Chinese AI-labs geven hun krachtigste modellen weg als gratis, downloadbare pakketten, waardoor je als ondernemer de controle en kosten in eigen hand houdt zonder afhankelijk te zijn van dure Amerikaanse API’s. Dit ‘open-weight’ model, waarbij de volledige architectuur en gewichten van een AI-model beschikbaar zijn, biedt een alternatief voor het abonnementsmodel van Silicon Valley.

Wat er aan de hand is

De dominante strategie in Silicon Valley is het achter een betaalde API houden van AI-modellen, zoals OpenAI en Anthropic doen. Chinese AI-labs, zoals DeepSeek, Z.ai, Moonshot, Alibaba (met Qwen) en MiniMax, kiezen voor een radicaal andere aanpak. Zij publiceren hun modellen als ‘open-weight’ pakketten die ontwikkelaars gratis kunnen downloaden, aanpassen en op hun eigen hardware kunnen draaien. Deze trend zette door na de opensource-release van DeepSeek’s R1-redeneermodel in januari 2025, dat volgens het artikel presteerde op het niveau van de beste Amerikaanse systemen tegen een fractie van de kosten. Uit een studie van MIT en Hugging Face bleek dat Chinese open-weight modellen in het jaar tot augustus 2025 goed waren voor 17,1% van alle AI-modeldownloads wereldwijd, waarmee ze voor het eerst de Amerikaanse marktaandeel (15,86%) overtroffen. Hugging Face-data toont verder dat Alibaba’s modellen nu de meeste door gebruikers gemaakte varianten hebben, meer dan modellen van Google en Meta bij elkaar.

Wat dit betekent

De opkomst van deze gratis, krachtige modellen verandert de economie van AI-implementatie voor bedrijven. Waar je voorheen maandelijkse kosten maakte voor API-gebruik of afhankelijk was van de voorwaarden van een Amerikaanse leverancier, kun je nu een model eenmalig downloaden en naar eigen inzicht aanpassen en gebruiken. Dit is vooral relevant nu de AI-hype afneemt en bedrijven zich richten op daadwerkelijke implementatie en integratie in hun processen, waar goedkopere en aanpasbare tools vaak winnen. Het betekent dat mkb’ers met beperkte budgetten meer kunnen experimenteren zonder direct hoge vaste kosten te maken. De controle over het model ligt volledig bij jou; je hoeft geen toestemming te vragen voor aanpassingen en bent niet onderhevig aan plotselinge prijsverhogingen of beleidswijzigingen van een externe partij. Wel is het belangrijk te weten dat Chinese modellen, volgens het artikel, de stempel dragen van het Chinese contentmoderatiebeleid en getraind zijn om uitkomsten te vermijden die in strijd zijn met de regering.

Hoe je dit kunt toepassen

De praktische toepassing van deze open-weight modellen hangt sterk af van je technische capaciteiten en specifieke bedrijfsbehoeften. Het vereist vaak meer technische kennis om een model lokaal te draaien en aan te passen dan het simpelweg aanroepen van een API. Toch biedt het nieuwe mogelijkheden.

Als je een specifiek, repetitief proces wilt automatiseren… zoals het categoriseren van inkomende offerte-aanvragen of het extraheren van gegevens uit facturen, zou je kunnen onderzoeken of een open-weight model zoals Alibaba’s Qwen geschikt is. Je kunt het model dan ‘fijnslijpen’ met voorbeelden uit je eigen bedrijf, zodat het precies leert herkennen wat voor jou belangrijk is, zonder dat je gevoelige data naar een externe API hoeft te sturen.

Als je ontwikkelcapaciteit in huis hebt maar het budget voor dure API’s beperkt is… biedt deze trend een kans om proof-of-concepts te bouwen. Je ontwikkelaars kunnen een model downloaden en lokaal testen voor een nieuw idee, zoals een interne chatbot voor je kennisbank of een tool voor sentimentanalyse van klantfeedback, zonder dat er tijdens de ontwikkelfase rekeningen lopen.

Als je bezorgd bent over vendor lock-in en datasoevereiniteit… is het runnen van een eigen model een manier om volledige controle te behouden. Je bepaalt zelf waar de data verwerkt wordt (bijvoorbeeld op je eigen servers of bij een Europese cloudprovider) en je bent niet afhankelijk van de continuïteit van een externe dienst. Dit kan met name relevant zijn voor bedrijven in gevoelige sectoren.

Overweeg wel dat het onderhoud, de updates en de benodigde rekenkracht (zoals GPU’s) voor het draaien van eigen modellen ook kosten en expertise met zich meebrengen. Het is een afweging tussen vaste infrastructuurkosten en variabele API-kosten.

Bron: Technologyreview