Flower Labs zet een nieuw
AI-model tegenover de zwaarste namen van dit moment. Endeavor 1.0 moet frontierprestaties combineren met iets wat bedrijven steeds vaker willen: het model binnen hun eigen omgeving kunnen draaien.
De inzet is daarmee groter dan een benchmarkwedstrijd.
Flower probeert bedrijven een uitweg te bieden uit volledige afhankelijkheid van één gesloten AI-aanbieder.
Endeavor 1.0 gaat beperkt live
Het model is beschikbaar als preview voor een geselecteerde groep organisaties en partners.
Klanten kunnen kiezen tussen een beheerde dienst van Flower en private deployment.
Bij die tweede optie draait Endeavor binnen een omgeving waar de organisatie zelf controle over houdt.
Dat kan vooral aantrekkelijk zijn voor bedrijven die gevoelige data of interne processen niet permanent via een externe model-API willen laten lopen.
Flower zet zware benchmarks op tafel
Flower positioneert Endeavor rechtstreeks tegenover modellen van
OpenAI en Anthropic.
- 92,0 op GPQA;
- 98,2 op HumanEval;
- 99,9 op AIME 2026.
IFEval komt uit op 94,1.
Op HumanEval zet Flower Endeavor boven GPT-5.6 Sol, Claude Fable 5, Kimi K3 en Nemotron 3 Ultra.
Op AIME 2026 eindigen Endeavor, GPT-5.6 Sol en Claude Fable 5 volgens dezelfde vergelijking gelijk.
Benchmarks zijn niet het hele verkoopargument
Flower maakt zelf duidelijk dat vier tests niet bepalen hoe bruikbaar een model in een bedrijf is.
Daarom kijkt het bedrijf ook naar langdurige taken.
Endeavor is gebouwd voor agents die meerdere stappen achter elkaar uitvoeren, tools gebruiken en tussentijds fouten moeten herkennen.
Flower gebruikt daarvoor ook FlowerBench.
Die evaluatie werkt met taken die door deelnemende organisaties zelf worden aangeleverd en binnen hun eigen omgeving blijven.
Dat moet beter laten zien hoe modellen omgaan met echte bedrijfsprocessen.
Private deployment kan doorslag geven
Daar zit de interessantere aanval op grote gesloten AI-platforms.
Bedrijven kunnen een krachtig model eenvoudig via een API afnemen.
Maar hoe meer processen rond die API worden gebouwd, hoe moeilijker overstappen kan worden.
Agents krijgen toegang tot interne data.
Software wordt rond specifieke modelinterfaces gebouwd.
Evaluaties en beveiligingsregels worden afgestemd op dezelfde leverancier.
Flower verkoopt Endeavor juist als model dat organisaties dichter naar zich toe kunnen trekken.
Agents maken leveranciersafhankelijkheid duurder
Een chatbot vervangen is relatief simpel.
Een agent vervangen kan heel andere gevolgen hebben.
Zo'n systeem kan gekoppeld zijn aan databases, bedrijfssoftware, documenten en interne tools.
Het kan bovendien workflows uitvoeren die uren of dagen duren.
Wanneer al die onderdelen rond één gesloten model zijn gebouwd, groeit de technische afhankelijkheid.
Flower probeert daar een alternatief tegenover te zetten.
De organisatie kan beginnen met Flower als dienst en gevoelige workloads later binnen de eigen omgeving plaatsen.
Voor financiële bedrijven telt dat extra zwaar
Banken, handelsbedrijven en cryptoplatforms verwerken data die niet zomaar overal terecht mag komen.
Een AI-agent die openbare marktinformatie samenvat vormt weinig risico.
Een agent die klantgegevens analyseert of transacties voorbereidt is iets anders.
Dan worden toegangsrechten en databeheer belangrijker.
Hetzelfde geldt wanneer een agent uiteindelijk toegang krijgt tot een
wallet.
Wie een model draait is dan niet alleen een technische keuze.
Het kan rechtstreeks raken aan wie gevoelige informatie kan verwerken.
Geld uitgeven maakt controle nog belangrijker
De volgende stap komt wanneer agents economische handelingen uitvoeren.
Een agent kan een API inkopen, een dienst bestellen of een betaling voorbereiden.
Stablecoins passen technisch goed in zulke digitale geldstromen omdat ze continu kunnen bewegen.
Een
blockchain kan daarna vastleggen welke transactie werkelijk is uitgevoerd.
Maar het model dat de actie besloot uit te voeren blijft een aparte beveiligingslaag.
Daar kan controle over de eigen AI-omgeving extra gewicht krijgen.
Flower kiest andere aanval dan schaal
Flower zal OpenAI, Anthropic en Google niet snel verslaan op pure omvang.
Die bedrijven beschikken over enorme rekenbudgetten, distributie en miljoenen gebruikers.
Endeavor kiest daarom een andere route.
Sterke modelprestaties moeten worden gecombineerd met meer vrijheid over waar het systeem draait.
Dat kan vooral bij zakelijke AI aanslaan.
De strijd gaat dan niet alleen om wie het slimste model heeft, maar ook om hoeveel macht een bedrijf bereid is aan de leverancier van dat model af te staan.