Alibaba leidt ronde van 300 miljoen in testlab UniPat

Alibaba leidt een financieringsronde van 300 miljoen dollar in UniPat AI, een Chinees bedrijf dat AI-modellen test en benchmarkt. Dat meldde Bloomberg op 10 september op basis van ingewijden. De ronde waardeert het bedrijf op 2,5 miljard dollar, terwijl UniPat pas eind 2025 werd opgericht.

Tencent doet mee in de ronde, net als bestaande investeerder HSG, het voormalige Sequoia China. Oprichter Li Kuan werkte eerder bij Tongyi Lab, het AI-onderzoekslab van Alibaba zelf. Techmeme en Asia Tech Review pikten het bericht dezelfde dag op.

Wat UniPat precies doet

UniPat bouwt geen eigen taalmodel. Het bedrijf maakt de testsets waarmee anderen hun modellen beoordelen: benchmarks voor codeeragents die software-engineeringtaken uitvoeren, voor browseragents die alledaagse webhandelingen afwerken, en voor multimodale modellen die visuele redeneerpuzzels moeten oplossen. Daarnaast levert UniPat door mensen gemaakte data, schaars materiaal nu labs door hun voorraad publiek internet heen zijn.

Die combinatie verklaart de prijs. Wie de meetlat maakt, ziet als eerste waar modellen falen, en dat inzicht is voor een partij als Alibaba minstens zo waardevol als de meetresultaten zelf.

Waarom benchmarks ineens geld waard zijn

Het testen van AI-modellen was jarenlang academisch werk met open datasets en weinig budget. Dat verandert nu modellen elkaar op scores van tienden van procenten beconcurreren. Toen OpenAI eerder zijn benchmarkopgaven aanpaste ontstond meteen discussie over vergelijkbaarheid, en bij de lancering van SWE-2 van Cognition waren de scores op FrontierCode en Terminal-Bench het belangrijkste verkoopargument.

Oude benchmarks raken bovendien snel verzadigd. Modellen halen bijna perfecte scores, deels omdat de opgaven in de trainingsdata terecht zijn gekomen. Een partij die doorlopend nieuwe, ongepubliceerde opgaven maakt lost dat probleem op, tegen betaling.

Chinese labs kopen zich in bij de meetlat

Alibaba en Tencent investeren allebei fors in eigen modellen. Alibaba zette recent nog Qwen-Drive vrij als open source. Tegelijk zit er druk op de Chinese AI-sector: DeepSeek concurreert op prijs en Peking wil de rekenkracht tot 2030 verviervoudigen. In die race is onafhankelijke evaluatie schaars, en wie erin investeert koopt een blik op het hele veld.

Wat betekent dit

Voor Nederlandse organisaties die AI inkopen zit de les niet in het bedrag, maar in wat eronder ligt. Benchmarkscores in een verkooppraatje zeggen weinig zolang je niet weet wie de test heeft gemaakt en of het model die test eerder heeft gezien. Stel die vraag bij een leverancier, of beter: bouw een kleine eigen testset met taken uit je eigen praktijk. Dat kost een middag en zegt meer dan een percentage op een slide. Dat investeerders 2,5 miljard dollar over hebben voor een bedrijf van nog geen jaar oud dat alleen maar meet, geeft aan hoe onbetrouwbaar de bestaande cijfers inmiddels zijn.