Een nieuwe manier van denken
Stel je voor: een AI die niet alleen antwoord geeft op vragen, maar ook de kunst beheerst die voor onderzoekers zo vertrouwd is — eerst een ruwe schets maken, daarna stap voor stap herschrijven, aanvullen en perfectioneren. Precies dat idee schuilt achter Google’s nieuwste innovatie: Test-Time Diffusion Deep Researcher (TTD-DR).
Deep researcher with test-time diffusionThis approach achieves new state-of-the-art results in writing long-form research reports and completing complex reasoning tasks. |
De eerste ruwe versie
Wanneer een gebruiker een vraag stelt, maakt de AI niet meteen een definitief antwoord. In plaats daarvan schrijft TTD-DR een concept — een soort eerste versie die nog vol hiaten zit. Het is te vergelijken met een student die een eerste opzet van zijn scriptie maakt: nog rommelig, maar wel met een duidelijke richting.
Het plan achter de schermen
Voordat er woorden op papier komen, bedenkt de agent eerst een onderzoeksplan. Welke deelvragen moeten beantwoord worden? Welke onderwerpen mogen niet ontbreken? Pas als die route is uitgestippeld, gaat TTD-DR verder met zoeken en schrijven.
Zoeken, vinden en samenvatten
De kracht van dit systeem zit in de manier waarop het informatie verzamelt.
- Eén onderdeel van de agent formuleert slimme zoekopdrachten.
- Een ander deel haalt documenten op, vat ze samen en legt de essentie vast.
Al die stukjes informatie worden samen het fundament van het uiteindelijke rapport.
Zelf leren van fouten
Maar TTD-DR gaat nog verder. Het systeem maakt meerdere versies van eenzelfde stuk tekst en laat een beoordelaar (ook een AI-model) bepalen wat het sterkst is. Vervolgens verbetert het de zwakke punten. Zo lijkt het proces verrassend veel op de manier waarop mensen feedback krijgen en daaruit leren.
Revisie met nieuwe feiten
Het meest vernieuwende aspect is de diffusie op rapportniveau. De AI bekijkt zijn eigen draft alsof het een docent is: waar mist nog bewijs? Waar zijn de argumenten te dun? Daarna gaat het opnieuw op zoek naar relevante bronnen om de tekst sterker te maken. Dit cyclische proces wordt herhaald tot er een vloeiend, goed onderbouwd rapport ligt.
De proef op de som
Google testte TTD-DR op uitdagende benchmarks. Lange onderzoeksrapporten, multi-hop vragen waar meerdere denkstappen voor nodig zijn — telkens kwam de agent sterker uit de bus dan eerdere systemen. In sommige tests behaalde het een winrate van bijna 75%. Daarmee overtrof het zelfs de bekende Deep Research-aanpak van andere spelers in het veld.
Waarom werkt dit zo goed?
Het geheim zit in de combinatie van twee strategieën:
- Draft-first: altijd beginnen met een schets, zodat de grote lijn nooit verloren gaat.
- Iteratieve revisie: elke ronde scherper, met feedback én nieuwe feiten.
Dat maakt de teksten niet alleen vollediger, maar ook consistenter en betrouwbaarder.
Van lab naar praktijk
Google heeft inmiddels aangekondigd dat TTD-DR niet in de la blijft liggen. De technologie komt beschikbaar via Google Agentspace en de Agent Development Kit op Google Cloud. Daarmee kunnen bedrijven en onderzoekers er zelf mee aan de slag — van wetenschappelijke publicaties tot beleidsrapporten.
Een blik vooruit
TTD-DR is geen eindpunt maar een begin. Google ziet het als een blauwdruk voor toekomstige onderzoeks-AI’s: systemen die niet alleen antwoorden, maar zichzelf voortdurend corrigeren en verrijken. Voor iedereen die ooit zuchtend achter een eerste draft zat, klinkt dat als een belofte: misschien is de digitale medeschrijver dichterbij dan gedacht.
