TL;DR
- Wat: xAI heeft het Grok V9-Medium model (1,5 biljoen parameters) klaar met trainen en gebruikt data van AI-codetool Cursor om het beter te maken in programmeren.
- Waarom relevant: Als je bedrijf software laat bouwen of AI-codetools gebruikt, verschuift de markt: modellen worden specifiek getraind op hoe developers écht werken.
- Wat je ermee kunt: Inventariseer welke AI-codetools je team gebruikt en check de datavoorwaarden — want wat je developers typen, kan trainingsdata worden.
Elon Musk meldde vandaag dat het nieuwe Grok-basismodel V9-Medium klaar is met trainen. Wat mij opviel was niet zozeer de omvang van het model, maar één specifiek detail: er is "een hoop Cursor-data" gebruikt in de training. Dat raakt direct aan hoe veel bedrijven hun software laten ontwikkelen.
Wat er precies is aangekondigd
Musk deelde op X dat het Grok V9-Medium model — met 1,5 biljoen parameters — zijn basistraining heeft afgerond. Ter vergelijking: het vorige model (V8) had naar verluidt zo'n 0,5 biljoen parameters, dus dit is ruwweg een verdrievoudiging. De evaluaties zien er volgens Musk goed uit.
Het model wordt nu fijngestemd (fine-tuning), en over enkele dagen begint de reinforcement learning-fase — zeg maar de stap waarin het model leert om betere antwoorden te geven op basis van feedback. De publieke release staat gepland over twee tot drie weken.
Op de vraag of het model beter wordt in coderen, antwoordde Musk kort: "Much better at coding."
Cursor-data als trainingsmateriaal
Hier wordt het voor mij interessant. Cursor is een populaire AI-code-editor die door veel developers wordt gebruikt om sneller software te schrijven. Het is in feite een slimme tekstverwerker voor code, aangedreven door AI-modellen.
Wat Musk zegt is dat data uit Cursor is toegevoegd aan de training van Grok V9. Dat betekent dat het model niet alleen leert van openbare code op platforms als GitHub, maar ook van hoe developers in de praktijk werken — hun prompts, hun correcties, hun workflow.
Dit past in een breder plaatje. In april 2026 werd bekend dat SpaceX een overeenkomst heeft met Cursor-maker Anysphere, inclusief een optie om het bedrijf over te nemen voor 60 miljard dollar. De samenwerking koppelt Cursors editor aan xAI's enorme rekeninfrastructuur (het zogeheten Colossus-cluster in Memphis).
Ik vind het eerlijk gezegd opvallend hoe snel de grenzen vervagen tussen "tool die je gebruikt" en "databron voor een trainingsmodel". Als ontwikkelaar typ je code in Cursor, en die interacties voeden mogelijk het volgende AI-model.
Wat betekent dit voor bedrijven die software laten bouwen?
Stel dat je als ondernemer een ontwikkelteam hebt dat Cursor gebruikt — of een extern bureau dat ermee werkt. Dan is de vraag: onder welke voorwaarden wordt die data gedeeld? Meerdere bronnen noemen dat enterprise-klanten van Cursor nu te maken hebben met onduidelijkheid over datastromen, juist door deze verschuivende eigendomsverhoudingen.
Dit is geen theoretisch probleem. Als je bedrijfslogica, API-keys of interne architectuur door een AI-editor haalt, wil je weten waar die informatie terechtkomt.
Praktische overwegingen
- Check de servicevoorwaarden van de AI-codetools die je team gebruikt. Staat er iets over het delen van data met derden voor modeltraining?
- Vraag je leverancier (of je eigen developers) welke tools ze gebruiken en of er een opt-out is voor dataverwerking.
- Overweeg je gevoeligheid: voor een webshop maakt het misschien minder uit, maar als je met financiële data, medische gegevens of intellectueel eigendom werkt, is dit relevant.
Hoe sterk is Grok momenteel in coderen?
Dat is een eerlijke vraag. Op dit moment scoren Claude en GPT-modellen over het algemeen hoger op codeer-benchmarks dan de huidige generatie Grok. Gebruikers rapporteren dat Grok's codeervaardigheden achterblijven bij Claude Opus en GPT-5.5.
Musk claimt dat V9-Medium daar verandering in brengt. Maar — en dat wil ik benadrukken — er zijn nog geen onafhankelijke benchmarks van dit model. De evaluaties waar Musk naar verwijst zijn intern. Pas na de publieke release, over twee tot drie weken, kunnen onafhankelijke testers beoordelen of de claim klopt.
Ik denk dat het verstandig is om hier even af te wachten. "Evals look good" van de maker zelf is niet hetzelfde als een onafhankelijke vergelijking.
De bredere trend: AI-modellen getraind op jouw werkproces
Wat mij hier het meest bezighoudt is niet zozeer dit ene model, maar de richting. We gaan van modellen die trainen op openbare bronnen (boeken, websites, open-source code) naar modellen die trainen op hoe mensen daadwerkelijk met AI-tools werken.
Kun je je voorstellen wat dit betekent als je team dagelijks met AI-assistenten werkt? Elke prompt, elke correctie, elk stukje feedback wordt potentieel waardevolle trainingsdata. Dat maakt deze tools krachtiger, maar het verschuift ook de machtsbalans.
Voor xAI is dit strategisch slim: ze krijgen toegang tot echte developer-workflows op een schaal die lastig op een andere manier te verzamelen is. Voor gebruikers betekent het dat je bewuster moet nadenken over welke tools je inzet en onder welke condities.
Afsluitende observatie
Voor mij is dit vooral een signaal dat de AI-codeermarkt in een nieuwe fase zit. Het gaat niet meer alleen om welk model het slimste is op een benchmark — het gaat om wie toegang heeft tot de beste trainingsdata uit de praktijk. En die data komt van de tools die developers dagelijks gebruiken.
Of Grok V9-Medium uiteindelijk indruk maakt op onafhankelijke tests, weten we pas over een paar weken. Maar het feit dat de code die je team schrijft — en de manier waaróp ze die schrijft — nu direct input is voor de volgende generatie AI-modellen? Dat is iets om als ondernemer bewust van te zijn, ongeacht welk model je uiteindelijk verkiest.