Chinese AI-modellen zijn goedkoop, maar Washington bepaalt de prijs

Sophie Jansen · 2026-07-21

Bedrijven die deze maand Chinese open-weight AI-modellen overwegen, staan voor een vraag die niets met benchmarks te maken heeft: is het over een jaar nog wel verstandig om er een te gebruiken? Op 16 juli lanceerde Moonshot AI Kimi K3, het grootste open-weight model ooit uitgebracht. Binnen enkele dagen laaide een politiek debat in Washington op dat een jaar lang stil had gelegen. De uitkomst hiervan heeft gevolgen voor inkoopbeslissingen ver buiten de VS. De mechanismen die worden besproken – federale inkoopregels, exportlijsten, veiligheidsadviezen – reizen namelijk mee via dezelfde cloudproviders die een groot deel van de wereld bedienen. De aanleiding was een bericht van Dean W. Ball, hoofd strategische toekomst bij OpenAI en tot voor kort senior AI-adviseur in het Witte Huis onder Trump. ### Wat Ball zei over Kimi K3 Ball was grotendeels positief over het model. Hij noemde het een zeer goed model en dacht niet dat de prestaties verklaard konden worden door distillatie. Wel viel hem op dat het model "erg token-hongerig" leek. Het is volgens hem niet duidelijk of het echt goedkoop is om te draaien – een nuttige waarschuwing, want K3 wordt alleen geleverd met maximale redeneerinspanning en rekent €13,50 per miljoen tokens. Vervolgens voorspelde Ball dat de Trump-regering uiteindelijk zou kiezen voor het creëren van regelgevingsrisico rond Chinese open-weight modellen. Geen verbod – dat noemde hij een van de domste motieven in AI-beleid – maar zachte richtlijnen van agentschappen die suggereren dat zulke modellen backdoors kunnen bevatten. "Het hoeft niet eens goed onderbouwd te zijn," schreef hij. Genoeg onzekerheid, en gereguleerde bedrijven trekken zich vanzelf terug. ### Waarom Chinese open-weight modellen eerst een commercieel probleem zijn De reactie was fel, en die kwam van Amerikanen, niet uit Beijing. David Sacks, co-voorzitter van de President's Council of Advisors on Science and Technology, zei niet te weten of Ball een strategie van reguleringscaptuur bekende of voorspelde. Hoe dan ook, het inzetten van regelgevingsonzekerheid als concurrentiemiddel zou onacceptabel zijn. Hij voegde eraan toe dat de grote gesloten labs – al een duopolie in modelinkomsten – willen dat de overheid hun open-source concurrentie wegneemt. Yann LeCun en Martin Casado betoogden dat open en propriëtaire ontwikkeling naast elkaar kunnen bestaan. Ball verduidelijkte later dat hij een voorspelling deed, geen aanbeveling, en trok de claim dat open gewichten het veld vertragen terug. ### Het rekenprobleem achter de schermen Onder de persoonlijkheden schuilt een rekenprobleem. Gesloten labs hebben inkomsten per token nodig om het kapitaal te rechtvaardigen dat ze ophalen voor datacenters. Goedkopere open-weight modellen drukken die inkomsten, zonder dat het AI-gebruik afneemt – zoals Braden Hancock, medeoprichter van Snorkel AI, aan TechCrunch uitlegde. De routeringsdata laten de verschuiving al zien: open-weight modellen verwerkten in juni 29% van de tokens via Vercel's productiegateway, tegen ongeveer 11% in april, terwijl ze minder dan 4% van de uitgaven voor hun rekening namen. ### De druk komt van binnenuit de Amerikaanse tech-stack Die druk komt van binnenuit de Amerikaanse tech-stack. GitHub maakte Moonshot's Kimi K2.7 Code op 1 juli algemeen beschikbaar in de Copilot-modelkiezer, gehost op Microsoft Azure. Volgens The Information voegt Microsoft nu K3 toe aan Azure en onderzoekt het of het Copilot-functies kan draaien die momenteel door OpenAI- en Anthropic-modellen worden verzorgd. De mogelijke besparing op inferentie: tot €540 miljoen. Microsoft heeft noch het bedrag, noch de functies bevestigd. Het is een evaluatie, geen implementatie. Maar Microsoft is de grootste klant van beide Amerikaanse frontier-labs en prijst het alternatief. ### Het veiligheidsargument serieus genomen Commercieel motief maakt het veiligheidsargument niet nep. De sterkste versie ervan verdient vermelding. Open gewichten kunnen niet worden teruggeroepen. Zodra een model is gedownload en draait in duizenden organisaties, kan geen leverancier het patchen, intrekken of een fix pushen. Dat is een wezenlijk ander risicoprofiel dan een gehoste API. - **Niet terug te draaien:** Een open-weight model verspreidt zich razendsnel. Zodra het er is, is het er. - **Geen centrale controle:** Elke organisatie kan het model aanpassen, wat kansen biedt voor kwaadwillenden. - **Onzekerheid over backdoors:** Zelfs als er geen bewijs is, kan de suggestie al voldoende zijn om bedrijven af te schrikken. ### Wat betekent dit voor Nederlandse bedrijven? Voor Nederlandse bedrijven die AI overwegen, speelt hetzelfde dilemma. De keuze voor een open-weight model kan nu aantrekkelijk lijken vanwege de lagere kosten, maar de politieke onzekerheid maakt het een risico. De cloudproviders die deze modellen hosten, zoals Azure, zijn dezelfde die wereldwijd worden gebruikt. Als Washington strengere regels oplegt, kunnen die gevolgen hebben voor de beschikbaarheid en ondersteuning. Het advies? Houd de ontwikkelingen in Washington goed in de gaten. Overweeg zowel de korte termijn besparingen als de lange termijn risico's. En wees voorbereid om te schakelen als het beleid verandert.