Dessa van Block is uitsluitend op spraak getraind — dit is wat de demo's niet bewijzen

Block heeft meer dan een dozijn gespreksopnamen gepubliceerd en geen enkel benchmarkcijfer. Die verhouding is het meest informatieve aan Dessa, het full-duplex spraakmodel dat het bedrijf van Jack Dorsey op 23 oktober 2026 aankondigde. Dessa is vanaf nul getraind op menselijke gesprekken, zonder tekst en zonder voorgetrainde modellen, en het doet iets werkelijk ongewoons: het luistert en praat tegelijk, audio in en audio uit, zonder transcriptiestap ertussen. Het is ook, op het moment van schrijven, een onderzoekspreview achter een wachtlijst zonder parameteraantal, zonder API, zonder prijs, zonder gewichten en zonder gepubliceerde evaluatie. De demo's vormen de volledige openbare bewijsbasis.

Dat maakt de aankondiging niet leeg. Een spraakmodel dat taal leert zonder tekstcorpus valt een aanname aan die het grootste deel van de industrie niet meer in twijfel trekt — dat tekst is waar de kennis zit en dat spraak een dunne interface erbovenop is. Maar de kloof tussen "de demo's zijn verbluffend" en "we weten wat dit model kan" is groot, en Blocks eigen pagina is eerlijker over die kloof dan de meeste lanceringsberichten. De zin die het meeste werk verzet, telt vier woorden: "voor zover wij weten."

Wat Block daadwerkelijk op de pagina heeft gezet

Zonder de adjectieven blijft er van het bevestigde verslag weinig over. Alles hieronder is afkomstig uit Block's eigen aankondiging of de openbare verklaringen van het bedrijf; niets hiervan is onafhankelijk geverifieerd.

• Release — aangekondigd op 23 oktober 2026 als een research preview, niet als een algemeen beschikbaar product.

• Vorm — end-to-end spraak-naar-spraak: audio in, audio uit, full-duplex, geen tekst als tussenstap.

• Training — vanaf nul op alleen menselijke gesprekken. Block zegt dat er geen tekstgegevens en geen voorgetrainde modellen zijn gebruikt.

• Rekenkracht — de training draaide op één NVIDIA GB200 NVL72-rack, aldus het bedrijf.

• Lokale inferentie — Block beweert dat het sneller dan realtime draait op een MacBook Pro M4 Max "of beter".

• Toegang — vroege toegang voor "een kleine groep AI-veiligheidsonderzoekers" die zich aanmelden met een institutioneel e-mailadres, plus een openbare wachtlijst. De pagina vermeldt dat lanceringlinks binnenkort beschikbaar komen.

• Ontbrekend — aantal parameters, contextlengte, datasetgrootte of uren audio, trainingsduur, latentie in milliseconden, benchmarkscores, licentie, prijs, gewichten en eventuele API-documentatie.

Het team is een kleine onderzoeksgroep binnen Block, geleid door Ragavan Thurairatnam, opgebouwd rond voormalige leden van de Toronto-startup Dessa die Block in 2020 overnam, en het rapporteert rechtstreeks aan Dorsey. Die afkomst is van belang om de aankondiging te kunnen lezen: dit is een lab met een achtjarige geschiedenis in generatieve spraak, geen betalingsbedrijf dat een demo op een productroadmap schroeft. Het verklaart ook waarom de release op een onderzoeksartefact lijkt in plaats van een productlancering — omdat het er een is.

Full-duplex is het onderdeel dat je moet begrijpen

De meeste spraakassistenten werken als een walkietalkie. Het systeem wacht tot je stopt, beslist dat je klaar bent, transcribeert, denkt na, synthetiseert een antwoord en speelt het af. Elk van die overgangen is hoorbaar. Je leert wachten op de piep, en het model leert niets van de halve seconde waarin je op het punt stond iets te zeggen maar van gedachten veranderde.

Full-duplex is het telefoongesprekmodel. Het model luistert terwijl het spreekt, dus het kan midden in een zin worden onderbroken, kan "ja" of "begrepen" tussenwerpen terwijl jij praat, en kan zijn timing aan de jouwe aanpassen. De demo's van Block leunen sterk op dit principe: Dessa lacht midden in zijn eigen zin, verhoogt het volume wanneer daarom wordt gevraagd, maakt een filmtitel af die de spreker is vergeten, en slaakt een verraste kreet bij een onthulling over een jubileum. The Verge, dat naar dezelfde clips luisterde, omschreef de gesprekken als "een tikje ongemakkelijk en bevreemdend" en wees op één gesprek waarin Dessa zijn gesprekspartner "Ronaldo" noemt.

Beide reacties kunnen waar zijn. Full-duplex is een interactie-eigenschap, geen intelligentie-eigenschap. Een model kan een vlekkeloze beurtwisseling hebben en niets interessants te zeggen, of een briljant antwoord geven met de timing van een faxapparaat. Wat de demo's aantonen, is dat Block iets heeft gebouwd dat zich gedraagt als een deelnemer. Wat ze niet kunnen aantonen, is hoe vaak het zich zo gedraagt wanneer niemand de clip selecteert.

Wat training op alleen spraak oplevert, en wat het kost

Het pleidooi voor training uitsluitend op spraak is dat tekst bijna alles weggooit wat een gesprek met zich meebrengt. Een transcript van ‘prima’ is één woord. De audio is een zucht, een pauze, een dalende toonhoogte en een beslissing of je nog eens moet vragen. Blocks aangegeven veiligheidsmotief volgt daaruit: een spraaksysteem dat nood niet kan horen, is doof voor precies het signaal dat ertoe doet in een supportgesprek of een crisislijn.

De kosten zijn evenzeer structureel. Grote taalmodellen halen hun feitelijke dekking, hun code, hun gestructureerde output en hun tool calling uit tekst. Een model dat alleen op spraak is getraind, heeft geen native interface voor een pdf, een JSON-schema of een API-aanroep. Block geeft op zijn eigen pagina de open vragen toe: hoe efficiënt een spraak-onlymodel feiten en talen leert vergeleken met een tekstmodel, en of in-context learning standhoudt zonder tekstpretraining. Dat zijn geen voetnoten. Ze maken het verschil tussen een overtuigende conversationele agent en een algemene assistent.

Er is een verdedigbare positie in het midden: een spraaknative model hoeft je spreadsheet niet te kunnen lezen als het wordt gekoppeld aan iets dat dat wel kan. Maar dat is een architectuurargument dat Block nog niet heeft gemaakt, en de huidige preview biedt geen enkele interface waarlangs zo'n koppeling tot stand zou kunnen komen.

De bewijsbasis is een samengestelde demoreel.

Block zegt dat de clips live-opnamen zijn, dat niemand het model bijstuurt en dat de ondertitels achteraf zijn toegevoegd. Dat zijn goede praktijken en ze sluiten de grofste vorm van demofraude uit. Ze sluiten selectie niet uit. Een team dat veel gesprekken opneemt en de beste daarvan publiceert, heeft je verteld dat er goede gesprekken bestaan, wat niet dezelfde bewering is als "dit model is betrouwbaar."

Wat een onafhankelijke evaluatie nodig zou hebben, is specifiek en het is de moeite waard om dat nu op te schrijven, zodat de volgende aankondiging daaraan kan worden afgemeten:

• Een achtergehouden conversatieset met gepubliceerde prompts, geen geselecteerde hoogtepunten.

• Responslatentie end-to-end gemeten, inclusief de tijd tot de eerste hoorbare reactie, niet alleen "sneller dan realtime."

• Herstel na onderbreking: hoe vaak het model de draad kwijtraakt nadat het is afgekapt, en hoe snel het weer oppakt.

• Verstaanbaarheid onder lawaai, wat meestal de eerste plek is waar spraaksystemen falen.

• Een opgegeven compute- en databudget, zodat de claim "honderden keren minder woorden" ergens tegen kan worden gecontroleerd.

• Een zekere mate van feitenbehoud, aangezien dat de expliciete tegenprestatie is voor het weglaten van tekst.

Geen van deze bestaat nog. Dat is normaal voor een preview en abnormaal voor een lancering, daarom is het juiste label voor Dessa vandaag "onderzoeksresultaat met een uitzonderlijk goede demopagina."

De hardwareclaim is de stille.

Er staan twee hardwaregetallen op de pagina en geen van beide is gecontroleerd. Het eerste is dat de training gebruikmaakte van één GB200 NVL72 — één rack met 72 Blackwell-GPU's. Als dat klopt, is het een opvallende bewering over data-efficiëntie: een model dat een gesprek kan voeren, getraind op één rack, in een vakgebied waar frontier-tekstmodellen op tienduizenden accelerators worden getraind. Het is ook het soort bewering dat volledig van schaal afhangt: één rack, hoe lang, op hoeveel uur audio, met hoeveel parameters?

Het tweede is dat inferentie sneller dan realtime draait op een MacBook Pro M4 Max. Een topmodel M4 Max heeft 128 GB unified memory, dus een model dat daar comfortabel in past, is naar moderne maatstaven niet enorm. Dat is een gevolgtrekking, geen onthulling. Block heeft de grootte, de quantisatie, de geheugenvoetafdruk of het aantal tokens per seconde niet gepubliceerd, dus de laptopbewering kan niet worden gereproduceerd, alleen herhaald.

Dit is de plek waar een technische lezer het gemis het scherpst zou moeten voelen. Alles rond de praktische haalbaarheid van het model — kosten per gesprek, of het op een telefoon kan draaien, of een API ooit goedkoop zou kunnen zijn — volgt uit een getal dat Block ervoor heeft gekozen niet te publiceren.

Waarom toegang is afgeschermd, en waarom dat belangrijk is voor de evaluatie

De door Block genoemde redenen om Dessa te bouwen zijn nieuwsgierigheid, een beter begrip van mens-AI-interactie en veiligheid. De toegangsbeperking is in lijn met het derde: een stem die emoties leest en overtuigend een gesprek voert, is een kant-en-klaar instrument voor imitatie, en de snelste manier om een slechte krantenkop te voorkomen is het in een kleine kamer te houden.

De afweging is dat afgeschermde toegang en onafhankelijke evaluatie in tegengestelde richtingen wijzen. Een kleine groep veiligheidsonderzoekers kan heel goed de nuttigste red-teamresultaten opleveren, maar die resultaten komen volgens Blocks tijdlijn en in de meeste gevallen onder Blocks beoordeling. Totdat een externe groep cijfers publiceert, bestaat het publieke beeld uit de clips van de leverancier plus de indrukken die journalisten van die clips hebben. Dat is een magere basis voor de uitdrukking "overtreft al het andere in emotionele expressie", een bewering over een vergelijking die niemand heeft uitgevoerd.

Wat zou hier een product van maken?

Vier dingen, ruwweg in volgorde van belangrijkheid. Een prijs- of gewichtsbestand, want elk van beide vertelt je wie het kan gebruiken. Een API of een SDK, want een model dat je niet kunt aanroepen, is slechts papier. Een benchmark of een onafhankelijke evaluatie, want "meest authentiek" is geen maatstaf. En een latentiecijfer in milliseconden, want de hele waarde van full-duplex zit in timing, en timing is precies het enige dat een videoclip niet kan overbrengen.

Elk van die zou veranderen hoe dit artikel gelezen zou moeten worden. Alle vier zouden er een lancering van maken.

Als je daarvoor een voice agent nodig hebt

De praktische stack voor een productie-spraakagent is nog steeds spraakherkenning, dan een taalmodel, dan spraaksynthese. Elke hop voegt latentie toe en elke leverancier is een apart contract. OrcaRouter is de tussenlaag: één API voor 200+ modellen, met 0% markup — de lijstprijs van de provider wordt doorgegeven — automatische failover tussen providers, een routing-DSL waarmee je meerdere modellen in één aanroep kunt samenstellen, en model fusion wanneer je een panel van modellen samen wilt laten antwoorden. Dat maakt van een walkietalkie nog geen telefoongesprek; het haalt één integratie uit de keten terwijl de duplexmodellen volwassen worden.

Om duidelijk te zijn over wat we niet hebben: Dessa staat niet in de OrcaRouter-catalogus, en niets in dit artikel mag worden opgevat als een aanbod om het te serveren. Wanneer Block een API uitbrengt, is de routeringslaag de plek waar een model als dit het waard zou zijn om te vergelijken op prijs per gespreksminuut in plaats van per token.

Wat te kijken

De bewering die serieus moet worden genomen is niet „de eerste zijn”. Het is dat taal misschien leerbaar is uit spraak met honderden keren minder data, en dat het resulterende model een gesprek zou kunnen begrijpen op een manier die een transcriptie nooit zou kunnen. Als Block een paper publiceert met het databudget, het aantal parameters en een held-out-evaluatie, wordt die bewering testbaar. Als de volgende aankondiging weer een set clips is, blijft de interessante vraag open — en blijft de wachtlijst de enige deur.