Google doet niet meer mee aan dezelfde AI-race als OpenAI en Anthropic. Deze concurrenten willen AI die zichzelf verbetert. Google wil AI die de echte wereld begrijpt.
Dit verschil valt niet snel op, want Google brengt nog steeds modellen uit en verdient geld. Maar de nieuwste versie kwam op plaats 10 in een onafhankelijke ranglijst.
Wat Google wel en niet heeft gezegd over de AI-race
Op 21 juli bracht Google Gemini 3.6 Flash uit. De focus lag op snelheid en kosten, niet op pure kracht.
Volg ons op X om het laatste nieuws direct te ontvangen
Het nieuwe model genereert 17% minder tokens dan de vorige versie, schreef Google in hun blog. Tokens zijn korte stukjes tekst die AI maakt. Minder tokens betekent een goedkoper antwoord.
Kracht is iets anders. Volgens de Artificial Analysis-index kwam dit model op de tiende plaats. Alle andere grote AI-labs scoorden hoger.
Maar Google zit niet stil. Het bedrijf is begonnen aan de grootste training ooit voor Gemini 4. Het grotere model, Gemini 3.5 Pro, wordt nog getest met partners.
Sundar Pichai wijst op een ander doel. Hij koppelt de roadmap aan persoonlijke agents in plaats van aan topposities in ranglijsten.
Investeerders zijn minder gerust. Alphabet-aandelen daalden in juni met 6% nadat twee belangrijke onderzoekers naar concurrenten vertrokken.
Zo pakt DeepMind het aan met world models
Een world model is AI die leert hoe dingen in de echte wereld zich gedragen. Denk aan zwaartekracht, beweging, oorzaak en gevolg. Deze AI voorspelt wat er in een kamer gebeurt, in plaats van alleen de volgende tekstregel.
De eigen website van DeepMind laat zien dat ze hierop inzetten. Genie 3 en Gemini Robotics staan daar onder het kopje world models en embodied AI, oftewel software die machines aanstuurt.
In mei breidde het lab Project Genie uit naar Street View. Ook kwam SIMA 2 uit, een agent die leert door te spelen in virtuele 3D-werelden.
OpenAI en Anthropic hebben een heel ander doel. Zij richten zich op recursive self-improvement, afgekort RSI.
Met eenvoudige woorden: dat betekent AI die slim genoeg is om een betere AI te maken. En daarna bouwt die nieuwe AI weer een betere versie.
Auteur Alberto Romero zei dinsdag dat Google deze race expres verlaat.
“Hassabis gokt op iets anders: world models. Modellen die de echte wereld kunnen begrijpen en simuleren, niet alleen de volgende token voorspellen,” schreef Alberto Romero in een recente analyse.
Google heeft dit zelf nooit gezegd. Demis Hassabis, de baas van Google DeepMind, heeft RSI niet publiekelijk uitgesloten.
Waarom een concurrent zegt dat DeepMind anders is dan de rest
De scherpste mening van buiten kwam maanden eerder van een concurrent.
Jack Clark is medeoprichter van Anthropic. Op 4 mei publiceerde hij een essay over waar AI naartoe gaat.
Hij gaf 60% kans dat AI eind 2028 zijn eigen onderzoek kan doen. Voor 2027 schatte hij die kans op 30%.
Clark vroeg zich af welke labs dat doel nastreven. Over DeepMind schreef hij: “lijkt het voorzichtigst van de drie grote spelers.” Voorzichtig betekent terughoudend.
Zijn bewijs kwam van DeepMind zelf. Hij verwees naar hun paper over AI-veiligheid uit 2025, mede geschreven door medeoprichter Shane Legg.
Anthropic is veel gedurfder. Uit een onderzoek naar recursive self-improvement bleek dat Claude in mei 2026 meer dan 80% van alle code zelf schreef.
Voor februari 2025 was dat bijna 0.
Het bedrijf heeft vastgelegd hoe AI een betere AI maakt. Bij een snelheidstest leverden hun modellen in april een 52-voudige verbetering op, tegen 2,9 maal sneller een jaar eerder.
Een goede techneut heeft vier tot acht uur nodig om bij diezelfde taak vier keer zoveel resultaat te halen.
Waarom Google misschien de AI-race helemaal niet heeft opgegeven
Twee feiten spreken dit idee juist tegen:
- Google staat aan kop in de test die het dichtst bij het meten van AI-onderzoeksvaardigheden komt.
MLE-Bench vraagt een model om zelfstandig machine-learning systemen te bouwen. In februari haalde een Gemini 3-model een score van 64,4%. Dat was toen het beste resultaat. Google zette 3.6 Flash in juli op 63,9%.
Laboratoria die stoppen met een vakgebied staan zelden bovenaan op de ranglijst.
- Google is zeker niet afwezig op de markt.
Pichai vertelde investeerders dat de Gemini-app 950 miljoen maandelijkse gebruikers heeft. Google deed deze maand niet mee aan NVIDIA’s open AI-alliantie. OpenAI en Anthropic deden ook niet mee.
Kan Google het zich veroorloven om te wachten?
Wachten heeft een simpel voordeel. Zoekadvertenties betalen voor alles, dus DeepMind kan rustig de tijd nemen.
Uit cijfers van Alphabet zelf blijkt dat dat financiële kussen steeds dunner wordt.
De omzet bereikte $119,8 miljard in het kwartaal van juni, een stijging van 24%, volgens de resultaten die op 22 juli zijn gedeeld. Alleen al zoeken leverde $63,3 miljard op.
Daarna komt het uitgeven. Alphabet gaf in drie maanden $44,9 miljard uit aan datacenters en apparatuur. Dat is ongeveer het dubbele van een jaar eerder.
Daardoor was de vrije kasstroom negatief: -$5,86 miljard. Vrije kasstroom is wat er overblijft nadat de bouwrekeningen zijn betaald.
Dat cijfer was in maart nog +$10,1 miljard. In december was het zelfs +$24,6 miljard.
Het gat werd in juni gevuld door $49,6 miljard aan nieuwe aandelen te verkopen. Alphabet leende nog eens $20,3 miljard.
De langlopende schuld verdubbelde in zes maanden van $46,5 miljard naar $98,2 miljard.
In de cijfers is te zien dat het gezamenlijke AI-onderzoek $5,79 miljard verlies opleverde, fors meer dan de $3,37 miljard eerder. Geduld heeft nu dus een prijskaartje.
Hier moet je op letten in de komende 30 dagen
- Of Gemini 3.5 Pro uitkomt, en hoe het scoort
- Of DeepMind resultaten van wereldmodellen laat zien bij Gemini 4
- Of de kasstroom van Alphabet in september weer positief wordt
- Of Hassabis direct antwoord geeft op de vraag over zelfverbetering
Gemini 4 wordt de echte test. Als wereldmodellen werken waar codeeragents stoppen, lijkt het langzame tempo slim in plaats van angstig.
Het volgende kwartaalrapport laat zien hoelang Alphabet kan blijven betalen om het uit te zoeken.
