AI & computing › Generatieve AI & synthetische media
Anoniem account claimt lek van onuitgebracht Anthropic-AI-model
Op Hugging Face is een account opgedoken dat claimt een checkpoint te hebben gelekt van een nog onaangekondigd, extreem groot taalmodel van AI-bedrijf Anthropic. De upload trekt veel bekijks, maar Anthropic heeft niets bevestigd en de claim roept veel scepsis op.
Een gebruiker met de naam 'burner22' plaatste deze week op Hugging Face, een platform waar onderzoekers AI-modellen delen, bestanden die zouden horen bij een trainingscheckpoint van een onuitgebracht model van Anthropic. Het model zou intern de codenaam 'numbat' dragen en behoren tot wat de uploader de 'Mythos-klasse' noemt, een vermeende volgende generatie modellen bij het bedrijf achter de chatbot Claude.
Volgens de beschrijving gaat het om een gigantisch model: ongeveer 14 biljoen parameters, verdeeld over 114 ladesignon en 1.224 'experts' binnen een Mixture-of-Experts-architectuur. Dat is een ontwerp waarbij een model niet alle onderdelen voor elke taak gebruikt, maar steeds een select groepje gespecialiseerde deelnetwerken inschakelt. De bestanden zijn verspreid over 772 delen en zouden samen ruim 7,7 terabyte aan data bevatten, enorm veel ook voor AI-maatstaven.
Waarom twijfel gepast is
Er is geen onafhankelijke bevestiging dat de bestanden echt van Anthropic komen. Het account is anoniem, nieuw aangemaakt en vraagt expliciet om niet benaderd te worden met vragen over de herkomst van de bestanden. Dat is een klassiek kenmerk van een hoax: claims die niet te verifiëren zijn, maar wel overtuigend ogen door technische details. De uploader verwijst naar een eerder gemeld lek van broncode van Claude Code in maart 2026, waarin de naam 'numbat' zou zijn opgedoken in een codecommentaar. Die eerdere vondst is niet onafhankelijk bevestigd door Anthropic.
Opvallend is ook dat het om een tussentijds checkpoint zou gaan: een momentopname van een model terwijl het nog getraind wordt, zonder de latere verfijningsstappen zoals RLHF, waarbij een model na de ruwe training nog bijgeschaafd wordt met menselijke feedback. Zo'n tussenstand levert doorgaans geen bruikbare chatbot op, wat de vraag oproept waarom iemand zoiets zou willen lekken of nabouwen.
Wat als het klopt?
Als de claim toch waar zou zijn, zegt dat vooral iets over de richting waarin de grote AI-bedrijven denken: nog grotere modellen, met slimmere architecturen om het rekenwerk beheersbaar te houden. Technieken als quantisatie, waarbij getallen in een model met minder precisie worden opgeslagen, maken het mogelijk zulke enorme modellen toch op minder rekenchips te laten draaien. Zonder bevestiging van Anthropic zelf blijft dit voorlopig vooral een verhaal over AI-mythevorming op het internet, niet over een bevestigde doorbraak.
Achtergrond & begrippen
Wat betekent dit voor de toekomst? Of de claim nu klopt of niet, het laat zien hoe snel geruchten over steeds grotere AI-modellen zich verspreiden en hoe moeilijk die te verifiëren zijn. Mocht Anthropic daadwerkelijk aan een model van deze omvang werken, dan wijst dat op een verdere opschaling van AI-systemen de komende jaren, met bijbehorende vragen over rekenkracht, energieverbruik en veiligheid.
- Checkpoint
- Een opgeslagen tussenstand van een AI-model tijdens het trainen, die later weer ingeladen kan worden.
- Parameters
- De interne 'knoppen' van een AI-model die tijdens training worden afgesteld; meer parameters betekent meestal een groter en complexer model.
- Mixture-of-Experts
- Een modelontwerp waarbij niet het hele netwerk wordt gebruikt voor elke taak, maar een select aantal gespecialiseerde deelnetwerken ('experts').
- Pretraining
- De eerste, ruwe trainingsfase van een AI-model op grote hoeveelheden tekst, nog zonder verdere verfijning.
- RLHF
- Reinforcement Learning from Human Feedback: een trainingsstap waarbij een model na de basistraining wordt bijgeschaafd op basis van menselijke beoordelingen.
- Quantisatie
- Een techniek om de getallen in een AI-model met minder precisie op te slaan, waardoor het minder rekenkracht en geheugen nodig heeft.
- Tokenizer
- Het onderdeel van een taalmodel dat tekst omzet in kleine stukjes (tokens) die het model kan verwerken.
Bronnen
Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.
