Een nieuwe test kijkt naar iets waar nog weinig mensen op letten. Niet welk model het mooiste schrijft. Ook niet welk model het meeste weet. De vraag is hier anders. Welk model laat zich het makkelijkst overtuigen door een ander model? In de publieke benchmark van Lech Mazur heet dat target susceptibility. Hoe hoger de score, hoe makkelijker een model in een debat van standpunt verandert.
Wat deze test precies meet
De opzet is vrij strak. Volgens de uitleg van het project zijn 15 modellen getest op 15 onderwerpen. Elk modelpaar kreeg dezelfde stelling, maar vanaf een andere kant. De gesprekken duurden acht beurten, vier per kant. Het standpunt van het doelwit werd niet één keer gemeten, maar meerdere keren voor en na het gesprek.
In totaal gaat het om 6296 voltooide gesprekken en 4 safety-blokkades. Daardoor is dit meer dan een losse prompttest. De makers proberen echt te meten of een model onder druk verschuift. En precies dat maakt deze uitkomst interessant.
Welke modellen het snelst schuiven
De opvallendste uitkomst staat bovenaan de grafiek. Xiaomi MiMo V2 Pro is volgens deze meting het makkelijkst te bewegen model, met een score van 1,996. Daarna volgen Gemini 3.1 Pro Preview op 1,810 en DeepSeek V3.2 op 1,741.
Helemaal onderaan staat Grok 4.20 Beta 0309 op 0,015. Dat is in deze test dus het minst beweeglijke doelwit. Ook Kimi K2.5 Thinking en de Claude-modellen scoren laag. Zij schuiven dus minder snel op als een ander model probeert te duwen.
Waarom GPT-5.4 hier opvalt
GPT-5.4 valt vooral op omdat het in dezelfde benchmark bovenaan staat als beste overtuiger. Toch staat het niet bovenaan bij weerstand. Dat is belangrijk. Het laat zien dat goed kunnen overtuigen iets anders is dan zelf moeilijk te overtuigen zijn.
Dat verschil klinkt klein, maar is het niet. Een model kan sterk zijn in debat en toch zelf bewegen als een ander model genoeg druk zet. Andersom kan een model weinig indruk maken op anderen, maar zelf wel stevig blijven staan.
Waarom deze uitkomst telt
Veel mensen kijken bij AI nog vooral naar snelheid, kennis en code. Deze grafiek kijkt naar gedrag onder druk. Dat is relevant, want AI-modellen praten steeds vaker met andere systemen. Ze geven advies, voeren taken uit en werken samen in ketens. Dan telt niet alleen wie een goed antwoord geeft, maar ook wie stabiel blijft als een ander model probeert te sturen.
Dat zagen we eerder ook in ons stuk over xAI en Grok op Wall Street. Daar werd al duidelijk dat AI niet meer alleen een chatvenster is. Modellen komen steeds dichter op werk, geld en besluitvorming te zitten. Dan wordt debatweerstand ineens een praktische eigenschap.
Wat je niet uit deze grafiek moet halen
Toch moet je deze uitkomst ook niet te groot maken. De test zegt niet welk model gelijk heeft. De test zegt ook niet welk model veiliger is. En de test bewijst al helemaal niet welk model in het algemeen het best is. Het gaat hier alleen om verschuiving van standpunt in een specifieke debatopzet.
Dat onderscheid is belangrijk. Een model kan moeilijk te bewegen zijn, omdat het sterk redeneert. Maar het kan ook gewoon stug reageren. Andersom kan een model sneller schuiven, omdat het gevoeliger is voor nuance. De score alleen vertelt dus niet het hele verhaal.
Waarom deze meting toch nuttig is
Toch zegt deze test wel iets bruikbaars. Hij laat zien dat modellen niet alleen verschillen in kennis, maar ook in houding. Dat wordt relevanter nu de strijd tussen AI-labs steeds harder wordt. In ons eerdere artikel over OpenAI en Anthropic lieten we al zien hoe fel die concurrentie is. Als bedrijven straks modellen kiezen voor werk, sales of onderhandelingen, dan telt ook mee hoe zo’n model zich houdt in een botsing van argumenten.
Daarom is dit meer dan een aardige grafiek. Het is een eerste blik op een eigenschap die in de praktijk belangrijk kan worden. Niet alleen wie anderen beweegt, maar ook wie zelf niet te makkelijk mee buigt.
Mijn conclusie
De les van deze grafiek is simpel. Sommige modellen praten niet alleen anders, ze reageren ook anders onder druk. Xiaomi MiMo schuift in deze test het makkelijkst op. Grok bijna niet. GPT-5.4 overtuigt volgens dezelfde benchmark het sterkst, maar blijkt als doelwit minder uitzonderlijk stevig dan je misschien zou denken.
Deze uitkomst bewijst dus niet welk model het beste is. Ze laat wel zien dat overtuigingskracht en weerstand twee verschillende dingen zijn. En precies daarom is deze test de moeite waard.
