Chinese open-weight modellen: Washington bepaalt de prijs voor uw AI-strategie

Sophie Jansen · 2026-07-21

Ondernemingen die deze maand Chinese open-weight modellen evalueren, staan voor een vraag die niets met benchmarks te maken heeft: of het over een jaar nog eenvoudig zal zijn om er een te gebruiken. Op 16 juli arriveerde Moonshot AI's Kimi K3, het grootste open-weight model dat ooit is uitgebracht, en binnen enkele dagen had het een beleidsdebat in Washington nieuw leven ingeblazen dat een jaar lang had stilgelegen. De uitkomst zal inkoopbeslissingen ver buiten de Verenigde Staten beïnvloeden, omdat de mechanismen die ter discussie staan – federale inkoopregels, exportzwarte lijsten, beveiligingsadviezen – reizen via dezelfde cloudproviders die het grootste deel van de wereld bedienen. De directe aanleiding was een bericht van Dean W. Ball, hoofd strategische toekomst bij OpenAI en tot voor kort senior AI-adviseur in het Witte Huis van Trump. ### Wat Ball zei over Kimi K3 Zijn beoordeling van het model was grotendeels positief: een zeer goed model, schreef hij, waarvan de prestaties volgens hem niet konden worden wegverklaard door distillatie. Hij merkte ook op dat het erg "token-hongerig" leek, en dat het hem niet duidelijk was dat het daadwerkelijk goedkoop was om te draaien – een nuttige waarschuwing, aangezien K3 wordt gelanceerd met maximale redeneerinspanning als enige instelling en output factureert tegen €13,70 per miljoen tokens (omgerekend van $15). Daarna voorspelde hij dat de regering-Trump uiteindelijk zou besluiten dat de beste strategie was om regelgevingsrisico's te creëren rond Chinese open-weight modellen. Geen verbod, dat hij een van de dommere motieven in AI-beleid noemde, maar zachte richtlijnen van agentschappen die suggereren dat dergelijke modellen backdoors kunnen bevatten. "Het hoeft niet zo goed onderbouwd te zijn," schreef hij. Genoeg onzekerheid, en gereguleerde ondernemingen trekken zich vanzelf terug. ### Waarom Chinese open-weight modellen eerst een commercieel probleem zijn De reactie was fel, en kwam van Amerikanen in plaats van uit Peking. David Sacks, medevoorzitter van de President's Council of Advisors on Science and Technology, zei dat hij niet kon zeggen of Ball bekende dat hij een strategie van regulatory capture had, of dat hij er een voorspelde, en dat het in beide gevallen onaanvaardbaar zou zijn om regelgevingsonzekerheid te bewapenen als concurrentiemiddel. Hij voegde eraan toe dat de toonaangevende 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 aan het voorspellen was in plaats van aanbevelen, en trok de bewering dat open weights het veld noodzakelijkerwijs vertragen in. ### Het rekenkundige probleem achter de schermen Onder de persoonlijkheden zit een rekenkundig probleem. Gesloten labs hebben inkomsten per token nodig om het kapitaal dat ze ophalen voor datacenters te rechtvaardigen, en goedkopere open-weight modellen drukken die inkomsten zonder te verminderen hoeveel AI wordt gebruikt – het punt dat Snorkel AI medeoprichter Braden Hancock aan TechCrutch maakte. De routeringsgegevens 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 verschuiving naar open-weight modellen is al meetbaar - Ze verwerken een groeiend aandeel van tokens - Maar ze blijven een klein deel van de totale AI-uitgaven ### De druk komt van binnenuit de Amerikaanse tech-stack Die druk komt van binnenuit de Amerikaanse stack. GitHub maakte Moonshot's Kimi K2.7 Code algemeen beschikbaar in de Copilot-modelkiezer op 1 juli, gehost op Microsoft Azure. The Information meldt dat Microsoft nu K3 toevoegt aan Azure en evalueert of het Copilot-functies kan draaien die momenteel door OpenAI- en Anthropic-modellen worden afgehandeld, met potentiële inferentiebesparingen tot €550 miljoen (omgerekend van $600 miljoen). Microsoft heeft noch het bedrag noch de functies bevestigd. Het is een evaluatie, geen implementatie, maar het is de grootste klant van beide Amerikaanse frontier-labs die de alternatieven prijst. ### Het beveiligingsargument serieus genomen Commercieel motief maakt de beveiligingszorg niet nep, en de sterkste versie ervan verdient vermelding. Open weights kunnen niet worden teruggeroepen. Zodra een model is gedownload en draait in duizenden organisaties, kan geen leverancier het patchen, intrekken of een fix pushen – een wezenlijk ander risicoprofiel dan een gehoste API. Modelgedrag is inherent onvoorspelbaar, en in tegenstelling tot gesloten modellen is er geen centrale controle. Voor Nederlandse ondernemingen die deze modellen overwegen, is de boodschap duidelijk: de politieke en commerciële dynamiek verandert snel, en wat vandaag een eenvoudige keuze lijkt, kan morgen complex worden. Het is verstandig om niet alleen naar prestaties te kijken, maar ook naar de bredere context van regelgeving en leveranciersafhankelijkheid.