Open-weight AI haalt in: hoe gratis modellen de kloof dichten

AI · Open source · Modellen Open-weight AI haalt in: hoe gratis modellen de kloof dichten Nu in 2026 zijn open modellen die je zelf mag draaien geen goedkoop alternatief meer, maar een serieuze concurrent van de gesloten topmodellen. Dat verandert de prijzen en de machtsverhoudingen. Het zorgt wel voor wat extra voorbereidingswerk en de benodigde en beschikbare hardware die past bij het model. Jarenlang was het verhaal simpel: de beste AI-modellen kwamen van een handvol Amerikaanse labs, draaiden in hun eigen datacenters en waren alleen bereikbaar via een betaalde API. Wie het echt goede spul wilde, huurde het per token. December 2025 laat zien dat dat beeld aan het kantelen is. Een reeks open-weight modellen, waarvan je de gewichten mag downloaden en zelf mag draaien, komt nu zo dicht bij de absolute top dat het onderscheid voor veel taken nauwelijks nog uitmaakt. 675 mldparameters in Mistral Large 3, uitgebracht onder de vrije Apache 2.0-licentie €0licentiekosten als je een open-weight model op eigen hardware draait 11 decdatum waarop OpenAI GPT-5.2 vervroegd uitbracht, na een interne "code red" Wat "open-weight" precies betekent Even scherpstellen, want de termen lopen door elkaar. Een gesloten model zoals GPT-5.2 of Gemini 3 Pro gebruik je alleen via een API of app; het model zelf blijft achter slot. Een open-weight model publiceert de getrainde gewichten, zodat je het kunt downloaden, aanpassen en op eigen servers draaien. Dat is niet hetzelfde als volledig open source (waarbij ook de trainingsdata en het recept openliggen), maar voor de praktijk is het cruciaal: je bent niet langer afhankelijk van de prijs, de beschikbaarheid of de spelregels van één leverancier. Het interessante van eind 2025 is de combinatie van openheid en kwaliteit. Waar open modellen vroeger een generatie achterliepen, verschijnen ze nu vrijwel tegelijk met de gesloten toppers en op vergelijkbaar niveau. Open weight versus closed weight Gesloten model Jij prompt antwoord API zwarte doos parameters blijven privé geen lokale installatie zelf fine-tunen kan niet het ontwerp blijft verborgen Open-weight model Jij downloadt modelgewichten + technisch rapport architectuur is in te zien fine-tunen op eigen data draaien op eigen hardware voortbouwen op het ontwerp Open-weight betekent dat de gewichten vrij te downloaden zijn. Dat is nog iets anders dan volledig open source, waarbij ook de trainingsdata en het recept openliggen. De golf van december De maand las als een aaneenschakeling van lanceringen. Het Franse Mistral bracht begin december Mistral Large 3 uit, een model van 675 miljard parameters met een spaarzame Mixture-of-Experts-architectuur, volledig onder de Apache 2.0-licentie. Daarnaast verscheen Devstral 2, een coderende modelfamilie in twee maten (123 miljard en 24 miljard parameters), specifiek voor software-engineering. Uit China kwam DeepSeek V3.2, met sterke prestaties op zware redeneerbenchmarks: rond de 93 procent op de wiskundewedstrijd AIME 2025 en ruim 92 procent op HMMT. Een variant met een extra "thinking"-modus mikt op complexe redeneertaken. Ook Alibaba (Qwen), Zhipu (GLM) en anderen schoven nieuwe open modellen naar voren, terwijl Meta eerder in 2025 met Llama 4 al open varianten had uitgebracht voor tekst, beeld en agent-achtige workflows. Dat de gesloten kant zich bedreigd voelde, bleek uit het tempo. OpenAI bracht GPT-5.2 op 11 december vervroegd uit, naar verluidt na een interne alarmfase als reactie op de vooruitgang van Google. Google zelf rolde ondertussen Gemini 3 breed uit, inclusief het snelle Gemini 3 Flash. De toppers bewegen dus nog steeds hard, maar ze doen dat nu met de open modellen in hun achteruitkijkspiegel. Waarom dit meer is dan een lijstje releases: als een gratis te draaien model 90 procent van de kwaliteit levert tegen een fractie van de kosten, verandert de vraag van "welk model is het beste?" naar "welk model is goed genoeg voor deze taak, en wat mag het kosten?". Het echte verschil zit in de prijs De scherpste breuklijn loopt niet langs de benchmarks, maar langs de rekening. Gesloten topmodellen worden per miljoen tokens afgerekend, en voor de zwaarste varianten loopt dat flink op. Open-weight modellen die via een aanbieder draaien zijn doorgaans veel goedkoper, en wie ze op eigen hardware zet, betaalt alleen nog stroom en beheer. Prijs per miljoen uitvoertokens (indicatief, eind 2025) Hoe lager de balk, hoe goedkoper. Zelf-gehoste open modellen kennen geen tokenprijs. Claude Opus 4.x (gesloten) $25 GPT-5.2 (gesloten) $10 GLM-5.1 (open-weight) $4,40 Zelf-gehost open model $0 Dat verschil is geen detail. Voor een chatbot die duizenden gesprekken per dag afhandelt, of een agent die urenlang teksten verwerkt, bepaalt de tokenprijs of een project rendabel is. Bovendien zijn veel open modellen bij aanbieders letterlijk gratis in te zetten, en steeds meer draaien ze prima op één krachtige machine in plaats van een heel datacenter. De vraag verschuift van "wie heeft het slimste model?" naar "welk model past bij mijn budget, mijn privacy-eisen en mijn hardware?". Voor die vraag is open-weight vaak het beste antwoord. Wat je er zelf aan hebt Voor bedrijven en ontwikkelaars biedt open-weight drie concrete voordelen. Ten eerste controle: je draait het model waar je wilt, ook binnen je eigen netwerk, wat helpt bij gevoelige data en Europese privacywetgeving. Ten tweede voorspelbaarheid: geen leverancier die je model plotseling uitfaseert of de prijs verhoogt. Ten derde kosten: bij hoog volume wint zelf draaien het bijna altijd van betalen per token. Daar staan reële nadelen tegenover. Je hebt hardware, kennis en onderhoud nodig, en voor de allerzwaarste redeneertaken houden de gesloten toppers vaak nog een voorsprong. Voor een hobbyist of klein team is een API vaak simpelweg makkelijker. De keuze is dus niet zwart-wit, maar het speelveld is wel eerlijker geworden. Veel volume, kostengevoelig? Kijk naar een open-weight model bij een goedkope aanbieder of op eigen hardware. Gevoelige data? Zelf draaien houdt alles binnenshuis. Zwaarste redeneertaken? Test een gesloten topmodel en vergelijk het met de beste open variant, het gat is kleiner dan je denkt. De richting is duidelijk Niemand hoeft af te schrijven dat OpenAI, Google en Anthropic de grens blijven verleggen; dat doen ze nog volop. Maar de aanname dat je voor topkwaliteit verplicht bij hen aanklopt, is in de loop van 2025 gesneuveld. Europese spelers als Mistral en een golf uit China zorgen ervoor dat de beste ideeën binnen weken openlijk beschikbaar zijn. Voor iedereen die met AI bouwt, betekent dat meer keuze, lagere kosten en minder afhankelijkheid. En dat is misschien wel de belangrijkste ontwikkeling van deze winter. Bronnen Scalac, "Last month in AI, December 2025" (Mistral Large 3, Devstral 2, DeepSeek V3.2, GPT-5.2): scalac.io Times of AI, "AI Model Releases in 2025: The Roundup" (Llama 4, GPT-5.x): timesofai.com Google, "The latest AI news we announced in December" (Gemini 3 Flash): blog.google AI Flash Report, model- en prijstracker: aiflashreport.com Reuters, "OpenAI launches GPT-5.2": reuters.com

Open-weight AI haalt in: hoe gratis modellen de kloof dichten

Reacties 0

Meer tech artikelen

IFA 2026: waarom AI deze week je huishouden binnenwandelt

Van speculatie naar salaris: hoe stablecoins de betaalwereld overnemen

De open aanval: hoe Alibaba's Qwen het AI-landschap kantelt