Greptile heeft zojuist een rapport gepubliceerd over de status van AI-programmering in 2025. Dit bedrijf houdt zich bezig met AI-codebeoordeling en heeft klanten variërend van sterrenstartups zoals PostHog en Brex tot de Fortune 500. Maandelijks gaat er ongeveer een miljard regels code door hun systeem, dus ze hebben een hoop primaire data. Een aantal cijfers uit het rapport: het aantal regels code dat door ontwikkelaars per maand wordt geproduceerd, is gestegen van 4.450 naar 7.839 regels, een stijging van 76%. De omvang van PR's groeit ook, de mediaan is gestegen van 57 naar 76 regels. De stijging bij middelgrote teams is nog indrukwekkender, met een toename van 89%. Eigenlijk heb ik eerder al geklaagd dat veel mensen graag het aantal regels code gebruiken om productiviteit te meten, omdat code geen activa is, maar een schuld. Hoe meer code, hoe moeilijker het is om te onderhouden; meer door AI gegenereerde code betekent ook dat het moeilijker te onderhouden is en dat er meer bugs zijn. De opbrengstverdeling van AI-programmeerhulpmiddelen is zeer ongelijk. In projecten met goede testdekking en duidelijke modulegrenzen is AI een grote aanwinst. Maar in complexe legacy-systemen, waar diepgaande domeinkennis vereist is, is de hulp beperkt en kan het zelfs contraproductief zijn. Maar hoe dan ook, het is een feit dat AI nu de code-inflatie heeft veroorzaakt. AI heeft het aantal regels code verhoogd, maar is de kwaliteit ook verbeterd? Helaas wordt dit in het rapport niet genoemd, want het aantal regels code is gemakkelijk te tellen, maar de kwaliteit van de code is moeilijk te meten. De gegevens in het rapport zijn echter nog steeds interessant om te bekijken. Wat betreft het ecosysteem van tools, de markt voor vector databases is momenteel zeer competitief, Weaviate leidt met een marktaandeel van 25%, maar er zijn zes of zeven andere bedrijven die tussen de 10% en 25% zitten, en de winnaar is nog niet duidelijk. In de AI-geheugenpakketten heeft mem0 een aandeel van 59%, wat ver voorligt. Wat betreft regelbestanden staat CLAUDE .md bovenaan met een adoptiegraad van 67%, wat aangeeft dat er inderdaad veel ontwikkelaars zijn die Claude gebruiken voor de ontwikkeling van programmeeragentschappen. De trend in het aantal SDK-downloads is nog interessanter. OpenAI blijft absoluut leidend, met 130 miljoen downloads per maand. Maar de groei van Anthropic is verbazingwekkend, met een stijging van 1547 keer van april 2023 tot nu, en het stabiliseert nu op 43 miljoen. De downloadverhouding tussen OpenAI en Anthropic is van 47:1 aan het begin van 2024 gedaald naar nu 4.2:1. Google’s GenAI SDK blijft achter met 13.6 miljoen downloads. Wat betreft de vergelijking van modelprestaties, zijn GPT-5.1, GPT-5-Codex, Claude Sonnet 4.5, Claude Opus 4.5 en Gemini 3 Pro getest. Enkele bevindingen zijn opmerkelijk. De responstijd van de eerste token, de twee modellen van Anthropic zijn beide binnen de 2.5 seconden, terwijl de andere drie meer dan twee keer zo lang duren. Neem deze paar seconden niet licht op - in interactieve programmeerscenario's, als de wachttijd te lang is, verlies je je gedachtegang en moet je opnieuw in de juiste staat komen. Wat betreft de doorvoer, de twee modellen van OpenAI zijn het snelst, met een mediaan van 60-70 tokens/seconde. Anthropic zit tussen de 17-20, terwijl Gemini slechts 4-5 haalt. Maar een hoge doorvoer betekent niet alles; het hangt ook af van je gebruiksscenario of je die snelheid echt nodig hebt. De kostenvergelijking is ingesteld met GPT-5 Codex als basis op 1x, GPT-5.1 ook op 1x, Gemini 3 Pro op 1.4x, Claude Sonnet 4.5 op 2x, en Claude Opus 4.5 op 3.3x. De modellen van Anthropic zijn duidelijk duurder, maar veel gebruikers vinden de codekwaliteit beter en zijn bereid daarvoor te betalen. Het rapport eindigt met een aantal recente onderzoeken, waaronder de MoE-architectuur van DeepSeek-V3, de afweging tussen lange context en RAG, en het constante geheugenagentenframework van MEM1, enzovoort. Dit deel lijkt meer een leeslijst voor professionele ontwikkelaars, dus ik ga hier niet verder op in.