GLM-5.2, Sakana Fugu, Claude Fable 5: drie frontier-modellen, drie antwoorden op controle

Elk daarvan verscheen in juni 2026 binnen twee weken van de andere, en elk is een ander soort ding. Precisie loont hier, want twee ervan worden op grote schaal verkeerd omschreven.

GLM-5.2, van Z.ai in Peking, verscheen op 17 juni. Het is een open-weight mixture-of-experts-model, ongeveer 750 miljard parameters met circa 40 miljard actieve, een context van één miljoen tokens en, cruciaal, een MIT-licentie met gewichten die op HuggingFace zijn gepubliceerd.

Sakana Fugu, van Sakana AI in Tokio, verscheen op 22 juni. Het is geen gewoon model, en de gangbare indeling klopt niet: Fugu is een getrainde orchestrator die een pool van andere modellen aanroept en hun werk synthetiseert. Het is alleen via API beschikbaar, aangeboden als een OpenAI-compatibel eindpunt.

Claude Fable 5, van Anthropic in de Verenigde Staten, verscheen op 9 juni. De tweede veelgemaakte fout is Fable indelen als een snelle of creatieve variant. Het is het vlaggenschip, Anthropics meest capabele breed uitgebrachte model, met sturing op veiligheid, alleen in de cloud, tegen 10 en 50 dollar per miljoen tokens. De benchmarkcijfers zijn sterk; voor dit artikel zijn ze tegelijk bijzaak.

Laat de ranglijst achterwege en zet ze op de dimensies waarvoor een Duitse B2B-koper daadwerkelijk verantwoordelijk is. Het beeld is duidelijk, en het gaat niet om welke het slimst is.

Twee eerlijke voorbehouden horen bij deze tabel. De standaardroute van GLM-5.2, de Z.ai-API, valt onder China's datawetten met hun verplichte toegangsclausules, en dat is precies de reden waarom de open gewichten tellen: self-hosting in de EU neutraliseert dit risico. En Fugu's claim van frontier-gelijkwaardigheid is volledig zelf gerapporteerd, verzwakt door het feit dat Fable en het beperkte Mythos-model niet eens in de pool zitten. Ik zou geen beslissing baseren op een van beide aanbieder-benchmarks.

Ik beveel er geen enkele in het abstract aan. Ik pas het standpunt aan op wat de klant kan financieren en waarvoor hij verantwoordelijk is.

🔸 GLM-5.2 is het on-premise-spoor. De open MIT-gewichten zijn het hele punt: u kunt het in uw eigen datacenter draaien, en de prompts verlaten uw netwerk nooit. De adder onder het gras is de GPU-voetafdruk, ongeveer 744 gigabyte in FP8, dus het past bij de klant die de hardware kan financieren en data in huis moet houden. Het is het schoonste soevereiniteitsverhaal van de drie.

🔸 Claude Fable 5 is het spoor voor beheerde zekerheid. U huurt capaciteit van een Amerikaanse aanbieder, hier tegen de hoogste prijs, met echte veiligheidssturing en regionale datarouting bij de grote clouds. Voor een team dat een topmodel wil zonder de stack te bezitten, en dat met een cloudafhankelijkheid kan leven, is het de sterkste beheerde optie.

🔸 Sakana Fugu is het gemakspoor, met het zwakste controleverhaal. Een API die via een pool van modellen routeert is slim, en Japan is geopolitiek zachter dan China. Maar u kunt het niet on-premise draaien, u kiest niet welk model de data ziet, en de bewijzen zijn dun. Ik zou het als interessant behandelen, niet als standaard voor gereguleerd werk.

Dat is dezelfde les die Claude Fable 5 op de harde manier leerde, toen een eerder model binnen 72 uur werd uitgeschakeld: gehuurde capaciteit is herroepbaar, en controle is een eigenschap van de stack, niet van de score. Daarom wijs ik klanten steeds weer op open-weight-modellen die ze daadwerkelijk kunnen bezitten.

Als u hier één ding uit meeneemt, laat het dan de vraag zijn, niet de rangorde. De modellen wisselen binnen een kwartaal weer van plaats op de ranglijst; dat is ruis. De houdbare vraag is degene die een inkoopverantwoordelijke op dag één zou moeten stellen: welk van deze kunt u nog draaien, controleren en betalen als de aanbieder de voorwaarden wijzigt? Voor de meeste gereguleerde klanten met wie ik werk, beantwoordt deze vraag zich vanzelf, en ze wijst niet naar de hoogste benchmark. Voordat u dus het slimste model kiest: wat zou het u kosten om het te verliezen?