoor één taak meerdere modelaanroepen afvuurt. Ons gemodelleerde voorbeeld laat een enkele taak zien die ruwweg 2x tot 4x een basis-Sol-run kost, vooral gedreven door extra outputtokens.

Is Sol Ultra écht beter dan Claude Mythos 5?

Op gemelde cijfers ligt Sol Ultra (91,9%) voor op Claude Mythos 5 op Terminal-Bench 2.1, maar dat is onbevestigd. OpenAI heeft het cijfer niet gepubliceerd, de preview is gesloten, en de gemelde score van Mythos 5 zelf varieert van 84,3% tot 88,0% afhankelijk van de bron. Het eerlijke antwoord is dus: we weten het nog niet, en je moet er geen productieverkeer op routeren.

Wanneer wordt Sol Ultra algemeen beschikbaar?

OpenAI heeft gezegd dat bredere toegang tot de Sol-familie via ChatGPT, Codex en de API "de komende weken" komt, maar heeft geen algemene releasedatum gepubliceerd. Elke specifieke datum die online rondgaat (inclusief "7 juli") is onbevestigd geroezemoes, geen officiële aankondiging. Volg OpenAI's eigen previewpagina voor de bevestigde tijdlijn.

Is de Terminal-Bench 2.1-score van 91,9% geverifieerd?

Nee. Het cijfer 91,9% komt van secundaire pers, niet van OpenAI's eigen previewpagina. De preview is gesloten voor circa 20 partners, en er is geen evaluatiemethodologie bekendgemaakt, waardoor niemand buiten die kring het kan reproduceren. Het kan later blijken te kloppen, maar op dit moment is het een onbevestigde perscliam, geen vaststaand benchmarkresultaat.

Hoe verschilt Sol Ultra van de parallelle agents van GPT-5.5 Pro?

De parallelle agents van Pro werken onafhankelijk in gescheiden banen: elk doet zijn deel geïsoleerd en levert een resultaat, zonder communicatie. De subagents van Sol Ultra werken samen en wisselen tussentijds berichten uit zodat ze zich kunnen aanpassen terwijl ze leren. Die coördinatie past bij zwaarder meerstaps werk, maar vermenigvuldigt ook het tokengebruik over de aanroepen.

Heb ik Sol Ultra nodig, of is basis-Sol genoeg?

Voor het meeste agentic coding is basis-Sol of hoog reasoning effort ruim voldoende en veel goedkoper. Bewaar Ultra voor lange multi-file taken waar een verkeerde eerste poging meer tijd kost dan de extra tokens. Als je niet duidelijk kunt uitleggen waarom een taak moeilijk is, heb je Ultra er niet voor nodig. Routeer op moeilijkheidsgraad, niet op ranglijst.

Wat zeggen developers over GPT-5.6 Sol op Reddit?

Vroege r/codex-meldingen zijn positief over snelheid ("twee keer zo snel") en over het in één keer goed doen van prompts, waarbij meerdere developers het gevoel vergelijken met Claude's Fable 5. Maar veteranen waarschuwen voor een "honeymoon-dan-afzwakken"-patroon waarbij modellen na de lancering achteruitgaan, en een groot deel van het debat draait om kosten versus de plannen van Anthropic in plaats van pure capaciteit.