OpenAI's nieuwste model herkent fouten op foto's, Airbnb krijgt er breder toegang toe

OpenAI heeft een nieuwe overeenkomst met Airbnb bekendgemaakt waarbij de engineering- en productteams van het reisplatform bredere toegang krijgen tot de nieuwste AI-modellen van OpenAI, waaronder het model GPT-6 Astra. Los van die zakelijke deal blijkt uit een onafhankelijke test dat datzelfde model sterk verbeterd is in het herkennen van fouten op foto’s, een vaardigheid die verder gaat dan tekst schrijven of code maken.

Wat is er precies veranderd bij Airbnb?

Airbnb gebruikte OpenAI’s technologie al langer voor interne software-ontwikkeling, via een eigen AI-assistent die is gebouwd op modellen als Codex en eerdere versies van OpenAI’s taalmodellen. Met de nieuwe overeenkomst krijgen specifiek de ontwikkel- en productteams van Airbnb toegang tot een breder gamma van OpenAI’s nieuwste modellen, waaronder GPT-6 Astra. Die toegang loopt zowel via OpenAI zelf als via Amazon’s clouddienst Bedrock.

Volgens Airbnb’s technisch directeur Ahmad Al-Dahle brengen de ontwikkelteams daardoor ongeveer 80 procent meer functies uit dan een jaar geleden. Dat is een cijfer van Airbnb zelf, geen onafhankelijk gemeten resultaat, en het is niet duidelijk hoeveel daarvan specifiek aan Astra te danken is versus aan andere factoren zoals meer personeel of eerdere AI-tools. OpenAI’s eigen topman voor omzet, Dali Rajic, noemt de samenwerking een manier om Airbnb sneller van idee naar werkend product te laten gaan.

Los van deze specifieke uitbreiding zet Airbnb AI-modellen ook al in bij andere onderdelen van zijn dienstverlening, zoals zoekopdrachten van gebruikers, het opsporen van fraude, klantenservice voor gasten en gastheren, en de afhandeling van verzekeringsclaims. Naarmate Airbnb meer diensten in één app samenbrengt, zoals woningen, ervaringen, luchthaventransfers en autoverhuur, wil het bedrijf zulke AI-modellen ook daar verder inzetten.

Wat kan dit model dat vorige versies niet konden?

Onafhankelijk onderzoek van Epoch AI laat zien dat GPT-6 Astra sterk gegroeid is in een heel andere vaardigheid: het herkennen van fouten op foto’s. Voor een test genaamd de Furniture Assembly Benchmark werden foto’s genomen van drie IKEA-meubelstukken die tijdens het monteren met opzet fout in elkaar werden gezet. AI-modellen moesten die foto’s vergelijken met de originele instructies en aanwijzen wat er verkeerd ging.

In november 2025 haalde het beste model op die test, Claude Opus 4.5 van Anthropic, een score van 28 procent. Tien maanden later scoort GPT-6 Astra 80 procent, weliswaar met ongeveer drie minuten verwerkingstijd per foto. Andere recente modellen zoals Claude Fable 5.1 en Claude Opus 5 volgen met 70 en 61 procent. Chinese open modellen zoals Kimi K3 lopen volgens de onderzoekers minstens zeven maanden achter op de koplopers.

De onderzoekers benadrukken dat de technologie nog te traag is om iemand tijdens het monteren zelf te helpen, maar dat ze zich kan ontwikkelen tot een hulpmiddel bij bijvoorbeeld herstellingen aan auto’s of huishoudtoestellen. Ze wijzen er ook op dat modellen tot voor kort veel eenvoudigere visuele taken nog niet aankonden, wat de vooruitgang extra opvallend maakt.

Kan ik dit als ondernemer nu al gebruiken?

Niet rechtstreeks. Geen van beide bronnen vermeldt een consumentenversie of een eenvoudig toegankelijk product waarmee een kmo dit vandaag zelf kan inzetten. De Airbnb-deal is een zakelijke overeenkomst tussen twee grote bedrijven, en de foutherkenning op foto’s is een testresultaat uit onderzoek, geen commercieel beschikbare functie. Er is ook geen informatie beschikbaar over de kostprijs van toegang tot GPT-6 Astra voor kleinere bedrijven, of over hoe snel dergelijke visuele controlefuncties in gangbare software terecht zullen komen. Dat gebrek aan concrete, onafhankelijke cijfers over prijs en beschikbaarheid is iets wat de bronnen zelf niet invullen.

Wat wel duidelijk wordt, is de richting: grote AI-modellen worden niet alleen beter in taal en code, maar ook in het begrijpen van beelden op een manier die verder gaat dan simpele objectherkenning. Dat is relevant voor sectoren waar visuele controle nu nog veel mensenwerk kost, zoals kwaliteitscontrole in productie, logistiek of technische dienstverlening.