Asta opent snellere AI voor literatuuronderzoek, maar broncontrole blijft nodig

Ai2 heeft op 2 oktober AstaBrief vrijgegeven: een downloadbaar AI-model dat wetenschappelijke bronnen samenbrengt in een rapport. Het draait ook in de Fast-modus van Asta. Voor studenten en onderzoekers in Nederland en België biedt dat een nieuwe keuze voor een eerste overzicht, met verwijzingen naar de gebruikte studies.

Ai2 meet voor het hele rapportproces gemiddeld 51,1 seconden met Fast, tegenover 178,5 seconden met de bestaande Thinking-modus. Dat is ongeveer 3,5 keer sneller. Het zijn metingen van de maker, geen onafhankelijke snelheidsproef. Het meeste kwaliteitsonderzoek stamt uit 2025; een volledige vergelijking met de nieuwste modellen ontbreekt.

Een eerste overzicht, geen afgerond onderzoek

Die snelheid maakt Fast vooral interessant wanneer je je op een onderwerp oriënteert. De huidige keuzeknop waarschuwt wel dat de antwoorden uitvoeriger kunnen zijn. Thinking wordt daar omschreven als gestructureerder en bondiger. Wie juist een compact overzicht wil, heeft dus nog een reden om die bestaande optie te kiezen. Wij hebben de beschikbare keuzes bekeken; we hebben zelf geen rapporten getest of de gemelde snelheid nagemeten.

Het achterliggende systeem zoekt naar relevante wetenschappelijke publicaties en brengt passages daaruit samen. De oorspronkelijke ScholarQA-publicatie uit 2025 beschrijft hoe je vanuit een bronverwijzing de titel, auteurs en vaak ook het relevante tekstfragment kunt openen. Voor een scriptie is dat de nuttige vervolgstap: controleer wat de studie werkelijk onderzocht voordat je een conclusie overneemt. Een rapport met verwijzingen helpt je op weg, maar neemt het lezen van de oorspronkelijke studies niet over.

Betere bronverwijzingen, geen winnaar op iedere taak

De modelkaart noemt Engels. De kwaliteit is geen eenduidige overwinning. In de computervragen van de maker verwijst AstaBrief duidelijk vaker naar ondersteunende bronnen dan het basismodel Qwen3-8B. De relevantie van de alinea’s scoort juist iets lager. Op een andere test voor langere onderzoeksoverzichten blijft AstaBrief achter bij zowel de bestaande ScholarQA-modus als DR-Tulu. Onze afweging: de gemelde tijdwinst is bruikbaar voor een eerste oriëntatie. Deze tests geven onvoldoende bewijs om andere werkwijzen bij ieder literatuuronderzoek te vervangen.

Zelf draaien vraagt meer dan downloaden

Een instelling kan het downloadbare model in een eigen omgeving inzetten. Dat biedt meer controle over de rapportmaker, maar is geen kant-en-klare lokale onderzoeksdienst. De openbare ScholarQA-code laat zien dat het zoeken naar publicaties, het ordenen ervan en het schrijven afzonderlijke onderdelen zijn. De standaardopzet gebruikt externe diensten en toegangssleutels. Voor vertrouwelijk onderzoek moet een universiteit daarom de hele inrichting beoordelen. Alleen het model downloaden bewijst niet dat alle documenten en vragen op de eigen computer blijven.

Ook de keuze van de kwaliteitstest telt. DeepScholar-Bench vraagt systemen een overzicht van verwant onderzoek te schrijven en beoordeelt zowel de samenhang als het zoeken en de controleerbaarheid van bronnen. Dat is een andere opdracht dan korte feitelijke vragen beantwoorden. De oorspronkelijke benchmarkpublicatie noemt zulke onderzoeksoverzichten nog een moeilijke, onopgeloste taak. Voor een student blijft de verstandige keuze daarom: gebruik het snelle rapport als vertrekpunt en beoordeel de gevonden publicaties zelf.