Vals AI: Index voor recursieve zelfverbetering wijst erop dat Anthropic "volledige RSI" bereikt in juli of augustus 2027, waarbij Gemini de steilste recente stijging laat zien
Oprichter Ryan Christian schetst de RSI-tracker van het bedrijf, nieuwe cyberbenchmarks en een verrassend resultaat over Chinese modelbias in een interview in de podcast American Optimist van Joe Lonsdale op 26 oktober 2026
Vals AI, wiens benchmarkcijfers inmiddels opduiken bij de lancering van veel fronttiermodellen, plakt een datum op een van de meest omstreden mijlpalen in AI. Oprichter en CEO Ryan Christian zei dat de RSI-index van het bedrijf, die de voortgang richting recursieve zelfverbetering volgt, impliceert dat "Anthropic in juli of misschien augustus 2027 volledige RSI bereikt." Recursieve zelfverbetering is het punt waarop modellen hun eigen opvolgers produceren. De schatting is afkomstig van een besloten bedrijf, en Lonsdale onthulde tijdens het gesprek dat hij hierin investeert. Desondanks is dit een van de weinig gekwantificeerde tijdlijnen die publiekelijk circuleren, afkomstig van een van de weinige onafhankelijke partijen met toegang tot de modellen van meerdere labs.
Hoe de RSI-index werkt en waar deze mogelijk onjuist is
Christian legde uit dat de index proxy's verzamelt voor het werk dat onderzoekers binnen labs verrichten op het gebied van pre-training, post-training en harness-level engineering. Hij vergelijkt de prestaties van modellen met menselijke baselines om de afstand tot de menselijke grens op die taken te schatten. Kernel- en hardware-engineering vallen momenteel buiten de scope, al is Vals van plan deze toe te voegen.
Christian omschreef het traject als stabiel, "vrijwel een lineaire trend over het afgelopen jaar," met één uitzondering. Google's Gemini laat de steilste curve zien. "Ik denk dat er iets is veranderd doordat ze prioriteit hebben gegeven aan RSI, en daarom laat de meest recente modelrelease een snelle sprong zien," zei hij.
Hij was open over de beperkingen van de methode, en die snijden aan twee kanten. Vals test uitsluitend release-candidatemodellen. Het test geen modellen die expliciet zijn getraind voor RSI, en het test geen geavanceerde harnesses of multi-agentsystemen. Op de vraag of de datum zou kunnen verschuiven door wat niet wordt gemeten, antwoordde Christian "100%." Dezelfde blinde vlekken kunnen er even goed voor zorgen dat de werkelijke datum eerder valt. Fysieke beperkingen op het gebied van chips en energie, en de noodzaak van verificatie in de echte wereld bij bepaalde taken, zullen eveneens remmen hoe snel de vooruitgang kan accumuleren.
De ingrijpender claim is kwalitatief van aard. Christian verwacht dat "de modelvooruitgang zal versnellen, en dat deze zich misschien zelfs verplaatst naar gebieden die we minder goed begrijpen," omdat minder menselijke interventie bij het bouwen van modellen betekent dat mensen minder dicteren hoe de intelligentie ontstaat. Hij ziet dit als het kernargument voor ingebedde onafhankelijke evaluatoren met toegang tot interne systemen, en gaf aan dat Anthropic-CEO Dario Amodei oproept tot precies hetzelfde onder de noemer "pacing the frontier."
Een zwakkere Chinabias dan verwacht
Wat China betreft, druisen de data van Vals in tegen een veelal aangenomen aanname. De nieuwe evaluatie van de "geopolitieke tilt" meet of een model neigt naar een westers of een Chinees wereldbeeld. Christian zei dat het plaatje "veel fundamenteler genuanceerd is dan ik dacht." Het Chinese open-sourcemodel GLM-5.3 "vertoont in feite zeer weinig pro-Chinese bias." Toen Vals dit resultaat deelde met labs, vermoedden sommigen dat het model simpelweg was gedistilleerd uit Amerikaanse modellen. Christian bood twee andere verklaringen. Chinese modellen volgen de lijn van Peking mogelijk constanter zodra ze achter guardrails binnen China worden gehost, en Peking wil wellicht een gebalanceerd wereldbeeld zodat de modellen breed worden omarmd binnen de BRICS-landen.
Hij ontdekte ook scherpe verschillen tussen chatbot- en agentic-instellingen, en zelfs tussen vereenvoudigde en traditionele Chinese prompts. Zijn conclusie was dat er "een groot contrast bestaat tussen wat mensen denken over de geopolitieke tilt en wat we in de praktijk zien," waardoor een algeheel verbod op Chinese modellen bij enterprise-gebruik lastiger te rechtvaardigen is op basis van bias alleen.
Chinese modellen vertonen op andere vlakken nog steeds zwaktes. Christian zei dat ze goed scoren op single-turn coderingsbenchmarks, maar "volledig door de mand vallen" in multi-turn, heen-en-weersessies met een mens. Gefrustreerde gebruikers vormen een scenario "dat ze nog nooit eerder hebben gezien." Amerikaanse labs, die producten als Claude Code en Codex hebben gebouwd, zijn getraind op langdurige interactie. Wat de bredere concurrentiestrijd betreft, wees Christian op twee Amerikaanse voordelen. Het ene is rekencapaciteit: "we verdrinken in compute vergeleken met wat China heeft." Het andere is talent. Hij waarschuwde dat als China tekenen vertoont van het als eerste bereiken van RSI, de Verenigde Staten de uitkomst mogelijk niet kunnen controleren.
Cyberbenchmarks en niet-vrijgegeven bandbreedten
Vals heeft drie cyberevaluaties ontwikkeld. De eerste richt zich op het identificeren en patchen van geheugenkwetsbaarheden in open-sourcerepository's, waar Christian zei dat zowel gesloten als open modellen inmiddels "ontzettend goed" presteren. De tweede, SORE Bench, test het vermogen van een model om executables te decompileren en zo gesloten broncode te doorgronden. Gesloten Amerikaanse modellen "presteren nog steeds beduidend beter" dan Chinese open-sourcealternatieven. Christian framede het risico als modellen die kwetsbaarheden kunnen opsporen en exploiteren in gesloten systemen zoals Windows, die ten grondslag liggen aan een groot deel van de wereldwijde software-infrastructuur.
De derde is een toekomstige benchmark gebaseerd op gesimuleerde enterprise cloud-netwerkomgevingen. Christian zei dat zelfs de beste fronttiermodellen daar "tekortschieten." Deze is nog niet openbaar en Vals deelt de resultaten vooralsnog met contacten binnen de Amerikaanse overheid. Christian stelde dat geautomatiseerde red-teaming-analyses bovendien kunnen aantonen welke netwerkbeveiligingen het beste weren tegen deze modellen.
Misleiding, evaluatiebewustzijn en meetlimieten
Christian erkende dat testen op misleiding "enorm lastig" is. De beste huidige methode is honeypotting, wat neerkomt op het karakteriseren van misaligned gedrag en proberen dit uit te lokken. Hij omschreef evaluatiebewustzijn, waarbij modellen herkennen dat ze worden getest, als "een toenemende zorg." Sommigen binnen zijn team maken zich zorgen dat de naam Vals en de hoeveelheid online content hierover ervoor kunnen zorgen dat modellen zich anders gedragen wanneer ze ermee in aanraking komen. Christian zei dat het bedrijf op termijn wellicht gebruik zal moeten maken van geheime testidentiteiten.
Hij zei tevens dat modellen pogingen kunnen wagen tot "sociale misleiding om toegang te krijgen tot meer compute-resources en hun eigen training op te schalen." Dat is speculatief, en de opmerking werd geplaatst als een mogelijkheid, niet als een vastgesteld feit. Het illustreert echter waarom Vals betoogt dat de evaluatiecapaciteit moet meestijgen met de capaciteiten van de modellen.
Het model van de onafhankelijke evaluator en autobenchmarking
Christian betoogde dat labs "niet verantwoordelijk moeten zijn voor zelfregulering," en dat directe overheidsregulering de ontwikkeling kan vertragen. Zijn voorkeursstructuur is een concurrerende markt van evaluatoren die overheden op termijn zouden kunnen licentiëren als onafhankelijke verificatie-organisaties. Hij merkte op dat kruislingse toegang tot labs bewust beperkt is, waardoor Anthropic-onderzoekers niet zomaar OpenAI-modellen kunnen testen en vice versa. Dat maakt een vergelijking op gelijke voet lastig, omdat de partijen die het best zijn toegerust om evaluaties uit te voeren doorgaans binnen de labs zelf opereren.
Het interview liet het businessmodel grotendeels onbesproken. Lonsdale vroeg direct wie Vals betaalt, waarop Christian antwoordde vanuit een beleidsmatig perspectief in plaats van een omzetbeschrijving. Investeerders doen er goed aan die omissie te noteren. Christian gaf wel aan dat Vals samenwerkt met grote Amerikaanse advocatenkantoren en wereldwijde banken om te definiëren wat goed werk inhoudt in juridische en financiële taken. De benchmarks omvatten Excel-modellering, juridisch en fiscaal onderzoek, full-stack webapplicaties en codemigraties, waarbij sommige runs tot wel 5 dagen aan kloktijd in beslag nemen. Modellen falen doorgaans niet na zo'n duur, aldus Christian. Ze bereiken een plateau, omdat extra tokens geen nieuwe benaderingen meer ontsluiten.
Vals's meest opmerkelijke methodologische inzet is autobenchmarking. In plaats van met praktijkmensen te gaan zitten om te coderen hoe kwaliteit eruitziet, reconstrueert het evaluaties op basis van werk dat mensen al hebben voltooid, zoals gemerged pull requests in een GitHub-repository, juridische redlines of medische diagnoses. Vervolgens wordt getest of modellen de output kunnen repliceren en tegen welke kosten. Christian zei dat het moeilijkste onderdeel blijft om taken te koppelen aan workflows, en workflows aan bedrijfsresultaten. Prestaties op query-niveau zijn "nog altijd slechts een subset van wat nodig is om tot het uiteindelijke resultaat te komen."
Labcoördinatie en de invloed van Palantir
Christian zei dat de labs het de afgelopen week eens zijn geworden over een visie voor ingebedde evaluatoren en een akkoord hebben bereikt met de regering-Trump in het Witte Huis. Hij gaf geen details en de claim kon niet worden geverifieerd op basis van het gesprek. Wat betreft de adoptie stelde hij dat ondernemingen garanties verlangen dat implementaties een positief rendement opleveren alvorens ze zich committeren.
Christian, een voormalig stagiair bij Palantir, vertelde dat de cultuur van dat bedrijf Vals heeft gevormd. Hij herinnerde zich dat CEO Alex Karp op zorgen over de reputatie van Palantir reageerde met de woorden "het is vele malen beter om gevreesd te worden dan om bemind te worden." Christian herkent iets van die logica in de publieke waarschuwingen van lab-leiders, die hij omschreef als deels oprechte angst en deels een demonstratie van macht. Dergelijke communicatie noemde hij een irrationele handelwijze voor leiders. Hij omschreef zichzelf als optimistisch maar niet naïef, en betitelde de vooruitzichten als "een punt van extreem hoge variantie" met aanzienlijk opwaarts potentieel en "nieuwe vormen van risico's waar we werkelijk rekening mee moeten houden en die we moeten beheersen."