Meta pauzeert training Watermelon-model: wat weten we?

TL;DR

• Wat: De pretraining van Meta's AI-model Watermelon is volgens berichten in juli stilgelegd, waardoor de lancering naar oktober verschuift.
• Waarom relevant: Meta's nieuwe model claimt op het niveau van OpenAI's GPT-5.5 te zitten — dat heeft directe gevolgen voor welke AI-tools straks beschikbaar zijn voor je bedrijf.
• Wat je ermee kunt: Houd er rekening mee dat AI-modellen op de planning kunnen verschuiven. Baseer toolkeuzes op wat nu beschikbaar en bewezen is, niet op aankondigingen.

Vanochtend stuitte ik op een bericht van @AndrewCurran_ dat verwijst naar berichtgeving van de New York Times: de pretraining van Meta's AI-model met de codenaam Watermelon zou in juli zijn stilgelegd, en daardoor is de lancering verschoven naar oktober. Ik vind het interessant genoeg om bij stil te staan, want dit raakt direct aan de vraag welke AI-tools straks beschikbaar zijn voor ondernemers.

Wat is Watermelon eigenlijk?

Watermelon is de interne codenaam van Meta's volgende grote AI-model. Het is de opvolger van Muse Spark — intern 'Avocado' genoemd — dat Meta in april 2026 uitbracht. Waar Muse Spark al behoorlijk krachtig was, zou Watermelon volgens Meta's eigen mensen op het niveau van OpenAI's GPT-5.5 zitten. Dat zei Alexandr Wang, het hoofd van Meta Superintelligence Labs, begin juli tegen medewerkers.

Een belangrijk detail: het model zou tien keer zoveel rekenkracht gebruiken als Avocado. In gewone taal: waar je vorig jaar misschien een halve serverfarm nodig had, heb je er nu vijf nodig. Dat soort schaalsprongen maakt training duurder, complexer — en kwetsbaarder voor onderbrekingen.

Benchmarks: niet onafhankelijk geverifieerd

Wat mij opvalt is dat de claim dat Watermelon GPT-5.5 evenaart, gebaseerd is op interne benchmarks. Welke benchmarks dat precies zijn, is niet bekendgemaakt, en er is geen onafhankelijke verificatie. Ik vind dat een relevant voorbehoud. In de AI-wereld zijn benchmarks een beetje als zelfrapportage bij een sollicitatie: informatief, maar je wilt het liefst ook een referentiecheck.

Waarom zou de training zijn gepauzeerd?

Volgens het bericht van Andrew Curran, verwijzend naar de New York Times, is de pretraining in juli stilgelegd. De reden is op dit moment niet openbaar — er wordt gesproken over "unknown reasons". Ik moet eerlijk zeggen dat ik het specifieke NYT-artikel niet heb kunnen traceren om dit onafhankelijk te verifiëren, dus ik behandel het als een nog niet breed bevestigd bericht.

Wat ik wél kan zeggen: Meta heeft een recente geschiedenis van vertragingen bij AI-modellen. Eerder in 2026 werd Avocado al uitgesteld omdat het model in interne tests niet kon meekomen met Google Gemini en Anthropic's modellen. Dat de training van het opvolgermodel nu ook vertraging oploopt, past in een patroon.

Mogelijke oorzaken

Alhoewel er geen officiële verklaring is, zijn er bij dit soort trainingsruns verschillende denkbare redenen voor een pauze:

• Technische problemen: bij modellen van deze schaal kunnen hardwarestoringen of instabiliteit in het trainingsproces optreden. Dat is niet ongewoon bij runs die maanden duren.
• Veiligheidsevaluaties: het kan zijn dat Meta tussentijds heeft besloten het model te evalueren op veiligheidsrisico's. OpenAI deed iets vergelijkbaars eerder deze maand — zij pauzeerden de training van hun Astra-model nadat het een interne veiligheidsdrempel overschreed.
• Strategische heroverweging: mogelijk wil Meta de architectuur of data aanpassen op basis van tussentijdse resultaten.

Ik wil benadrukken dat dit speculatie is — geen van deze redenen is bevestigd voor Watermelon.

Wat betekent dit voor de AI-markt?

Voor wie de AI-markt een beetje volgt, is het goed om te zien hoe de grote spelers op dit moment met elkaar concurreren. OpenAI heeft GPT-5.5, Google werkt aan Gemini-updates, Anthropic bouwt voort op Claude — en Meta probeert met Watermelon bij te blijven.

De verschuiving naar oktober is op zichzelf geen drama. Maar het laat wel iets zien: zelfs een bedrijf met Meta's middelen — honderden miljarden aan investeringen, eigen chipinfrastructuur — kan niet altijd leveren volgens planning. AI-ontwikkeling op deze schaal is onvoorspelbaar.

Hatch: Meta's betaalde AI-agent

Wat mij ook opviel in het onderzoek: Meta is volgens The Information van plan om rond dezelfde periode een betaald AI-agentplatform te lanceren met de codenaam Hatch. Dat zou de consumentenversie zijn van wat in de markt 'AI-agents' worden genoemd — software die namens jou taken uitvoert, zoals afspraken maken, onderzoek doen of documenten opstellen. Of Hatch ook op Watermelon gaat draaien of op het huidige Muse Spark-model, is nog onduidelijk.

Wat betekent dit voor jou als ondernemer?

Kun je je voorstellen dat je net hebt besloten om je klantenservice te automatiseren met een AI-tool die op Meta's technologie draait, en vervolgens schuift het onderliggende model een paar maanden op? Stel dat je als ondernemer nu kiest voor een AI-oplossing: dan is het verstandig om te kijken naar wat vandaag beschikbaar en bewezen is, niet naar wat over twee maanden misschien komt.

Een paar praktische overwegingen:

• Diversificeer je opties. Als je afhankelijk bent van één AI-leverancier of één model, loop je risico bij vertragingen. Kijk of je tooling modelonafhankelijk kunt inrichten.
• Wacht niet op de perfecte versie. Er komt altijd een beter model. De vraag is of je nu al waarde kunt halen uit wat beschikbaar is.
• Volg de releases, maar reageer op resultaten. Benchmarkclaims zijn leuk, maar wat telt is of een model jouw specifieke taak goed uitvoert. Test met je eigen data.

Een reflectie

Wat mij het meest bijblijft aan dit verhaal is niet de pauze zelf — dat is bij complexe technologieprojecten eerder regel dan uitzondering. Het is het contrast tussen de enorme beloftes en de weerbarstige praktijk. Meta claimt dat Watermelon op GPT-5.5-niveau zit, maar kan de training niet ononderbroken afronden. Dat is geen falen, dat is de realiteit van technologie op de grens van wat mogelijk is.

Voor mij is dit vooral een herinnering dat de AI-race niet gewonnen wordt door degene met de grootste aankondiging, maar door degene die daadwerkelijk levert. En als ondernemer is de les misschien wel: laat je niet meeslepen door de hype-cyclus, maar kijk naar wat vandaag werkt voor jouw bedrijf.