Waarom Washington nu beslist of Chinese AI-modellen nog te vertrouwen zijn

Sophie Jansen · 2026-07-21

### De echte vraag achter Chinese AI-modellen Bedrijven die deze maand kijken naar Chinese open-weight AI-modellen staan voor een vraag die niets met prestaties te maken heeft: of je ze over een jaar nog steeds zonder problemen kunt gebruiken. Op 16 juli bracht Moonshot AI hun Kimi K3 uit, het grootste open-weight model tot nu toe. Binnen enkele dagen laaide een politiek debat in Washington op dat een jaar lang stil had gelegen. De uitkomst hiervan raakt inkoopbeslissingen ver buiten de VS. Want de mechanismen die worden besproken – federale inkoopregels, exportlijsten, veiligheidsadviezen – reizen mee via dezelfde cloudproviders die de meeste bedrijven wereldwijd gebruiken. ### De trigger: een voorspelling van een oud-Witte Huis-adviseur De aanleiding was een bericht van Dean W. Ball, hoofd strategische toekomst bij OpenAI en tot kort geleden senior AI-adviseur in het Witte Huis onder Trump. Zijn beoordeling van K3 was grotendeels positief: een heel goed model, schreef hij, waarvan de prestaties niet simpelweg door distillatie te verklaren waren. Wel viel hem op dat het model "erg token-hongerig" leek. Het is niet duidelijk of het echt goedkoop is om te draaien, een nuttige waarschuwing. K3 draait namelijk alleen met maximale redeneerinspanning en rekent €13,80 per miljoen tokens voor output. Daarna deed Ball een opmerkelijke voorspelling. Hij verwacht dat de regering-Trump uiteindelijk kiest voor het creëren van regelgevingsrisico rond Chinese open-weight modellen. Geen verbod – dat noemde hij een van de dommere ideeën in AI-beleid – maar zachte richtlijnen van overheidsinstanties die suggereren dat zulke modellen achterdeurtjes 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, medevoorzitter van de President's Council of Advisors on Science and Technology, zei niet te weten of Ball een strategie van reguleringsbeheersing bekende of voorspelde. Hoe dan ook, het inzetten van regelgevingsonzekerheid als concurrentiemiddel zou onacceptabel zijn. Sacks voegde eraan toe dat de leidende closed labs – al een duopolie in modelinkomsten – de overheid willen laten optreden tegen hun open-source concurrentie. Yann LeCun en Martin Casado betoogden dat open en propriëtaire ontwikkeling naast elkaar kunnen bestaan. Ball verduidelijkte later dat hij voorspelde, niet aanraadde, en trok de claim dat open weights het veld per se vertragen gedeeltelijk in. ### Het rekenkundige probleem achter de schermen Onder de persoonlijkheden zit een rekenkundig probleem. Closed labs hebben inkomsten per token nodig om hun investeringen in datacenters te rechtvaardigen. Goedkopere open-weight modellen drukken die inkomsten zonder dat het AI-gebruik afneemt, zoals Snorkel AI-medeoprichter Braden Hancock aan TechCrunch uitlegde. De routeringsdata laat 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. ### Druk van binnenuit de Amerikaanse tech-stack Die druk komt van binnen 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 evalueert het of het Copilot-functies kan draaien die nu door OpenAI- en Anthropic-modellen worden afgehandeld, met mogelijke besparingen tot €550 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 veiligheidsargument serieus genomen Commercieel motief maakt het veiligheidsargument niet nep. 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. Dat is een wezenlijk ander risicoprofiel dan een gehoste API. Modelgedrag is ook lastig te controleren. Je kunt niet eenvoudig zien wat het model precies doet met je data. Voor bedrijven die gevoelige informatie verwerken, is dat een reële zorg. De combinatie van commerciële druk en veiligheidsvraagstukken maakt dit tot een van de meest urgente discussies in de AI-wereld van dit moment.