Flower Labs lanceert Endeavor 1.0, een frontier-model dat je zelf kunt hosten

Flower Labs brengt Endeavor 1.0 uit, een frontier-model dat draait via een dienst van het bedrijf of op je eigen infrastructuur, en dat op zelf gemeten benchmarks meekomt met de topmodellen van OpenAI en Anthropic.

Voor een Nederlandse organisatie die AI wil inzetten zonder bedrijfsdata naar een Amerikaanse API te sturen, verschuift dat de shortlist. Die keuze was tot nu toe een ruil: een krachtig gesloten model waar je data naartoe gaat, of een zwakker open model dat je zelf draait. Endeavor claimt die ruil weg te nemen. Wat vandaag nog niet verschuift: het model zit in preview, toegang gaat op aanvraag en er staat geen prijs op papier.

Wat de benchmarkscores wel en niet zeggen

Endeavor haalt 92,0 op GPQA, 98,2 op HumanEval, 99,9 op AIME 2026 en 94,1 op IFEval. Die cijfers komen van Flower zelf, uit een vergelijkingsset die Flower zelf samenstelde. Onafhankelijke tests zijn er niet.

De tabel die het bedrijf erbij publiceert, geeft een genuanceerder beeld dan "vergelijkbaar met OpenAI en Anthropic".

Endeavor wint op HumanEval, de codeertest, met 98,2 tegen 95,1 voor GPT-5.6 Sol. Op AIME 2026 staan drie modellen op 99,9, zo dicht bij het plafond dat die score nauwelijks onderscheidt. Op GPQA en IFEval blijft Endeavor achter bij GPT-5.6 Sol, en op GPQA ook bij Claude Fable 5 en Kimi K3. De claim rust dus op een koppositie bij coderen en een gelijkspel bij wiskunde, niet op een voorsprong over de hele linie. Nemotron 3 Ultra verslaat Endeavor op alle vier. Flower tekent er zelf bij aan dat geen kleine set benchmarks kan beschrijven hoe bruikbaar een model in de praktijk is.

Ook The Times houdt de prestatieclaim nadrukkelijk bij het bedrijf: Flower Labs zegt dat Endeavor taken afrondt op een niveau dat vergelijkbaar is met wat OpenAI en Anthropic bieden.

Waar het model draait is het echte verkoopargument

Flower biedt twee routes. Bij de beheerde dienst regelt Flower het draaien, opschalen en beheren. Bij private deployment kun je Endeavor in je eigen omgeving zelf hosten, met ondersteuning van Flower op je data, infrastructuur en systemen. Je mag ook mengen: het gros van je werk via de dienst, gevoelige toepassingen binnen je eigen muren, en later alsnog alles naar binnen halen. Dat is precies het punt waarop een gesloten API je vastzet, want de agents, evaluaties, koppelingen en datastromen die je eromheen bouwt verhuizen daar niet mee.

Dat past bij waar het bedrijf vandaan komt. Flower Labs bouwt federated learning: trainen op data die blijft staan waar hij staat, waarbij alleen modelupdates naar een coordinatieserver gaan. Een ziekenhuis houdt patientdata in eigen systemen en traint toch mee. Endeavor is beschikbaar onder licentie, en klanten kunnen het model volgens Tech.eu trainen op data die niet naar een centrale database hoeft.

Belangrijk detail voor de hostkeuze: Flower zit in Londen en Hamburg, dus Europees betekent hier Europa en niet de EU. Bij private deployment weegt dat minder zwaar, want dan staat het model op jouw hardware en bepaal jij waar de data blijft. Of zelf hosten in jouw geval verstandiger is dan een EU-aanbieder via een API, hangt af van drie vragen die je los van elkaar beantwoordt: waar het model draait, waar je data rust en wie het beheert.

Gebouwd op de open gewichten van anderen

Endeavor is niet vanaf nul getraind. Flower schrijft dat het model voortbouwt op wat volwassen open-weight modellen al goed doen: algemeen taalbegrip, publieke kennis en gangbare codeerpatronen. Daar bovenop komen eigen toevoegingen, waaronder de Britse specialistische kennis uit Lizzy, het soevereine 7B-model dat het bedrijf vier maanden eerder uitbracht, plus continual pre-training en gerichte post-training.

Die route lopen inmiddels ook grotere partijen. Nvidia zou de licentiedeal van 6 miljard dollar met Poolside willen gebruiken om een westers open-weight topmodel te bouwen dat het opneemt tegen DeepSeek en Kimi K3. Kimi K3 staat niet toevallig ook in Flowers eigen vergelijkingstabel.

Toegang gaat voorlopig op aanvraag

Flower onboardt een beperkte groep organisaties en partners, voor zowel de beheerde als de private variant, en verbreedt de toegang naarmate er meer rekencapaciteit is. Parameteraantallen en tarieven zijn niet gepubliceerd. Het bedrijf is een spinout van de universiteit van Cambridge, werd opgericht in 2023 en haalde ruim 23 miljoen pond op en telt de NHS en JP Morgan onder zijn klanten. Medeoprichter en chief scientist Nicholas Lane, hoogleraar machine learning in Cambridge, zei tegen The Times dat Europa zijn intelligentie niet onbeperkt zou moeten huren van een handvol Amerikaanse bedrijven.

Daarmee verschuift waar het gesprek over Europese AI-soevereiniteit over gaat. De Europese Commissie koos in juni het EUROPA-consortium om een open-source model voor alle 24 EU-talen te bouwen op EuroHPC-rekencapaciteit, soevereiniteit dus als iets dat je vanaf de trainingsrun opbouwt. Flower pakt dezelfde vraag aan de andere kant beet: bouw op gewichten die er al zijn en leg de controle bij de plek waar het model draait. In de Benelux wil 85 procent van de organisaties een Europees tegenwicht tegen Big Tech, terwijl 15 procent daadwerkelijk stappen zette richting soevereine infrastructuur. Een frontier-model dat je in eigen huis kunt zetten zonder capaciteit in te leveren, neemt bij die 85 procent een excuus weg. Of het dat ook echt doet, blijkt pas als iemand anders dan Flower de scores narekent.