Claude Opus 5 in Lovable: 22% beter op zware klussen — maar wanneer kies je 'm echt?

Die laatste is voor bouwers waardevoller dan het percentage. Variatie is precies wat vibe coding frustrerend maakt: dezelfde prompt, twee keer gedraaid, twee heel verschillende resultaten. Wie een app onderhoudt in plaats van demonstreert, wil voorspelbaarheid. Minder variatie betekent minder "waarom deed hij dit nu ineens anders".

Naast GPT-5.6

Eerder deze maand landde GPT-5.6 in Lovable, met een ander profiel: ongeveer 25% minder stappen, 35–48% minder tool-calls en 15% minder vastgelopen runs. Dat is een efficiëntieverhaal. Opus 5 is een kwaliteitsverhaal. In de praktijk voelt het verschil zo:

- **GPT-5.6** is sterk als je veel kleine iteraties doet, als je budget bewaakt, of als je een lange keten van bewerkingen door je project heen wilt trekken. Minder tool-calls betekent letterlijk minder wachten en minder krediet. - **Claude Opus 5** is sterk bij één zware, samenhangende klus: een compleet nieuw scherm met logica, een refactor over meerdere bestanden, of een feature waarbij de agent veel context tegelijk moet vasthouden zonder de draad kwijt te raken.

Ons eigen recept

Wij starten nieuwe projecten en grote features op Opus 5 en schakelen daarna terug voor het dagelijkse gepiel: tekstjes, spacing, kleine bugs, kopieerwerk. De grootste winst zit niet in "welk model is het beste", maar in "kies bewust per klus". Wie altijd het zwaarste model draait voor een tekstwijziging verbrandt krediet zonder betere output.

Wat verandert er niet?

Je prompt blijft de belangrijkste variabele. Een beter model maakt een vage opdracht niet scherp. Wat wél helpt bij Opus 5: geef 'm meer context in één keer in plaats van in kleine hapjes. Het model houdt die context beter vast dan zijn voorganger, dus een uitgebreide beschrijving vooraf verdient zichzelf terug.

Praktische check voor jezelf

Pak een feature die je in het verleden hebt gebouwd en die toen moeizaam ging. Bouw 'm opnieuw in een leeg project met Opus 5, met dezelfde beschrijving. Kijk naar drie dingen: hoeveel correcties je nodig had, of het in één run compleet was, en of je opnieuw dezelfde uitkomst krijgt bij een tweede poging. Die derde meting is de reden dat dit model interessant is.

Bron: aankondiging Lovable (24 juli 2026) en eigen tests.