My LLM council puts one question to five models from five labs, each through its own lens, in four steps. The four modes, the lenses per mode, the guardrails and the real questions I use it for.
A new paper from Microsoft Research and collaborators shows agents stay stuck in one region of solutions despite periodic context compaction. Fresh branches with a cleared chat get them out, though neither half works alone.
In one October week Anthropic showed a multi-agent workflow finding 66 of 70 planted bugs, and Vals AI showed agent teams costing up to 5.1x more for little gain. Both are right. The task structure decides, and so does your hardware.
Claude Max and Team plans now include monthly API credits. They cover the API and the Agent SDK, not Claude Code. Whether claude -p uses them depends on one thing: which credential the process holds.
In June I open-sourced VNX with a list of what worked. Four months later, the review gate, the CI gate and the single dispatch door are enforced. One of my June claims was wrong, and the learning loop turned out to be measuring nothing.
Hermes Agent reads the login Claude Code stored and presents itself as Claude Code, down to the system prompt. Anthropic bills that as extra usage and names the behaviour as prohibited. Where the line is, and the route I run instead.
opencode bewaart een OAuth-token en praat zelf met de API. Ik start de CLI van de leverancier en raak zijn auth nooit aan. Dezelfde acht taken, één andere keuze, en die keuze bepaalt alles wat erna komt. Plus wat er aantoonbaar slechter is aan mijn kant.
DeepSeek bracht in augustus 2026 een open agent-harnas uit onder MIT. Ik legde het naast Claude Code, Codex, Gemini, opencode en kimi-cli: wat er anders is, wat het betekent als je op een abonnement draait, en wat ik eruit overneem.
Iedereen vergelijkt modellen. Bijna niemand vergelijkt het harnas eromheen, terwijl daar de meeste fouten ontstaan. Wat een harnas precies doet, welke acht taken erin zitten, en hoe je ziet of het jouwe deugt.
Most routing layers collapse two different failures into one retry. A lane that is down needs a substitute on the same tier. A rejected answer needs a better model. My cost ladder keeps them apart.
A benchmark is a leaderboard. A router has to act on it, per task. Here is my cost-aware lane router: how it classifies a task, holds a measured quality floor, picks the cheapest capable lane, enforces constraints, and logs every choice as a receipt.
Mijn governance-keten had een controle op elke stap. En toch landden ruim honderd pull requests in productie zonder dat er ooit een reviewer naar keek. Het defect zat nooit in een poort, maar altijd in de koppeling ertussen.