Waarom bedrijven hun dure AI-modellen vaarwel zeggen en kiezen voor open-source van eigen bodem (en uit China)

De drie krachten achter de verschuiving

1. Explosief gestegen rekeningen voor propriëtaire API's

De economie van API-gebaseerde propriëtaire modellen wordt pijnlijk bij schaalvergroting. Een bedrijf dat 100 miljoen tokens per dag verwerkt via een propriëtaire API, kan maandelijks meer dan $500.000 kwijt zijn . Dezelfde werklast op zelfgehoste open-source modellen kost een fractie daarvan, zelfs als je rekening houdt met infrastructuur- en engineeringkosten. Deze financiële druk is de belangrijkste trigger voor de omslag; twee derde van de organisaties in een onderzoek gaf aan dat open-source AI goedkoper te implementeren is dan propriëtaire AI .

2. Multi-model routing wordt de norm

Tools zoals OpenRouter en vergelijkbare AI-marktplaatsen zijn de standaardarchitectuur voor bedrijven geworden. Deze tools stellen bedrijven in staat om elke taak toe te wijzen aan het goedkoopste adequate model, waarbij dure premium-API's alleen worden gebruikt voor het meest complexe werk. Deze aanpak versnelt de kostenbesparingen en is de directe oorzaak van de dramatische verschuiving in token-routing naar open-source opties . Het resultaat is een daling van de gemiddelde tokenkosten voor bedrijven van $18,40 per miljoen tokens in Q1 2025 naar $6,07 in Q1 2026 .

3. De prestatiekloof is effectief verdwenen

Het kwalitatieve argument om een premie te betalen voor propriëtaire modellen is aanzienlijk verzwakt. Eind 2025 was de MMLU-benchmarkkloof tussen open-source en propriëtaire modellen geslonken van 17,5 procentpunt naar slechts 0,3 – feitelijk gesloten op het gebied van algemene kennisbenchmarks . Op de LMSys Chatbot Arena ligt het verschil nu binnen een paar dozijn Elo-punten, wat bij sommige statistieken binnen de foutmarge valt .

Toonaangevende Chinese modellen zijn nu de maatstaf voor waar voor je geld. DeepSeek-V3.2 evenaart GPT-5.1 tegen een tiende van de inferentiekosten . Op het gebied van agentische prestaties verslaan modellen als GLM-4.7 elk propriëitair model op de τ²-Bench . Deze prestatiepariteit betekent dat voor de overgrote meerderheid van zakelijke use cases – sommige analisten schatten 80% – open-source modellen nu vergelijkbare of superieure resultaten leveren .

Chinese modellen leiden de open-source charge

Het verhaal gaat niet langer alleen over open-source versus propriëtair; het gaat steeds meer over Amerikaanse versus Chinese open-source leiderschap. Chinese ontwikkelaars hebben een open-source distributiestrategie omarmd om wereldwijde adoptie te stimuleren, en dat werkt.

• Downloaddominantie: Tussen augustus 2024 en augustus 2025 waren Chinese open-model ontwikkelaars goed voor 17,1% van alle Hugging Face-downloads, iets meer dan Amerikaanse ontwikkelaars met 15,8% .
• Marktaandeel spurt: Alibaba's Qwen en DeepSeek hebben naar schatting 15% van de wereldwijde AI-markt veroverd in januari 2026, tegen amper 1% aan het begin van 2025 . Qwen passeerde Meta's Llama in september 2025 als de meest gedownloade LLM-familie op Hugging Face .
• Omvang van releases: In juli 2025 had China ongeveer 1.509 van de wereldwijd ongeveer 3.755 openbare LLM's uitgebracht – veruit de meeste van elk land .

Deze stortvloed aan capabele, goedkope modellen verandert fundamenteel de mondiale AI-toeleveringsketens en economische overwegingen voor bedrijven wereldwijd.

De kostenimplicaties voor het bedrijfsleven

De kostenvoordelen van de overstap zijn verbluffend en multidimensionaal.

Zelfs wanneer de operationele overhead van self-hosting wordt meegerekend, is een werklast van 100 miljoen tokens per dag 55% goedkoper op open-source, en bij 1 miljard tokens per dag loopt die besparing op tot 81% .

De druk op OpenAI en Anthropic

Deze verschuiving heeft een existentiële crisis veroorzaakt voor de pioniers van het propriëtaire AI-tijdperk. Nu bedrijven met hun portemonnee stemmen, worden OpenAI en Anthropic van alle kanten in het nauw gedreven.

Een meedogenloze prijzenoorlog

The Wall Street Journal en Bloomberg hebben gerapporteerd over een escalerende prijzenoorlog tussen de twee bedrijven . Sam Altman heeft toegegeven dat kosten een "enorm probleem" zijn voor klanten, en OpenAI overweegt naar verluidt forse tokenprijsverlagingen om de enterprise-momentum van Anthropic tegen te gaan .

De cijfers liegen niet

• OpenAI's operationele marge: OpenAI boekte een aangepaste operationele marge van -122% in Q1 2026, een verlies van $1,22 voor elke dollar aan omzet .
• Anthropic's explosieve groei: Anthropic's geannualiseerde omzetrun rate steeg naar $47 miljard in mei 2026, van ongeveer $10 miljard voor heel 2025, sterk gedreven door enterprise-adoptie van Claude Code .
• Toenemende bedreigingen: Chinese modellen zoals Zhipu's GLM 5.2 zitten nu binnen een procentpunt van Anthropic's Opus 4.8 op agentische benchmarks tegen ongeveer een vijfde van de kosten . Bovendien leggen ook efficiëntiegerichte producten van Microsoft, Amazon en Google nieuwe groeidruk op beide bedrijven .

Het IPO-risico

Beide bedrijven racen naar een beursgang in de tweede helft van 2026 . Het centrale risico is dat het comprimeren van marges om te concurreren met open-source en Chinese alternatieven hun vermogen ondermijnt om de enorme infrastructuuruitgaven te bekostigen die nodig zijn om een voorsprong te behouden . Een analist van D.A. Davidson merkte op dat de huidige groeicijfers mogelijk niet houdbaar zijn nu het bestedingsklimaat verandert .

De weg vooruit: een hybride wereld

De toekomst van enterprise AI is geen binaire keuze tussen open en gesloten. De gegevens wijzen op een hybride architectuur als de nieuwe norm. Bedrijven zullen propriëtaire modellen gebruiken voor risicovolle, merkgevoelige of juridisch gereguleerde workflows waar garanties en service level agreements (SLA's) niet onderhandelbaar zijn . Voor kostengevoelige batchverwerking, hoogvolume contentgeneratie en on-premises implementaties zullen open-source modellen, met name die uit China, de standaard worden .

De strategische les voor elke bedrijfsleider is duidelijk: het tijdperk van het betalen van een premie voor AI-capaciteit loopt ten einde. Elke AI-strategie die geen rekening houdt met de dalende kosten en de stijgende kwaliteit van open-source modellen is al achterhaald.