TL;DR
- Wat: NVIDIA presenteert LocateAnything, een AI-model dat objecten in afbeeldingen kan lokaliseren op basis van gewone taal — en dat tot 10× sneller doet dan vergelijkbare modellen.
- Waarom relevant: Snellere en nauwkeurigere objectdetectie maakt toepassingen zoals geautomatiseerde documentverwerking, magazijnbeheer en kwaliteitscontrole een stuk praktischer.
- Wat je ermee kunt: Volg de ontwikkeling, maar weet dat het model voorlopig alleen beschikbaar is onder een niet-commerciële licentie.
Ik stuitte deze week op een tweet van NVIDIA's AI-account: hun nieuwe model LocateAnything stond op nummer 1 trending op HuggingFace. Het is een zogenaamd vision-language model — een AI-systeem dat je in gewone taal kunt vragen om objecten in een afbeelding aan te wijzen. Wat mij triggerde: de snelheidsverbetering die ze claimen is opvallend groot, en de toepassingen raken direct aan wat bedrijven dagelijks doen.
Wat doet LocateAnything precies?
LocateAnything is een model van 3 miljard parameters dat je een afbeelding en een vraag in gewone taal geeft, waarna het precies aanwijst wáár in het beeld iets zich bevindt. Dat doet het door zogenaamde bounding boxes te tekenen — rechthoeken om de objecten die het herkent.
Dat klinkt misschien bekend. Objectdetectie bestaat al jaren. Maar het verschil zit in twee dingen: je kunt het model in alledaagse taal aansturen ("Waar zijn alle stoelen in deze ruimte?" of "Wijs de knop 'Opslaan' aan op dit scherm"), én het doet dat aanzienlijk sneller dan eerdere modellen.
Het model is getraind op een enorme dataset: 12 miljoen afbeeldingen, meer dan 138 miljoen zoekopdrachten en 785 miljoen bounding boxes. Die data komt uit uiteenlopende domeinen — van straatbeelden en robotica tot documenten en softwareschermen. Het idee is dat het model daardoor breed inzetbaar is, niet alleen voor één type taak.
De technische kern: waarom is het sneller?
De meeste vision-language modellen voorspellen coördinaten als een reeks losse tokens — vergelijk het met iemand die een adres letter voor letter opschrijft in plaats van het in één keer neer te zetten. LocateAnything introduceert wat NVIDIA Parallel Box Decoding (PBD) noemt: het voorspelt alle coördinaten van een bounding box tegelijkertijd, als één geheel.
Dat levert concrete snelheidswinst op. Op een NVIDIA H100-chip haalt LocateAnything 12,7 boxes per seconde. Ter vergelijking: Qwen3-VL, een ander recent model, komt tot 1,1 box per seconde. Dat is meer dan 10× langzamer. Rex-Omni, nog een concurrent, haalt 5,0 boxes per seconde — LocateAnything is daar 2,5× sneller dan.
Waarom is die snelheid belangrijk? Stel dat je als ondernemer een systeem wilt dat in een magazijn in real-time bijhoudt waar producten liggen, of een robot die snel genoeg moet reageren om een voorwerp op te pakken. Dan is het verschil tussen 1 en 12 boxes per seconde niet academisch — het is het verschil tussen een werkend systeem en een te traag prototype.
Daarnaast biedt het model drie modi: een snelle modus voor simpele situaties, een langzame modus voor maximale nauwkeurigheid, en een hybride modus die zelf schakelt wanneer het twijfelt. Ik vind dat een slimme aanpak — je hoeft niet te kiezen tussen snel en goed, het model doet dat zelf.
Wat kan het in de praktijk?
LocateAnything ondersteunt een breed scala aan taken. Een paar die ik interessant vind vanuit bedrijfsperspectief:
Documentverwerking
Het model scoort sterk op document-layout-analyse. Het kan in een gescand document herkennen waar tabellen, koppen, paragrafen en afbeeldingen zitten. Op de DocLayNet-benchmark haalt het een F1-score van 76,8 — een maat voor hoe goed het de juiste elementen vindt én correct classificeert. Voor bedrijven die veel met papieren of gescande documenten werken, zou dit type technologie helpen bij het automatisch structureren van informatie.
Schermnavigatie voor software-agents
Op de ScreenSpot-Pro benchmark — die meet hoe goed een model knoppen, menu's en andere interface-elementen kan aanwijzen op softwareschermen — behaalt LocateAnything een score van 60,3. Dat is op dit moment de hoogste score. Kun je je voorstellen wat dit betekent als je een AI-agent wilt bouwen die zelfstandig door een softwarepakket navigeert? Bijvoorbeeld om repetitieve taken in een ERP-systeem uit te voeren.
Objectdetectie in complexe omgevingen
Op de LVIS-benchmark, die objectherkenning meet in rommelige, realistische scènes, verbetert LocateAnything de score met 3,8% ten opzichte van het vorige beste model. In een magazijn vol dozen, of op een productielijn met verschillende onderdelen, maakt dat verschil.
Wat je als ondernemer moet weten over de licentie
Hier wil ik eerlijk over zijn, want dit is een punt dat in de enthousiaste berichtgeving snel ondersneeuwt: LocateAnything is beschikbaar onder een NVIDIA-licentie die het gebruik beperkt tot niet-commercieel academisch en non-profit onderzoek.
Dat betekent concreet: je kunt het model downloaden, testen, en er intern mee experimenteren voor onderzoeksdoeleinden. Maar het zomaar inzetten in een commercieel product of dienst mag op dit moment niet zonder aanvullende afspraken met NVIDIA.
Ik vind het belangrijk om dat te benoemen. Het is namelijk een patroon dat we vaker zien bij grote techbedrijven: ze publiceren indrukwekkende modellen open op platforms als HuggingFace, maar de licentie is beperkter dan je op het eerste gezicht denkt. Als je serieus overweegt om dit type technologie te gebruiken, controleer dan altijd de licentievoorwaarden — of laat dat doen.
Wat betekent dit voor de bredere markt?
Wat mij opvalt aan LocateAnything is niet zozeer het model zelf, maar wat het signaleert over de richting van AI-ontwikkeling. De combinatie van taal en beeld — waarbij je in gewoon Nederlands of Engels kunt zeggen wat je zoekt en het systeem dat in een afbeelding aanwijst — wordt steeds sneller en nauwkeuriger.
Dat heeft implicaties voor sectoren als logistiek, productie, vastgoed, retail en administratie. Niet morgen, maar de stappen worden kleiner. Waar je twee jaar geleden nog een gespecialiseerd computervisie-team nodig had om objectdetectie op te zetten, komt die functionaliteit nu steeds vaker als een bouwblok beschikbaar dat je via een paar regels code kunt aanroepen.
Voor mij is dit vooral een signaal dat de afstand tussen AI-onderzoek en bedrijfstoepassing weer een stukje kleiner is geworden. Niet omdat dit model morgen in je magazijn draait, maar omdat de snelheid en breedte van wat deze modellen kunnen het punt naderen waarop integratie in bestaande bedrijfsprocessen realistisch wordt. De licentievraag is dan vaak het laatste obstakel — en soms het meest onderschatte.