Het antwoord: Chinese AI-labs zoals DeepSeek, Alibaba en Z.ai brengen open-weight modellen uit die je gratis kunt downloaden en op eigen hardware kunt draaien. Voor MKB’ers betekent dit dat je AI-functionaliteit kunt inzetten zonder maandelijkse API-kosten en zonder afhankelijk te zijn van Amerikaanse techbedrijven.

Wat er aan de hand is

Sinds DeepSeek in januari 2025 zijn R1 reasoning-model opensourcete, is er een golf van Chinese open-weight modellen op gang gekomen. Labs zoals Z.ai, Moonshot, Alibaba’s Qwen en MiniMax volgen hetzelfde recept: ze geven hun modellen weg als downloadbare pakketten, in plaats van ze achter een betaalde API te verbergen. Uit een studie van MIT en Hugging Face blijkt dat Chinese open-weight modellen in het jaar tot augustus 2025 goed waren voor 17,1% van alle wereldwijde AI-modeldownloads, tegenover 15,86% voor Amerikaanse modellen. Alibaba’s Qwen-familie heeft inmiddels meer door gebruikers gemaakte varianten dan modellen van Google en Meta samen, volgens Hugging Face-data van vorige maand. De strategie is simpel: geef weg wat concurrenten in rekening brengen, en win daarmee de loyaliteit van ontwikkelaars.

Wat dit betekent

Voor Nederlandse MKB’ers en professionals betekent deze verschuiving dat je AI-functionaliteit kunt inzetten zonder maandelijkse abonnementskosten of per-request betalingen. Waar je voor een API van OpenAI of Anthropic per duizend tokens betaalt, kun je met open-weight modellen eenmalig investeren in hardware en daarna onbeperkt gebruik maken van de modellen. Dit is vooral relevant nu de AI-hype afneemt en bedrijven overschakelen van pilots naar daadwerkelijke integratie, waar lagere kosten en meer maatwerk de doorslag geven. Wel is het belangrijk om te weten dat Chinese modellen getraind zijn met contentmoderatie die aansluit bij het Chinese overheidsbeleid, en dat er beschuldigingen zijn van ongeoorloofde destillatie van Amerikaanse modellen. Voor praktisch gebruik in eigen bedrijf zijn deze modellen echter krachtig genoeg om taken zoals tekstanalyse, klantenservice-automatisering en data-extractie uit te voeren.

Hoe je dit kunt toepassen

Als je een webshop runt en productbeschrijvingen wilt genereren kun je overwegen om DeepSeek R1 of Qwen lokaal te draaien op een dedicated server of een krachtige desktop. Je zou het model kunnen gebruiken om op basis van productspecificaties automatisch beschrijvingen te schrijven in meerdere talen. De eenmalige investering in hardware, bijvoorbeeld een systeem met 32 GB VRAM, verdien je terug doordat je geen API-kosten meer betaalt per gegenereerde tekst.

Als je een team aanstuurt en interne documentatie wilt doorzoeken is een open-weight model zoals Qwen een optie om een retrieval-augmented generation (RAG) systeem op te zetten. Je installeert het model op een lokale server, koppelt het aan je documentenopslag, en medewerkers kunnen vragen stellen over beleid, procedures of projectinformatie zonder dat data je bedrijf verlaat. Tools zoals Ollama of LM Studio maken het installeren van deze modellen toegankelijk, ook zonder diepgaande technische kennis.

Als je in de logistiek werkt en vraaginformatie wilt verwerken kun je MiniMax of Z.ai inzetten om inkomende e-mails of chatberichten automatisch te classificeren en te beantwoorden. Omdat het model lokaal draait, zijn er geen datalekrisico’s en geen variabele kosten bij piekbelasting. Je zou kunnen beginnen met een testopstelling op een enkele server en later opschalen naar een cluster als het aantal verzoeken groeit.

Als je een consultancybureau runt en analyses wilt automatiseren is het mogelijk om DeepSeek R1 te gebruiken voor het samenvatten van rapporten of het extraheren van kerncijfers uit PDF’s. De eenmalige hardwarekosten liggen tussen de 2.000 en 5.000 euro voor een systeem dat geschikt is voor productiegebruik, afhankelijk van de modelgrootte. Vergeleken met API-kosten die bij intensief gebruik al snel enkele honderden euro’s per maand kunnen bedragen, is dit op termijn voordeliger.

Bron: Technologyreview