Let op — vooruitblikkend profiel. Deep Research Preview (
deep-research-preview-04-2026) is de preview-snapshot van april 2026. Gedrag, mogelijkheden en rate limits veranderen vóór algemene beschikbaarheid.
Deep Research Preview is de basis-tier in Google's Deep Research-lijn. Een context window van 131.072 tokens. Search-augmented generation als kernmogelijkheid — het model haalt tijdens zijn run live bronnen op in plaats van alleen op trainingsdata te vertrouwen, en produceert citaten voor de claims die het maakt.
Dit is geen chatmodel. Het is ook niet de zware Max-tier research-agent. Het zit er tussenin als de zoek-en-citeer-tier: sneller dan Max, grondiger dan een gewoon chatmodel met een losgeschroefde zoektool.
Wat het werkelijk doet
Je geeft het een vraag waarbij actuele informatie en expliciete citaten meerwaarde hebben. Het voert een gerichte zoekopdracht uit, leest de meest relevante resultaten en produceert een gestructureerd antwoord dat het bronmateriaal aanhaalt. Typische output:
- Direct antwoord op de vraag.
- Een korte onderbouwing van twee tot vijf paragrafen, afhankelijk van de vraagvorm.
- Inline citaten naar de gebruikte bronnen.
- Een lijst van geraadpleegde bronnen aan het einde.
De runs zijn sneller dan Max-tier Deep Research en de output is korter. Je betaalt voor actualiteit en citaatbetrouwbaarheid, niet voor diepgaande bronkruisreferenties.
Waar het echt nuttig is
Workloads waarvoor deze tier goed past:
- Tijdsgevoelige vragen waarbij de trainingsknipdatum van het model het juiste antwoord zou missen.
- Citatvereiste outputs waarbij een chatmodel zonder expliciete zoek-en-citeer-tooling ofwel referenties zou verzinnen of weigerachtig zou zijn.
- Snelle raadplegingen van actuele documentatie, beleidstext of nieuws waarbij de gebruiker het antwoord plus een bronlink nodig heeft.
- Licht onderzoek dat de latencykosten van Max-tier diepgaande synthese niet rechtvaardigt.
Het patroon: taken waarvoor je anders drie of vier tabbladen opent, tien minuten leest en een alinea schrijft, liggen goed op dit model. Taken die een uur leeswerk vergen, gaan naar Max. Taken waarbij het antwoord al in de trainingsdata staat, hebben helemaal geen search-augmentation nodig.
Wanneer het het verkeerde gereedschap is
Conversationele interacties. Net als de rest van de Deep Research-familie is dit verzoek-en-respons, geen chat.
Diepgaande synthese van veel bronnen met conflicterende bewijzen. De Max-tier doet dit beter. De basis-preview is sneller maar leest minder.
Alles buiten letterlijk onderzoek. Codegeneratie, debuggen, beeldwerk — verkeerde familie.
Workloads bij zeer hoog volume. De zoek-en-citeer-lus voegt latency toe en verbruikt meer compute per call dan een gewone chat-completion. Houd daar rekening mee.
Vergelijking binnen de familie
De drie Deep Research preview-snapshots bestrijken verschillende punten op de diepte-versus-snelheidscurve:
- Deep Research Preview (april 2026) — dit model. Basis-tier, snelst, kortste outputs.
- Deep Research Pro Preview (december 2025) — oudere Pro-tier, meer diepte dan basis, iets oudere agent-loop.
- Deep Research Max Preview (april 2026) — diepste tier, langste runs, meest grondige output.
Begin met de basis-preview voor de meeste workloads. Ga omhoog naar Pro of Max als je merkt dat de basis-tier belangrijke bronnen ongelezen laat of outputs produceert die te weinig diepgang hebben voor je toepassing.
Vergelijking met andere search-augmented modellen
De meest directe vergelijkingen zijn search-augmented modi op OpenAI's GPT-5-familie en Anthropic's Claude-lijn met ingeschakelde websearch-tooling. De vorm van de output lijkt: een antwoord met citaten.
Google's basis Deep Research Preview haalt doorgaans meer diverse bronnen op dan een enkelvoudige-zoekoproep-alternatief, omdat de agent meerdere gerichte zoekopdrachten uitvoert in plaats van één brede. De output is standaard meer gestructureerd maar minder conversationeel dan wat GPT-5 met browsing produceert. Claude met websearch is het voorzichtigst, weigert helder wanneer bronnen het oneens zijn, en hedget zichtbaarder in de output.
Voor interactieve vraag-en-verfijn-workflows passen Claude of GPT-5 beter. Voor eenmalige vragen waarbij de gebruiker een volledig antwoord met citaten wil en bereid is er vijftien tot veertig seconden op te wachten, is de Deep Research Preview een sterke standaardkeuze.
Het categoriëniveau-beeld staat op /benchmarks/intelligence en de doorlopende leaderboard op /benchmarks/leaderboard.
Citaatkwaliteit in de praktijk
Twee dingen om te weten over hoe de citaten werken:
Eerste: de citaten volgen de werkelijke broninhoud betrouwbaar. Het model heeft niet de gewoonte om referenties te verzinnen, en als het een passage uit een bron aanhaalt, staat die passage er doorgaans ook echt in. Dit geldt niet universeel voor alle search-augmented modellen — sommige concurrenten verzinnen nog altijd soms plausibel klinkende citaten.
Tweede: citaatdekking neigt naar recente en hoogverkeer-bronnen. Als het juiste antwoord op je vraag in een klein archiefsite staat, een PDF op een overheidsportaal, of een academisch paper dat niet goed in algemene websearch opduikt, is de kans kleiner dat het model dat ophaalt. Voor gespecialiseerde onderzoeksdomeinen waar de juiste bronnen buiten het hoogverkeer-web staan, maakt dat verschil.
Deployment
Standaard Google Gemini API. De Deep Research-modellen delen het bredere Gemini-oppervlak maar vereisen een expliciete modelidentificator en accepteren parameters die specifiek zijn voor de zoek-en-citeer-lus.
Latency is de belangrijkste operationele overweging. Calls duren doorgaans vijftien tot veertig seconden, afhankelijk van de complexiteit van de vraag. Houd dat in je UX rekening mee: toon voortgang, stel gebruikersverwachtingen bij, zet het niet achter een synchrone interactie waarbij de gebruiker sub-seconde respons verwacht.
Regionale beschikbaarheid volgt het standaard Vertex AI-patroon van Google. EU-regio's zijn beschikbaar op enterprise-contracten; standaard API-toegang pint geen regio. Raadpleeg voor harde residency-eisen de Vertex AI regionale documentatie.
Wanneer je het kiest
Kies Deep Research Preview als:
- Je actuele informatie met expliciete citaten nodig hebt.
- De vraag groter is dan een enkelvoudige zoekoproep maar kleiner dan een meerdere-uren onderzoeksbriefing.
- Citaatbetrouwbaarheid telt en je wil dat het model helder weigert wanneer bronnen het oneens zijn in plaats van zelfverzekerde antwoorden te verzinnen.
- Latency in de vijftien-tot-veertig-seconden range acceptabel is voor je use case.
Kies iets anders als:
- De vraag iteratieve verfijning vereist.
- Sub-seconde latency deel uitmaakt van de eis.
- Diepgaande synthese van veel bronnen nodig is — Max-tier past beter.
- Het antwoord al in trainingsdata staat en search-augmentation alleen latency toevoegt.
Samenvatting: solide middelzwaar onderzoeksgereedschap. Sneller dan Max, grondiger dan een chat-plus-zoek-alternatief, past bij een klasse workloads die daarvoor geen schone oplossing hadden.
Test het op een actueel nieuwsvraag op /live-test. De citaatkwaliteit is de onderscheidende factor en is het gemakkelijkst te beoordelen aan de hand van je eigen vragen.
Laatste technische beoordeling: 2026-05-22 — Tokonomix.ai
