Goed genoeg wordt belangrijker in AI
AI-bedrijven brengen in hoog tempo nieuwe modellen uit. De groei in gebruik lijkt vooral bij betaalbare open modellen te zitten. Reflection speelt daar met Beam op in.
AI-bedrijven brengen in hoog tempo nieuwe modellen uit. OpenAI introduceerde op 22 september GPT-6 Sol en Luna, gevolgd door GPT-6.1 Sol op 29 september. Anthropic bracht op 22 september Claude Opus 5.5 uit en zes dagen later Sonnet 5.5. Met iedere release proberen de makers elkaars modellen te overtreffen. Welk model schrijft de beste code, redeneert het scherpst of scoort het hoogst op een prestatietest?
De groei zit bij goed genoeg
Jeremiah Dillon schrijft op X:
“… the majority of token growth in the past 6 months has come from mid-sized open-weight models.”
Volgens Dillon komt het grootste deel van de groei in tokengebruik dus van middelgrote open modellen. Het zijn niet de allernieuwste, beste frontiermodellen van OpenAI en Anthropic die deze groei vooral aanjagen. Dat suggereert dat voor veel toepassingen voldoende kwaliteit tegen lage kosten zwaarder weegt dan de hoogste benchmarkscore.
Een bedrijf dat AI dagelijks duizenden vergelijkbare taken laat uitvoeren, heeft weinig aan extra mogelijkheden die het daarbij nooit gebruikt. Zodra een goedkoper model de taak goed genoeg uitvoert, wordt de meerprijs van het beste model moeilijker te rechtvaardigen. Zo ontstaat ruimte voor betaalbare open modellen, ook als die niet op iedere prestatietest bovenaan staan.
We lijken voor veel bestaande toepassingen een capability-asymptoot te hebben bereikt: betere modellen leveren steeds minder extra waarde op. Zodra een model een taak goed genoeg uitvoert, maken extra mogelijkheden het niet per se waardevoller. Een lagere prijs kan dan meer verschil maken dan een hogere benchmarkscore.
Beam als Amerikaans alternatief
Het in New York gevestigde Reflection presenteerde op 5 oktober Beam, een open model voor onder meer programmeren en zelfstandig uitvoeren van taken. Semafor schrijft over het rekenverbruik:
“It also needs three to four times less computing power to reason through a problem than comparable open models”
Reflection richt zich ook op zuinig tokengebruik. Tokens zijn de stukjes tekst waarmee AI werkt en redeneert. Volgens de aankondiging van Reflection is Beam getraind om taken op te lossen zonder onnodig veel tokens te verbruiken. Bij veelvuldig gebruik kan dat flink schelen in de kosten.
De Amerikaanse herkomst van Beam is daarbij belangrijk. Chinese aanbieders als DeepSeek, Alibaba en Z.ai hebben een sterke positie bij open modellen. Volgens Semafor richt Reflection zich op bedrijven en overheden die geen Chinese modellen willen of kunnen gebruiken, maar wel hun AI zelf willen beheren.
Voor die organisaties kan Beam een aantrekkelijk Amerikaans alternatief zijn: een open model dat op lage gebruikskosten inzet. Zodra de prestaties goed genoeg zijn, kunnen kosten en herkomst de doorslag geven bij de keuze voor een model.