OpenClaw Opkomst en Val — Tijdlijn en de werkelijke oorzaken van het verval
OpenClaw steeg snel op. Vervolgens verdween het nog sneller.
OpenClaw faalde niet als product. Het verloor zijn brandstof.
Wat eruitziet als een dramatische opkomst en ineenstorting, is eigenlijk iets mechanischer en interessants. OpenClaw was een dunne laag bovenop een tijdelijk economisch voordeel in het AI-ecosysteem. Zodra dat voordeel verdween, verdween ook de aandacht.
Hier is de Google Trends-grafiek voor OpenClaw AI.
Dit artikel analyseert de exacte tijdlijn, de werkelijke drijvende krachten achter de piek en waarom de daling onvermijdelijk was. Als je je richt op wat veiligere post-hype operaties zijn, is de NemoClaw-handleiding voor veilige operaties de praktische vervolgactie.
De illusie van productgedreven groei
De meeste mensen nemen aan dat OpenClaw groeide omdat het een geweldige AI-agent was — en dat is slechts deels waar.
OpenClaw was werkelijk nuttig. Het ondersteunde meer dan 50 integraties, werkte met Claude, GPT-4o, Gemini en DeepSeek, en trok enterprise-adoptie aan — Tencent bouwde er direct een platform op. Maar alleen al de mogelijkheden maakten het niet onderscheidend ten opzichte van vergelijkbare alternatieven:
- Cline
- Op LangChain gebaseerde setups
- Andere agent-wrappers
De echte drijvende kracht was toegang in plaats van capaciteit — een onderscheid dat de hele arc van de opkomst en ineenstorting van OpenClaw verklaart.
OpenClaw maakte krachtige modellen goedkoop te gebruiken op grote schaal.
Fase 1. Stille opkomst (november 2025)
Het verhaal begint in november 2025, toen Peter Steinberger in ongeveer één uur de eerste prototype bouwde. Hij was geïrriteerd dat het hulpmiddel nog niet bestond, dus hij bouwde het, en noemde het Clawdbot — een knipoog naar Anthropic’s Claude, compleet met een kreeft-maskot.
De eerste versie was praktisch in plaats van opvallend: een AI-agent die agenda’s kon beheren, e-mail kon controleren, afspraken kon boeken en computertaken namens de gebruiker kon automatiseren. Steinberger deelde het in ontwikkelaarsgemeenschappen en vroege adopters herkenden iets veelbelovends, hoewel de groei in deze fase langzaam en organisch bleef, zonder zichtbaarheid buiten technische kringen.
Fase 2. De virale ontsteking (januari–februari 2026)
De piek begon toen verschillende krachten snel op elkaar volgden.
1. Naamdrama en gedwongen rebrands
Ende januari 2026 stuurde Anthropic Steinberger een handelsmerknotice over “Clawdbot”, verwijzend naar fonetische gelijkenis met “Claude”. Volgens zijn account hanteerde Anthropic het professioneel — maar de notice dwong een hernoeming. Het project werd Moltbot voor drie dagen, daarna OpenClaw, en het gedwongen rebranding genereerde precies het soort aandacht dat marketingbudgetten niet kunnen kopen.
2. De hypegolf van agents
De markt was al gereed voor een doorbraak van agents:
- autonome agents waren trending op sociale media en in de tech-pers
- “AI die kan handelen” was het dominante verhaal geworden
- ontwikkelaars zochten actief naar hulpmiddelen die complexe workflows konden automatiseren
OpenClaw arriveerde op precies het juiste moment, toen de vraag naar dit soort hulpmiddelen op zijn hoogst was en het verhaal van autonome AI-agents de mainstream aandacht vastgreep.
3. De goedkope compute-loophole
De meest beslissende factor was een loophole in de computeprijzen die geen enkele goede engineering bewust had kunnen creëren.
Gebruikers ontdekten dat OpenClaw verbinding kon maken met Claude door het OAuth-token van een Claude Pro- of Max-abonnement te pakken en de authenticatie-headers van Anthropic’s eigen Claude Code-client te spoofen. In plaats van per token via de API te betalen, kregen ze effectief:
bijna onbeperkte agent-uitvoering voor een vaste maandelijkse kosten
De cijfers maakten dit explosief. Een Claude Max-abonnement kostte $200 per maand, terwijl het uitvoeren van equivalente workloads via de API veel duurder zou zijn — brancheanalisten schatten een prijsverschil van meer dan vijf keer, wat betekent dat Anthropic elke zware OpenClaw-gebruiker stil zwijgend subsidieerde met honderden dollars per maand.
Dit veranderde het gedrag direct:
- ontwikkelaars voerden zware experimenten uit die ze bij API-prijzen nooit hadden geprobeerd
- virale demos overspoelden sociale media
- automatisering op grote schaal werd toegankelijk voor solo-ontwikkelaars
Er veranderde niets in de software — de economie deed dat, en die verschuiving alleen was voldoende om een virale adoptatiecurve te ontsteken. Op 2 maart 2026 had de OpenClaw-repository 247.000 GitHub-sterren en 47.700 forks verzameld, waarbij 100.000 sterren in minder dan 48 uur werden bereikt — een tempo dat breed werd omschreven als het snelst groeiende GitHub-project in de geschiedenis.
Fase 3. Piekgebruik en opgeblazen verwachtingen
Op het hoogtepunt van het interesse duwden ontwikkelaars agents tot de uiterste grenzen, sociale media versterkten de resultaten en explodeerden verwachtingen over wat persoonlijke AI-automatisatie kon bereiken. Geschatte 135.000 OpenClaw-instanties liepen gelijktijdig toen Anthropic zijn aankondiging deed, en één oprichter beschreef publiek hoe ze negen aparte AI-agents had ingezet om haar administratieve werk en persoonlijke huishoudelijke logistiek te beheren.
Waarom worden AI-hulpmiddelen plotseling populair en vervagen dan
Omdat de initiële piek wordt gedreven door nieuwheid en gewaardeerde hefboomwerking. Zodra gebruikers de grenzen testen, zet de realiteit in — het hulpmiddel blijkt moeilijker betrouwbaar te gebruiken, en de economische omstandigheden die het aantrekkelijk maakten, blijken vaak tijdelijk. In het geval van OpenClaw was de waargenomen hefboomwerking echt, maar gebouwd op geleende economie die Anthropic niet had geprijsd voor agent-workloads.
De creator vertrekt naar OpenAI (februari 2026)
Voordat de ineenstorting aankwam, verloor OpenClaw zijn oorspronkelijke architect.
Op 14–15 februari 2026 kondigde Steinberger aan dat hij het project verliet om bij OpenAI te komen. Sam Altman postte dat Steinberger de “volgende generatie van persoonlijke agents” zou aandrijven bij het bedrijf, en Steinberger schreef dat “samenwerken met OpenAI de snelste manier is om dit aan iedereen te brengen.” OpenClaw werd overgedragen aan een onafhankelijke open-source stichting met het voortgezette steun van OpenAI.
Het timing was opvallend. Anthropic had geweigerd Steinberger in dienst te nemen of samen te werken, ondanks het feit dat zijn hulpmiddel waarschijnlijk hun beste gratis marketing in jaren was geworden — een project dat expliciet werd gebouwd om te tonen hoe goed Claude was. In plaats daarvan ging hij direct naar hun grootste concurrent, en nam zowel de momentum van het project als de gemeenschapsrelaties mee.
Fase 4. De correctie begint
Twee dingen begonnen tegelijkertijd.
1. Realiteit van agent-beperkingen
Gebruikers die OpenClaw op grote schaal hadden ingezet, begonnen zijn echte beperkingen tegen te komen:
- agents zijn breekbaar en falen onvoorspelbaar bij meerstaps taken
- betrouwbaarheid is inconsistent over verschillende workflows en omgevingen
- installatie en onderhoud is niet-triviaal voor de meeste gebruikers buiten technische kringen
Deze beperkingen alleen zouden een geleidelijke daling hebben veroorzaakt, maar OpenClaw daalde niet geleidelijk — het daalde scherp, omdat een tweede en meer beslissende kracht op precies hetzelfde moment trof.
2. De economische laag breekt
Anthropic had dit spelboek al eens uitgevoerd. In januari 2026, slechts weken voor OpenClaw piekte, blokkeerden ze OpenCode — een andere populaire derde-partij coding-client — van het gebruik van Claude-abonnementstokens in wat werd gepresenteerd als een schending van de servicevoorwaarden, niet als een capaciteitsprobleem. OpenClaw-gebruikers hadden elke reden om dezelfde behandeling te verwachten, en dat moment arriveerde in april.
Anthropic introduceerde dan beperkingen die de loophole volledig sloot:
- derde-partij hulpmiddelen werden geblokkeerd van het gebruik van abonnement OAuth-tokens
- gebruik verschilde naar pay-as-you-go extra facturering of volledige API-sleutels
Dit verwijderde het sleutelvoordeel:
goedkope uitvoering op grote schaal
Nu stonden gebruikers voor een zeer verschillende kostenstructuur:
| Metric | Voor cutoff | Na cutoff |
|---|---|---|
| Maandelijkse plan kosten | $20–$200 (vast) | $20–$200 + gebruik |
| Kosten per taak | Effectief $0 | $0,50–$2,00 |
| API-tarief (Sonnet 4.6 invoer) | Dekking door sub | $3 per miljoen tokens |
| API-tarief (Sonnet 4.6 uitvoer) | Dekking door sub | $15 per miljoen tokens |
| Toename voor zware gebruikers | — | 10× tot 50× |
Wat veroorzaakte de plotselinge daling in interesse in AI-agent hulpmiddelen
Het antwoord is eenvoudig: niet een gebrek aan innovatie, maar het verlies van betaalbare compute. Zodra de prijsbodem verdween, verdween de stimulans om te experimenteren en te delen er mee, en volgde zoekinteresse bijna onmiddellijk.
4 april 2026 — De harde cutoff
Op 4 april 2026, om 12:00 uur Pacific Time, eindigde de abonnements toegang voor alle derde-partij hulpmiddelen.
Boris Cherny, Head of Claude Code bij Anthropic, postte op X dat Claude Pro en Max abonnementen geen gebruik van derde-partij hulpmiddelen meer zouden dekken, met ingang van onmiddellijk. Een woordvoerder van Anthropic bevestigde dat het gebruik van abonnementen met derde-partij hulpmiddelen altijd tegen de servicevoorwaarden was, en dat die hulpmiddelen “een buitensporige belasting op onze systemen” legden. Aanvullende context deed het timing urgent aanvoelen: op 1 april was de volledige broncode van Claude Code — 512.000 regels TypeScript — gelekt via een npm-pakket, en blootgave precies hoe Anthropic’s eerste-partij hulpmiddelen authenticeerden met de backend, en maakte het aangerlijker om derde-partij hulpmiddelen die diezelfde patronen spoofden, af te sluiten.
Anthropic bood een eenmalige credit gelijk aan één maand abonnementsfee en een korting van 30% op vooraf aangeschafte gebruiksbundels om de overgang te vergemakkelijken. Voor lichte gebruikers dekte de credit de aanpassingsperiode, maar voor power users die meerdere instanties liepen, werkten de nieuwe cijfers gewoon niet. Het effect op activiteit was onmiddellijk:
- experimenten stopten
- virale sharing verdween
- zoekinteresse stortte in
Dit komt overeen met de scherpe daling in Google Trends bijna perfect. De volledige beleidsmechanica en migratieopties na de cutoff worden behandeld in Claude, OpenClaw, en het einde van vaste prijzen voor Agents.
OpenAI beweegt in de tegenovergestelde richting
Op dezelfde dag als het Anthropic-verbod, bevestigde OpenAI publiekelijk dat ChatGPT Plus, Pro en Team-abonnees volledig vrij waren om hun abonnementen te gebruiken om OpenClaw aan te drijven via OAuth — inclusief met modellen zoals GPT-5.3 Codex voor complexe coding-taken.
Dit was geen toevallig timing. Door Steinberger in dienst te nemen en expliciet hun abonnementpoorten te openen, positioneerde OpenAI zichzelf als het ontwikkelaarsvriendelijke alternatief op het exacte moment dat Anthropic zijn meest actieve gemeenschap afsneed, en verzekerde de loyaliteit van de ontwikkelaars die de volgende generatie van AI-hulpmiddelen bouwden.
Fase 5. Waar OpenClaw-gebruikers echt heen gingen
Gebruikers verdwenen niet na het verbod — ze verdeelden zich over een spectrum van alternatieven afhankelijk van hun technische diepgang en budget.
Direct gebruik van chat-assistents
Veel gebruikers verhuisden terug naar directe chat-interfaces, en ruilde agent-automatisering in voor de eenvoud en betrouwbaarheid die ze hadden opgegeven:
- ChatGPT
- Claude UI
- Gemini
Vervangen AI-agents traditionele chat-assistents
Nee — voor de meeste gebruikers voegen agents complexiteit toe zonder voldoende betrouwbaarheidsvoordelen. De chat-interface blijft de standaard voor dagelijks gebruik omdat het sneller is om te starten, makkelijker te debuggen als er iets misgaat, en geen infrastructurele setup vereist. Agents dienen een toegewijde minderheid van power users, niet de algemene bevolking. De AI-ontwikkelaars hulpmiddelen-ecosysteem is geëvolueerd om deze kloof te vullen met hulpmiddelen die tussen ruwe agents en eenvoudige chat zitten, en ontwikkelaars gestructureerde assistentie geven zonder volledige agent-overhead.
Goedkopere model-ecosystemen
Power users met de technische mogelijkheid om zelf te hosten, migreerden naar goedkopere alternatieven:
- Qwen
- DeepSeek
- andere goedkope modellen toegankelijk via Ollama voor volledig lokale setups
Welke modellen zijn populair voor goedkope AI-experimenten
Modellen die lagere prijzen, minder gebruiksbeperkingen en flexibele implementatie inclusief lokale zelf-hosting aanboden, absorbeerden de bulk van verplaatste OpenClaw-power users. Deze ecosystemen groeiden stil in plaats van publieke hype te genereren, wat de reden is waarom de migratie grotendeels onzichtbaar was in trenddata, zelfs terwijl het een significante herverdeling van compute-vraag vertegenwoordigde.
Alternatieve agent-frameworks
Ontwikkelaars die nog steeds agent-capaciteiten nodig hadden, schakelden over naar slankere benaderingen:
- aangepaste scripts afgestemd op specifieke workflows
- lichtgewicht frameworks met minder afhankelijkheden
- zelf-hosted oplossingen die lokale modellen combineren met minimale tooling
Het sleutelverschil met OpenClaw is dat deze gebruikers optimaliseerden voor kosten en controle in plaats van gemak, en bouwden voor duurzaamheid in plaats van maximale automatisering tegen minimale prijs. Dit is het patroon dat algemeen is in het zelf-hosted AI-systemen-ecosysteem — provider-onafhankelijkheid behandeld als een ontwerpeis, niet als een nagedachte.
De over het hoofd geziene factor — waarom kosten het echte product is
De belangrijkste inzichten uit OpenClaw’s traject is dat kosten fungeert als het echte product in AI-adoptie.
Waarom is kosten belangrijk in AI-adoptie
Omdat gebruik niet-lineair schaalt met computekosten. Wanneer compute goedkoop is, explodeert experimenten, versnelt innovatie, en groeit aandacht omdat virale sharing economisch rationeel wordt. Wanneer compute duur wordt, contracteert gebruik tot serieuze workflows alleen, casual gebruikers vertrekken, en hype verdwijnt bijna over nacht — wat precies de reden is waarom token-optimalisatie en kostenreductie strategieën kritieke vaardigheden worden zodra compute stopt met subsidie.
OpenClaw demonstreerde deze regel in een ongebruikelijk heldere vorm: tussen februari en april 2026 veranderde de software niet, maar de economie van het uitvoeren van wel — en die enkele verschuiving was voldoende om de gemeenschap in een kwestie van dagen in te laten storten.
OpenClaw was nooit het kernverhaal
OpenClaw fungeerde als een oppervlaktelaag bovenop meer fundamentele krachten.
Het echte verhaal omvatte drie factoren die gelijktijdig opereerden:
- toegang tot Claude-modellen tegen abonnementsprijzen in plaats van API-tarieven
- een vijf-op-een prijsmismatch tussen wat gebruikers betaalden en wat gebruik Anthropic werkelijk kostte
- een beleidscorrectie die uiteindelijk moest gebeuren gezien de schaal van die mismatch
Zodra die onderliggende omstandigheden veranderden, zou elk hulpmiddel dat erop afhankelijk was hetzelfde patroon tonen — wat precies de reden is waarom vergelijkbare hulpmiddelen piekten en daalde in lockstep, ongeacht hun individuele kwaliteit of functiesets. Anthropic’s beslissing onthulde ook iets strategisch: door derde-partij clients te blokkeren terwijl ze Claude Code beschermde, koos het bedrijf om ontwikkelaarsengagement te concentreren binnen zijn eigen eerste-partij tooling op een moment waarop onafhankelijke gemeenschappen sneller iteratieerden dan enig gecentraliseerd lab.
Het patroon herhaalt zich door AI
OpenClaw’s traject is niet uniek — dezelfde cyclus heeft zich herhaald door het AI-ecosysteem heen.
Hetzelfde patroon verschijnt in AutoGPT, BabyAGI, en andere vroege agent-frameworks die massale aandacht aantrokken en dan vervagden naarmate computekosten, betrouwbaarheidsbeperkingen of platformbeperkingen werden afgedwongen. De cyclus is consistent:
- Nieuwe capaciteit verschijnt
- Goedkope of gratis gebruik ontstaat
- Virale experimenten beginnen
- Kosten of beperkingen worden afgedwongen
- Aandacht stort in
Elke cyclus laat een kleinere, meer toegewijde gebruikersbasis achter en een helderder begrip van wat echt werkt op grote schaal — wat is hoe vooruitgang compenseert, zelfs door het boom-and-bust patroon.
OpenClaw vs Hermes Agent — wat de trenddata toont
De grafiek hierboven vergelijkt wereldwijde Google Trends zoekinteresse voor OpenClaw AI (blauw) en Hermes Agent (rood) over de afgelopen drie maanden. OpenClaw piekte op een index van 100 medio maart 2026 en stortte scherp in april na de abonnementscutoff. Hermes Agent registreerde nauwelijks tijdens OpenClaw’s piek, nam dan geleidelijk aan interesse op naarmate OpenClaw vervagde — en bereikte een index van rond de 40 in uitbraken door april heen, vergeleken met OpenClaw’s gemiddelde van 49 en Hermes’s gemiddelde van 8.
Hermes Agent is een open-source framework gebouwd door Nous Research en uitgebracht in februari 2026. In tegenstelling tot OpenClaw, dat is geoptimaliseerd voor breed reactief hulpmiddelgebruik over veel integraties, is Hermes gebouwd rond een leercyclus: het genereert herbruikbare vaardigheden van succesvolle taakvoltooingen, verfijnt ze door voortgezet gebruik, en onderhoudt een persistente model van de gebruiker over sessies heen. Het resultaat is een agent die verbetert hoe meer het wordt gebruikt op dezelfde taaktypes, in plaats van elke job aan te gaan vanuit dezelfde baseline. Het bereikte 95.600 GitHub-sterren in zijn eerste zeven weken.
De kloof in de grafiek is significant. OpenClaw’s hype-surplus overdroeg niet naar Hermes — het verdween. Casual experimenteerders die agents goedkoop op Claude-abonnementen hadden laten lopen, verlieten de ruimte in plaats van te migreren naar een alternatief. De gebruikers die wél naar Hermes verhuisden, waren de toegewijde technische minderheid die persistente, zelf-hosted automatisering nodig hadden en bereid waren het correct te installeren — wat precies het soort kleinere, meer duurzame gebruikersbasis is dat overblijft na elke AI-hype cyclus ineenstort. Voor die gebruikers zijn Hermes productie-instellingspatronen de moeite waard om te verkennen. Voor een volledige multi-signaal snapshot per mei 2026 — live GitHub-sterrentellingen voor 20 agent-frameworks, OpenRouter-token ranglijsten, npm en PyPI download-data, CVE-geschiedenis, en Reddit-gemeenschapssentiment — zie OpenClaw vs Hermes Agent: Sterren, Downloads & Gebruik 2026.
Eindconclusie — volg de economie, niet de interface
OpenClaw steeg niet omdat het revolutionair was — het steeg omdat het iets tijdelijk onderprijsd ontgrendelde, en het viel niet omdat het faalde als product, maar omdat dat prijsvoordeel werd verwijderd door het platform waar het van afhing.
Dit was geen productlevenscyclus. Het was een prijsgebeurtenis.
Het begrijpen van dit onderscheid is kritiek voor het voorspellen van de volgende piek in AI-tooling. Hetzelfde patroon zal zich herhalen telkens wanneer een nieuwe subsidiesubsidie verschijnt, of het nu via een abonnementsloophole, een genereuze gratis tier, of een nieuw open-weight model dat gevestigde prijzen ondermijnt. Volg waar compute tijdelijk goedkoop is en je zult de volgende golf van virale AI-hulpmiddelen vinden voordat de hype arriveert.
