Quasar 438B is het nieuwe vlaggenschip-redeneermodel van Multiverse Computing, ontworpen voor agents en codering op ondernemingsniveau. Het model presteert uitzonderlijk goed op de Intelligence Index van Artificial Analysis, waarbij het andere Europese modellen zoals Mistral Medium 3.5 en NVIDIA Nemotron 3 Ultra overtreft.
Belangrijkste kenmerken:
- Snelheid en Efficiëntie: Het model is zeer snel en genereert 500 tokens in gemiddeld 15,3 seconden, wat het zeer geschikt maakt voor interactieve producten.
- Long-context Reasoning: Quasar scoort zeer hoog op de AA-LCR test, wat essentieel is voor documentanalyse en complexe agentische workflows.
- Toepassingen: Het model is gericht op software-ontwikkelingsagents, technische copilots en workflowautomatisering.
- Toegankelijkheid: Quasar ondersteunt Engels en Spaans en is beschikbaar via de CompactifAI API.
Hoewel het model sterk presteert in terminal-omgevingen (Terminal-Bench v2.1), blijft het in dit specifieke onderdeel nog achter bij frontier-modellen zoals Claude Opus 5, een gebied waar Multiverse Computing zich in de volgende ontwikkelingsronde op zal richten.
Introductie van Quasar 438B: Europa's Toonaangevende AI-model
Wat is Quasar 438B?
Quasar 438B is het vlaggenschip-redeneermodel van Multiverse Computing, specifiek gebouwd voor agents en codering op ondernemingsschaal. Het is het eerste grote model dat Multiverse Computing heeft uitgebracht. Het model werkt in het Engels en Spaans en scoort 43 op de Intelligence Index van Artificial Analysis, het hoogste resultaat van elk Europees model in dit segment.
De Intelligence Index v4.1.1 is een samenstelling van negen evaluaties:
- GDPval-AA v2
- $\tau^3$-Banking
- Terminal-Bench v2.1
- SciCode
- Humanity's Last Exam
- GPQA Diamond
- CritPt
- AA-Omniscience
- AA-LCR
Met een score van 43 staat Quasar voor Mistral Medium 3.5 (30), NVIDIA Nemotron 3 Ultra (38) en Inkling (42), in een veld dat wordt geleid door Claude Opus 5 (63).
Snelheid en Efficiëntie
Quasar is niet alleen intelligent, maar ook snel. Het model genereert 500 tokens, inclusief de denktijd, in 15,3 seconden. Slechts drie modellen in de vergelijking zijn sneller, en van die drie scoort alleen Gemini 3.7 Flash hoger op de index. Van de modellen die Quasar qua intelligentie overtreffen, antwoorden er slechts twee in minder dan 25 seconden; de rest doet er tussen de 38 en 156 seconden over.
Multiverse Computing heeft zich gefocust op het maken van AI die efficiënter en gemakkelijker inzetbaar is. Quasar brengt dit naar de klasse van 400B+ parameters: een redeneermodel voor taken met meerdere stappen die planning, toolgebruik, code-uitvoering en een grote context vereisen, zonder de latentie die normaal gesproken bij deze klasse hoort.
Het model is beschikbaar via de CompactifAI API, zodat teams het kunnen testen zonder zelf infrastructuur op te hoeven zetten.
Gedetailleerde Analyse van de Prestaties
Het hoogst scorende Europese model
Op de samengestelde index scoort Quasar 43. Dit is 13 punten meer dan Mistral Medium 3.5 en 5 punten meer dan Nemotron 3 Ultra, ondanks dat dat laatste model 112 miljard meer parameters heeft.
Snelheid van frontier-klasse
Quasar voltooit een reactie van 500 tokens in 15,3 seconden. Ter vergelijking:
- Nemotron 3.5 Lightning: 9,4s (score 24)
- Gemini 3.5 Flash-Lite: 10,8s (score 37)
- Gemini 3.7 Flash: 11,5s (score 56)
Alleen Gemini 3.7 Flash is zowel sneller als krachtiger. Wanneer we kijken naar de verhouding tussen score en snelheid, wordt het verschil groter:
- Mistral Medium 3.5: score 30, tijd 18,8s.
- Nemotron 3 Ultra: score 36, tijd 25,7s.
- Inkling: score 42, tijd 48,3s (meer dan het dubbele van Quasar).
Tegenover Mistral Medium 3.5 is Quasar op beide assen superieur: een hogere score (43 tegenover 30) en een snellere reactietijd (15,3s tegenover 18,8s).
Redeneren over lange context
Quasar scoort 75,0 op AA-LCR, een test die het vermogen meet om informatie uit lange documenten te extraheren, te verbinden en hierover te redeneren. Hiermee is het model gelijk aan Grok 4.6 (high) (75,0) en ligt het binnen één punt van Claude Opus 5 (75,7) en Qwen3.8 2.4T A95B (75,3). Quasar leidt Nemotron 3 Ultra met 4,0 punten en Mistral Medium 3.5 met 9,7. Deze capaciteit is essentieel voor ondernemingsonderzoek, documentanalyse en agentische workflows.
Agentisch coderen en terminal-werk
Op Terminal-Bench v2.1, waarbij agents worden getest in echte terminalomgevingen, scoort Quasar 69,3. Het model leidt Mistral Medium 3.5 met 18,7 punten en Nemotron 3 Ultra met 15,4, maar blijft achter bij de frontier-groep geleid door Claude Opus 5 (89,1). Dit is het gebied waar Quasar de meeste ruimte voor verbetering heeft en waar de volgende ontwikkelingsronde zich op zal richten.
Gebouwd voor agents en codering op ondernemingsniveau
Quasar is ontworpen voor organisaties die gebruikmaken van:
- Software-ontwikkelingsagents
- Technische copilots
- Researchesystemen
- Workflowautomatisering
De resultaten op Terminal-Bench en long-context ondersteunen agents die context moeten behouden, acties moeten coördineren en complexe taken in meerdere stappen moeten uitvoeren. Dankzij de korte responstijd kunnen deze processen worden geïntegreerd in interactieve producten in plaats van alleen in batch-taken.
De ondersteuning voor zowel Engels als Spaans maakt Quasar tot een praktische basis voor Europese en internationale ondernemingen die behoefte hebben aan redeneervermogen zonder de inzet te beperken tot één enkele taal. Het model kan worden ingezet in engineering, operations en kenniswerk, waar nauwkeurigheid, context en betrouwbare taakuitvoering bepalend zijn voor het resultaat.
Introductie van Quasar 438B: Europa's Toonaangevende AI-model
Wat is Quasar 438B?
Quasar 438B is het vlaggenschip-redeneermodel van Multiverse Computing, specifiek gebouwd voor agents en codering op ondernemingsschaal. Het is het eerste grote model dat Multiverse Computing heeft uitgebracht. Het model werkt in het Engels en Spaans en scoort 43 op de Intelligence Index van Artificial Analysis, het hoogste resultaat van elk Europees model in dit segment.
De Intelligence Index v4.1.1 is een samenstelling van negen evaluaties:
- GDPval-AA v2
- $\tau^3$-Banking
- Terminal-Bench v2.1
- SciCode
- Humanity's Last Exam
- GPQA Diamond
- CritPt
- AA-Omniscience
- AA-LCR
Met een score van 43 staat Quasar voor Mistral Medium 3.5 (30), NVIDIA Nemotron 3 Ultra (38) en Inkling (42), in een veld dat wordt geleid door Claude Opus 5 (63).
Snelheid en Efficiëntie
Quasar is niet alleen intelligent, maar ook snel. Het model genereert 500 tokens, inclusief de denktijd, in 15,3 seconden. Slechts drie modellen in de vergelijking zijn sneller, en van die drie scoort alleen Gemini 3.7 Flash hoger op de index. Van de modellen die Quasar qua intelligentie overtreffen, antwoorden er slechts twee in minder dan 25 seconden; de rest doet er tussen de 38 en 156 seconden over.
Multiverse Computing heeft zich gefocust op het maken van AI die efficiënter en gemakkelijker inzetbaar is. Quasar brengt dit naar de klasse van 400B+ parameters: een redeneermodel voor taken met meerdere stappen die planning, toolgebruik, code-uitvoering en een grote context vereisen, zonder de latentie die normaal gesproken bij deze klasse hoort.
Het model is beschikbaar via de CompactifAI API, zodat teams het kunnen testen zonder zelf infrastructuur op te hoeven zetten.
Gedetailleerde Analyse van de Prestaties
Het hoogst scorende Europese model
Op de samengestelde index scoort Quasar 43. Dit is 13 punten meer dan Mistral Medium 3.5 en 5 punten meer dan Nemotron 3 Ultra, ondanks dat dat laatste model 112 miljard meer parameters heeft.
Snelheid van frontier-klasse
Quasar voltooit een reactie van 500 tokens in 15,3 seconden. Ter vergelijking:
- Nemotron 3.5 Lightning: 9,4s (score 24)
- Gemini 3.5 Flash-Lite: 10,8s (score 37)
- Gemini 3.7 Flash: 11,5s (score 56)
Alleen Gemini 3.7 Flash is zowel sneller als krachtiger. Wanneer we kijken naar de verhouding tussen score en snelheid, wordt het verschil groter:
- Mistral Medium 3.5: score 30, tijd 18,8s.
- Nemotron 3 Ultra: score 36, tijd 25,7s.
- Inkling: score 42, tijd 48,3s (meer dan het dubbele van Quasar).
Tegenover Mistral Medium 3.5 is Quasar op beide assen superieur: een hogere score (43 tegenover 30) en een snellere reactietijd (15,3s tegenover 18,8s).
Redeneren over lange context
Quasar scoort 75,0 op AA-LCR, een test die het vermogen meet om informatie uit lange documenten te extraheren, te verbinden en hierover te redeneren. Hiermee is het model gelijk aan Grok 4.6 (high) (75,0) en ligt het binnen één punt van Claude Opus 5 (75,7) en Qwen3.8 2.4T A95B (75,3). Quasar leidt Nemotron 3 Ultra met 4,0 punten en Mistral Medium 3.5 met 9,7. Deze capaciteit is essentieel voor ondernemingsonderzoek, documentanalyse en agentische workflows.
Agentisch coderen en terminal-werk
Op Terminal-Bench v2.1, waarbij agents worden getest in echte terminalomgevingen, scoort Quasar 69,3. Het model leidt Mistral Medium 3.5 met 18,7 punten en Nemotron 3 Ultra met 15,4, maar blijft achter bij de frontier-groep geleid door Claude Opus 5 (89,1). Dit is het gebied waar Quasar de meeste ruimte voor verbetering heeft en waar de volgende ontwikkelingsronde zich op zal richten.
Gebouwd voor agents en codering op ondernemingsniveau
Quasar is ontworpen voor organisaties die gebruikmaken van:
- Software-ontwikkelingsagents
- Technische copilots
- Researchesystemen
- Workflowautomatisering
De resultaten op Terminal-Bench en long-context ondersteunen agents die context moeten behouden, acties moeten coördineren en complexe taken in meerdere stappen moeten uitvoeren. Dankzij de korte responstijd kunnen deze processen worden geïntegreerd in interactieve producten in plaats van alleen in batch-taken.
De ondersteuning voor zowel Engels als Spaans maakt Quasar tot een praktische basis voor Europese en internationale ondernemingen die behoefte hebben aan redeneervermogen zonder de inzet te beperken tot één enkele taal. Het model kan worden ingezet in engineering, operations en kenniswerk, waar nauwkeurigheid, context en betrouwbare taakuitvoering bepalend zijn voor het resultaat.
Groetjes,