Waar gaat het over
Interconnects is de podcastfeed bij de gelijknamige nieuwsbrief van Nathan Lambert. Hij is machine learning-onderzoeker en werkte tot voor kort als post-training lead bij het Allen Institute for AI (Ai2) in Seattle, waar hij meebouwde aan de OLMo-modellen. Sinds medio 2026 werkt hij aan iets nieuws en schrijft hij als onafhankelijke stem; op de about-pagina van Interconnects houdt hij een openbare verklaring bij over zijn adviesrollen. In 2026 verscheen zijn boek over reinforcement learning from human feedback.
De feed heeft twee vormen. De ene bestaat uit zijn eigen artikelen, voorgelezen: korte stukken van zes tot twintig minuten waarin hij een modelrelease, een beleidsbesluit of een technische ontwikkeling uitpakt. De andere is Interconnects Interviews, waarin hij vijftig tot zestig minuten praat met onderzoekers uit het veld, vaak met een concreet technisch rapport als aanleiding.
De onderwerpen liggen dicht bij zijn eigen werk. Hoe ver liggen open modellen achter op de gesloten modellen van OpenAI en Anthropic, en hoe meet je dat eigenlijk. Wat gebeurt er na het trainen van een basismodel, in de fase die post-training heet. Wat doen de Chinese labs en waarom brengen ze hun modellen met gewichten naar buiten. En wat gebeurt er met open modellen als overheden strengere regels gaan stellen.
Apple Podcasts telde in augustus 2026 159 afleveringen, met 2023 als startjaar en een wekelijkse cadans. De nieuwsbrief eronder heeft ruim 78.000 abonnees en wordt gelezen door onderzoekers, investeerders en beleidsmakers die het frontier-nieuws op de voet volgen. Afleveringen zijn gratis te beluisteren; een deel van de nieuwsbriefartikelen staat achter een betaalmuur.
Redactionele analyse
Ons podcast-overzicht heeft inmiddels flink wat shows die de AI-industrie vanaf de buitenkant volgen: nieuwsoverzichten, interviews met oprichters, maatschappelijke duiding. Interconnects zit op een andere plek. Lambert bouwde zelf modellen en schrijft vanuit die praktijk, wat maakt dat hij bij een modelrelease meteen op de trainingsmethode en de meetlat duikt in plaats van op de aankondiging.
Dat is nuttig voor één specifiek onderwerp dat in het Nederlandse nieuws steeds terugkeert zonder dat het goed wordt uitgelegd: open modellen. Als een Chinees lab een model met gewichten publiceert, staat er in de krant dat het gratis is en dat het bijna zo goed is als de Amerikaanse concurrentie. Wat “bijna zo goed” betekent, met welke benchmark dat gemeten is en hoeveel maanden dat scheelt, staat er zelden bij. In deze feed is dat het hoofdonderwerp, met de cijfers erbij.
De show is Engelstalig en technisch. Er vallen termen als post-training, distillatie en RLVR, meestal met uitleg, maar zonder dat er halt wordt gehouden voor wie ze voor het eerst hoort. Een deel van de afleveringen bestaat uit voorgelezen blogteksten in plaats van gesprekken, wat een andere luisterervaring geeft dan een interviewpodcast. Voor wie de modelkant van AI wil volgen zonder zelf papers te lezen, is dit een van de directste ingangen die er is.
Voor wie is dit
Wel luisteren als je: wilt bijhouden hoe ver open modellen achterliggen op de gesloten modellen, de Chinese AI-labs met technische onderbouwing wilt volgen, wilt begrijpen wat er na de training met een model gebeurt, of liever een onderzoeker hoort dan een analist.
Eerder iets anders als je: een dagelijks nieuwsoverzicht zoekt, Nederlandstalige duiding wilt, AI vanuit de maatschappelijke of consumentenkant benadert, of liever gesprekken hoort dan voorgelezen teksten. Voor die smaken staan andere shows in ons overzicht.
Waar te luisteren
- interconnects.ai — de nieuwsbrief met de bijbehorende artikelen en de podcastpagina.
- Apple Podcasts — de volledige feed met 159 afleveringen, gratis te beluisteren.
- natolambert.com — zijn eigen site, met papers, gastoptredens bij andere podcasts en zijn boek over RLHF.
Openbare bronnen
- Interconnects — podcastpagina: https://www.interconnects.ai/podcast
- Apple Podcasts — afleveringen, actieve jaren en aantallen: https://podcasts.apple.com/us/podcast/interconnects/id1719552353
- Nathan Lambert — persoonlijke site met functie, boek en publicaties: https://natolambert.com/