MiniMax plant reusachtig AI-model met 2,7 biljoen parameters
MiniMax werkt aan een nieuw AI model met 2,7 biljoen parameters, intern M3 Pro genoemd – het grootste opengewichtmodel van een Chinees bedrijf en mogelijk wereldwijd. Het model kan al in het derde kwartaal van 2026 worden uitgebracht en wordt naar verwachting opensource (opengewicht) aangeboden.
Gepubliceerd doorBewerkt met DeepSeek-V4-FlashAfbeeldingen gegenereerd met GPT Image 1.5
MiniMax werkt aan een nieuw AI model met 2,7 biljoen parameters, intern M3 Pro genoemd – het grootste opengewichtmodel van een Chinees bedrijf en mogelijk wereldwijd.
Het model kan al in het derde kwartaal van 2026 worden uitgebracht en wordt naar verwachting opensource (opengewicht) aangeboden.
Met een sprong van 428 miljard (M3) naar 2,7 biljoen parameters is de schaalvergroting enorm, al blijft het onduidelijk of de architectuur gebaseerd is op Mixture of Experts (MoE).
Het model overtreft DeepSeek V4 Pro (1,6 biljoen parameters) en MiniMax M3 (428 miljard) qua omvang, maar de prestaties hangen af van de uiteindelijke architectuur en optimalisatie.
Search & fact-check with cited sources for What are the key details about MiniMax's planned 2.7 trillion-parameter open-weight AI model (codMiniMax's model lineage has scaled from 456B parameters (M1, June 2025) to 428B (M3, June 2026) to a planned 2.7T model (M3 Pro, target Q3 2026)—a 6.3x jump that would make it the largest open-weight AI model in the world.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What are the key details about MiniMax's planned 2.7 trillion-parameter open-weight AI model (cod. Article summary: ## MiniMax's Planned 2.7 Trillion-Parameter Model (M3 Pro). Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
MiniMax's geplande model met 2,7 biljoen parameters (M3 Pro)
Op 8 juli 2026 meldde Reuters dat de Chinese AI-startup MiniMax werkt aan een groot taalmodel met 2,7 biljoen parameters, intern aangeduid – hoewel Reuters de naam "M3 Pro" niet expliciet bevestigt, wordt het beschreven als de opvolger van de recent uitgebrachte M3-serie . Een ingewijde vertelde Reuters dat dit het grootste opengewicht-AI-model ooit van een Chinees bedrijf en mogelijk het grootste ter wereld zou zijn . Een definitieve releasedatum is nog niet bekendgemaakt, maar er wordt intern aan gewerkt .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "MiniMax plant reusachtig AI-model met 2,7 biljoen parameters"?
MiniMax werkt aan een nieuw AI model met 2,7 biljoen parameters, intern M3 Pro genoemd – het grootste opengewichtmodel van een Chinees bedrijf en mogelijk wereldwijd.
What are the key points to validate first?
MiniMax werkt aan een nieuw AI model met 2,7 biljoen parameters, intern M3 Pro genoemd – het grootste opengewichtmodel van een Chinees bedrijf en mogelijk wereldwijd. Het model kan al in het derde kwartaal van 2026 worden uitgebracht en wordt naar verwachting opensource (opengewicht) aangeboden.
What should I do next in practice?
Met een sprong van 428 miljard (M3) naar 2,7 biljoen parameters is de schaalvergroting enorm, al blijft het onduidelijk of de architectuur gebaseerd is op Mixture of Experts (MoE).
MiniMax plant reusachtig AI-model met 2,7 biljoen parameters
MiniMax werkt aan een nieuw AI model met 2,7 biljoen parameters, intern M3 Pro genoemd – het grootste opengewichtmodel van een Chinees bedrijf en mogelijk wereldwijd. Het model kan al in het derde kwartaal van 2026 worden uitgebracht en wordt naar verwachting opensource (opengewicht) aangeboden.
Gepubliceerd doorBewerkt met DeepSeek-V4-FlashAfbeeldingen gegenereerd met GPT Image 1.5
MiniMax werkt aan een nieuw AI model met 2,7 biljoen parameters, intern M3 Pro genoemd – het grootste opengewichtmodel van een Chinees bedrijf en mogelijk wereldwijd.
Het model kan al in het derde kwartaal van 2026 worden uitgebracht en wordt naar verwachting opensource (opengewicht) aangeboden.
Met een sprong van 428 miljard (M3) naar 2,7 biljoen parameters is de schaalvergroting enorm, al blijft het onduidelijk of de architectuur gebaseerd is op Mixture of Experts (MoE).
Het model overtreft DeepSeek V4 Pro (1,6 biljoen parameters) en MiniMax M3 (428 miljard) qua omvang, maar de prestaties hangen af van de uiteindelijke architectuur en optimalisatie.
Search & fact-check with cited sources for What are the key details about MiniMax's planned 2.7 trillion-parameter open-weight AI model (codMiniMax's model lineage has scaled from 456B parameters (M1, June 2025) to 428B (M3, June 2026) to a planned 2.7T model (M3 Pro, target Q3 2026)—a 6.3x jump that would make it the largest open-weight AI model in the world.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What are the key details about MiniMax's planned 2.7 trillion-parameter open-weight AI model (cod. Article summary: ## MiniMax's Planned 2.7 Trillion-Parameter Model (M3 Pro). Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
MiniMax's geplande model met 2,7 biljoen parameters (M3 Pro)
Op 8 juli 2026 meldde Reuters dat de Chinese AI-startup MiniMax werkt aan een groot taalmodel met 2,7 biljoen parameters, intern aangeduid – hoewel Reuters de naam "M3 Pro" niet expliciet bevestigt, wordt het beschreven als de opvolger van de recent uitgebrachte M3-serie . Een ingewijde vertelde Reuters dat dit het grootste opengewicht-AI-model ooit van een Chinees bedrijf en mogelijk het grootste ter wereld zou zijn . Een definitieve releasedatum is nog niet bekendgemaakt, maar er wordt intern aan gewerkt .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "MiniMax plant reusachtig AI-model met 2,7 biljoen parameters"?
MiniMax werkt aan een nieuw AI model met 2,7 biljoen parameters, intern M3 Pro genoemd – het grootste opengewichtmodel van een Chinees bedrijf en mogelijk wereldwijd.
What are the key points to validate first?
MiniMax werkt aan een nieuw AI model met 2,7 biljoen parameters, intern M3 Pro genoemd – het grootste opengewichtmodel van een Chinees bedrijf en mogelijk wereldwijd. Het model kan al in het derde kwartaal van 2026 worden uitgebracht en wordt naar verwachting opensource (opengewicht) aangeboden.
What should I do next in practice?
Met een sprong van 428 miljard (M3) naar 2,7 biljoen parameters is de schaalvergroting enorm, al blijft het onduidelijk of de architectuur gebaseerd is op Mixture of Experts (MoE).
Belangrijke kanttekening bij de naam: Het Reuters-rapport gebruikt de codenaam "M3 Pro" niet expliciet. De vraag van de gebruiker verwijst ernaar, maar de beschikbare bronnen bevestigen alleen dat er een opvolger met 2,7 biljoen parameters gepland is; de uiteindelijke naam kan anders zijn.
Vergelijking met bestaande MiniMax-modellen
De modellenlijn van MiniMax heeft zich snel ontwikkeld:
Model
Release
Parameters
Architectuur
Belangrijkste kenmerken
MiniMax-M1
Juni 2025
456B totaal / 45,9B actief
MoE + hybride aandacht
Eerste opengewicht hybride-aandacht-redeneringsmodel; 1M context; Apache 2.0; claimt DeepSeek R1 te overtreffen op bepaalde taken
MiniMax-M3
1 juni 2026
~428B totaal / ~23B actief
MoE (Sparse Attention)
Frontier-codering (59,0% SWE-bench Pro), 1M-token context, native beeld/video/computergebruik-multimodaliteit; opengewicht op Hugging Face
M3 Pro (gepland)
TBD
2,7T totaal (waarschijnlijk MoE)
TBD
Mogelijk het grootste opengewichtmodel ooit; grootste van een Chinees bedrijf
De sprong van M3's ~428B totale parameters naar 2,7T is een vergroting van ~6,3x. Als MiniMax zijn MoE-aanpak (Mixture-of-Experts) voortzet, blijft het actieve parameteraantal per forward pass mogelijk in de tientallen tot honderden miljarden, maar de totale parameteromvang is ongekend voor een opengewichtrelease .
Vergelijking met DeepSeek-V4-Pro
DeepSeek-V4-Pro is DeepSeek's vlaggenschip opengewichtmodel, gelanceerd op 23 april 2026 . Belangrijke specificaties en vergelijking:
DeepSeek-V4-Pro: 1,6T totale parameters, 49B geactiveerd, MIT-licentie, puur-tekst algoritmisch specialist – hoogste Codeforces-rating van elk taalmodel en 80,6% op SWE-bench Verified (beste onder opengewichtmodellen)
MiniMax M3 (huidig): ~428B totaal / ~23B actief – sterker op multimodale taken en wiskunde (gemiddeld 85,7 vs 31,7 op één aggregaat), zwakker op pure codeerbenchmarks dan DeepSeek-V4-Pro
Gepland 2,7T-model: Zou zowel DeepSeek-V4-Pro (1,6T) als MiniMax M3 (428B) ver overtreffen in totale parameters
De meeste analysesites merken op dat MiniMax M3 en DeepSeek V4-Pro "nauwelijks concurreren" – ze zijn geoptimaliseerd voor verschillende workloads: M3 voor multimodale agentische codering en lang-context-taken, V4-Pro voor puur-tekst algoritmische codering tegen lagere kosten .
De bredere context van Chinese opengewichtmodellen
Chinese AI-labs hebben in 2025-2026 een golf van krachtige opengewichtmodellen uitgebracht:
DeepSeek-V4-Pro (23 april 2026) – 1,6T MoE, MIT-licentie, frontier-coderingsprestaties
Tencent Hy3 (Hunyuan 3.0) – Previewrelease 23 april 2026; volledige opengewichtsrelease 6 juli 2026 onder Apache 2.0. Een MoE-model met 295B parameters (21B actief, 192 experts, top-8-routing) met 256K context, geleid door ex-OpenAI-onderzoeker Shunyu Yao . Dit was Tencent's eerste frontier-klasse opengewichtsrelease
MiniMax-M1 (juni 2025) – 456B-parameter opengewicht redeneringsmodel, Apache 2.0, aangeprezen als 's werelds eerste opengewicht grootschalige hybride-aandacht redeneringsmodel
Ant Group Ling-2.6-flash (22 april 2026) – 104B/7,4B actief efficiëntiegericht MoE
Andere Chinese labs zoals Alibaba (Qwen), ByteDance en Baichuan hebben ook opengewichtmodellen uitgebracht
Dit weerspiegelt een bewuste strategie van Chinese AI-labs om modellen als opengewicht uit te brengen (vaak onder Apache 2.0- of MIT-licenties), in tegenstelling tot veel westerse labs (OpenAI, Anthropic, Google) die hun frontier-modellen gesloten houden .
Competitie met westerse AI-labs
De snelle opeenvolging van Chinese opengewichtsreleases geeft het volgende aan:
Schaalrace: MiniMax' geplande 2,7T-model zou elk bekend opengewicht westers model in totale parameters overtreffen, waarmee het verhaal van een "compute-voorsprong" voor Amerikaanse labs wordt uitgedaagd
Opengewichtstrategie als geopolitiek hefboom: Door gewichten openlijk vrij te geven, maken Chinese labs hun modellen vrij beschikbaar voor wereldwijde ontwikkelaars, waarmee exportcontroles op hardware worden omzeild. Ontwikkelaars in het Westen en het Globale Zuiden kunnen deze modellen op hun eigen infrastructuur draaien
Talentmigratie: Tencent's Hy3 werd geleid door een voormalige OpenAI-medewerker (Shunyu Yao), wat de tweerichtingsstroom van AI-talent illustreert
Prijsconcurrentie: DeepSeek V4 Pro en MiniMax M3 concurreren beide op of onder GPT-5.5-prijzen bij API-aanbieders, wat de kosten wereldwijd drukt
Benchmarkpariteit: MiniMax M3's 59,0% op SWE-bench Pro overtreft GPT-5.5's 58,6%, terwijl DeepSeek V4 Pro's 80,6% op SWE-bench Verified de beste is onder alle opengewichtmodellen
Computationele uitdagingen bij het inzetten van een model met 2,7 biljoen parameters
Een opengewichtmodel met 2,7T parameters zou extreme implementatie-uitdagingen met zich meebrengen:
Geheugenvereisten: Zelfs in 8-bit kwantisatie vereist het laden van 2,7T parameters ~2,7 TB GPU-geheugen. In FP16 stijgt dat naar ~5,4 TB. Dit vereist honderden GPU's (bijv. 200+ H100's met 80 GB elk) alleen al om het model in het geheugen te laden
MoE-architectuur waarschijnlijk: Zowel MiniMax M1 als M3 gebruiken MoE, waarbij slechts een fractie van de parameters per token wordt geactiveerd (bijv. 23B actief van 428B totaal voor M3) . Als het 2,7T-model dit patroon volgt met een vergelijkbaar lage actieve-parameterratio (bijv. ~135B actief), zou inferentie op een kleinere cluster haalbaar kunnen zijn dan het totale parameteraantal suggereert, maar nog steeds ver buiten het bereik van een enkele GPU
Inferentielatentie en doorvoer: Zelfs met MoE-sparsity vereist het serveren van zo'n model op schaal geavanceerde tensorparallellisme, pijplijnparallellisme en expertparallellisme over vele nodes, met hogesnelheidsinterconnects
Trainingskosten: Het trainen van een model met 2,7T parameters vereist een enorm compute-budget – waarschijnlijk tienduizenden GPU-maanden, zelfs met efficiënte MoE-trainingsmethoden
Distributie van opengewichten: Het simpelweg hosten en distribueren van 2,7T parameters (mogelijk 5+ TB aan gewichten) is een logistieke uitdaging voor Hugging Face en andere repositories
Daarbij heeft MiniMax sterke efficiëntietechniek laten zien – M1 werd getraind met 70% minder compute dan DeepSeek R1 en behaalde toch concurrerende benchmarks , en M3 gebruikt sparse-aandachtsmechanismen . Ze kunnen vergelijkbare innovaties toepassen voor het 2,7T-model.
Groeiende wereldwijde adoptie van Chinese AI-modellen
Chinese opengewichtmodellen hebben wereldwijd aanzienlijke tractie gekregen om verschillende redenen:
Prijzen: DeepSeek V4 Pro rekent ~$0,435/M invoertokens vs MiniMax M3 op ~$0,30/M, beide extreem concurrerend met westerse API-prijzen
Permissieve licenties: Apache 2.0 (MiniMax M1, Tencent Hy3) en MIT (DeepSeek V4-Pro) staan commercieel gebruik, aanpassing en herdistributie zonder beperkingen toe
Benchmarkconcurrentievermogen: Deze modellen evenaren of overtreffen GPT-5.5 en Claude op belangrijke benchmarks (codering, redeneren, wiskunde)
Ontwikkelaar-ecosysteem: Gewichten worden gehost op Hugging Face, geïntegreerd in OpenRouter, Kilo Code en andere platforms, waardoor ze toegankelijk zijn voor wereldwijde ontwikkelaars
De trend geeft aan dat China niet langer alleen een hardware-beperkte volger is in AI – het is een leider in de uitgave van opengewichtmodellen, die openheid gebruikt als een concurrerende gracht tegen westerse geslotenmodel-leiders. Het geplande 2,7T-model zou, als het gerealiseerd wordt, de sterkste verklaring in die richting zijn.
bloomberg.com
Tencent Unveils AI Model in High-Stakes Test for OpenAI Hire
Belangrijke kanttekening bij de naam: Het Reuters-rapport gebruikt de codenaam "M3 Pro" niet expliciet. De vraag van de gebruiker verwijst ernaar, maar de beschikbare bronnen bevestigen alleen dat er een opvolger met 2,7 biljoen parameters gepland is; de uiteindelijke naam kan anders zijn.
Vergelijking met bestaande MiniMax-modellen
De modellenlijn van MiniMax heeft zich snel ontwikkeld:
Model
Release
Parameters
Architectuur
Belangrijkste kenmerken
MiniMax-M1
Juni 2025
456B totaal / 45,9B actief
MoE + hybride aandacht
Eerste opengewicht hybride-aandacht-redeneringsmodel; 1M context; Apache 2.0; claimt DeepSeek R1 te overtreffen op bepaalde taken
MiniMax-M3
1 juni 2026
~428B totaal / ~23B actief
MoE (Sparse Attention)
Frontier-codering (59,0% SWE-bench Pro), 1M-token context, native beeld/video/computergebruik-multimodaliteit; opengewicht op Hugging Face
M3 Pro (gepland)
TBD
2,7T totaal (waarschijnlijk MoE)
TBD
Mogelijk het grootste opengewichtmodel ooit; grootste van een Chinees bedrijf
De sprong van M3's ~428B totale parameters naar 2,7T is een vergroting van ~6,3x. Als MiniMax zijn MoE-aanpak (Mixture-of-Experts) voortzet, blijft het actieve parameteraantal per forward pass mogelijk in de tientallen tot honderden miljarden, maar de totale parameteromvang is ongekend voor een opengewichtrelease .
Vergelijking met DeepSeek-V4-Pro
DeepSeek-V4-Pro is DeepSeek's vlaggenschip opengewichtmodel, gelanceerd op 23 april 2026 . Belangrijke specificaties en vergelijking:
DeepSeek-V4-Pro: 1,6T totale parameters, 49B geactiveerd, MIT-licentie, puur-tekst algoritmisch specialist – hoogste Codeforces-rating van elk taalmodel en 80,6% op SWE-bench Verified (beste onder opengewichtmodellen)
MiniMax M3 (huidig): ~428B totaal / ~23B actief – sterker op multimodale taken en wiskunde (gemiddeld 85,7 vs 31,7 op één aggregaat), zwakker op pure codeerbenchmarks dan DeepSeek-V4-Pro
Gepland 2,7T-model: Zou zowel DeepSeek-V4-Pro (1,6T) als MiniMax M3 (428B) ver overtreffen in totale parameters
De meeste analysesites merken op dat MiniMax M3 en DeepSeek V4-Pro "nauwelijks concurreren" – ze zijn geoptimaliseerd voor verschillende workloads: M3 voor multimodale agentische codering en lang-context-taken, V4-Pro voor puur-tekst algoritmische codering tegen lagere kosten .
De bredere context van Chinese opengewichtmodellen
Chinese AI-labs hebben in 2025-2026 een golf van krachtige opengewichtmodellen uitgebracht:
DeepSeek-V4-Pro (23 april 2026) – 1,6T MoE, MIT-licentie, frontier-coderingsprestaties
Tencent Hy3 (Hunyuan 3.0) – Previewrelease 23 april 2026; volledige opengewichtsrelease 6 juli 2026 onder Apache 2.0. Een MoE-model met 295B parameters (21B actief, 192 experts, top-8-routing) met 256K context, geleid door ex-OpenAI-onderzoeker Shunyu Yao . Dit was Tencent's eerste frontier-klasse opengewichtsrelease
MiniMax-M1 (juni 2025) – 456B-parameter opengewicht redeneringsmodel, Apache 2.0, aangeprezen als 's werelds eerste opengewicht grootschalige hybride-aandacht redeneringsmodel
Ant Group Ling-2.6-flash (22 april 2026) – 104B/7,4B actief efficiëntiegericht MoE
Andere Chinese labs zoals Alibaba (Qwen), ByteDance en Baichuan hebben ook opengewichtmodellen uitgebracht
Dit weerspiegelt een bewuste strategie van Chinese AI-labs om modellen als opengewicht uit te brengen (vaak onder Apache 2.0- of MIT-licenties), in tegenstelling tot veel westerse labs (OpenAI, Anthropic, Google) die hun frontier-modellen gesloten houden .
Competitie met westerse AI-labs
De snelle opeenvolging van Chinese opengewichtsreleases geeft het volgende aan:
Schaalrace: MiniMax' geplande 2,7T-model zou elk bekend opengewicht westers model in totale parameters overtreffen, waarmee het verhaal van een "compute-voorsprong" voor Amerikaanse labs wordt uitgedaagd
Opengewichtstrategie als geopolitiek hefboom: Door gewichten openlijk vrij te geven, maken Chinese labs hun modellen vrij beschikbaar voor wereldwijde ontwikkelaars, waarmee exportcontroles op hardware worden omzeild. Ontwikkelaars in het Westen en het Globale Zuiden kunnen deze modellen op hun eigen infrastructuur draaien
Talentmigratie: Tencent's Hy3 werd geleid door een voormalige OpenAI-medewerker (Shunyu Yao), wat de tweerichtingsstroom van AI-talent illustreert
Prijsconcurrentie: DeepSeek V4 Pro en MiniMax M3 concurreren beide op of onder GPT-5.5-prijzen bij API-aanbieders, wat de kosten wereldwijd drukt
Benchmarkpariteit: MiniMax M3's 59,0% op SWE-bench Pro overtreft GPT-5.5's 58,6%, terwijl DeepSeek V4 Pro's 80,6% op SWE-bench Verified de beste is onder alle opengewichtmodellen
Computationele uitdagingen bij het inzetten van een model met 2,7 biljoen parameters
Een opengewichtmodel met 2,7T parameters zou extreme implementatie-uitdagingen met zich meebrengen:
Geheugenvereisten: Zelfs in 8-bit kwantisatie vereist het laden van 2,7T parameters ~2,7 TB GPU-geheugen. In FP16 stijgt dat naar ~5,4 TB. Dit vereist honderden GPU's (bijv. 200+ H100's met 80 GB elk) alleen al om het model in het geheugen te laden
MoE-architectuur waarschijnlijk: Zowel MiniMax M1 als M3 gebruiken MoE, waarbij slechts een fractie van de parameters per token wordt geactiveerd (bijv. 23B actief van 428B totaal voor M3) . Als het 2,7T-model dit patroon volgt met een vergelijkbaar lage actieve-parameterratio (bijv. ~135B actief), zou inferentie op een kleinere cluster haalbaar kunnen zijn dan het totale parameteraantal suggereert, maar nog steeds ver buiten het bereik van een enkele GPU
Inferentielatentie en doorvoer: Zelfs met MoE-sparsity vereist het serveren van zo'n model op schaal geavanceerde tensorparallellisme, pijplijnparallellisme en expertparallellisme over vele nodes, met hogesnelheidsinterconnects
Trainingskosten: Het trainen van een model met 2,7T parameters vereist een enorm compute-budget – waarschijnlijk tienduizenden GPU-maanden, zelfs met efficiënte MoE-trainingsmethoden
Distributie van opengewichten: Het simpelweg hosten en distribueren van 2,7T parameters (mogelijk 5+ TB aan gewichten) is een logistieke uitdaging voor Hugging Face en andere repositories
Daarbij heeft MiniMax sterke efficiëntietechniek laten zien – M1 werd getraind met 70% minder compute dan DeepSeek R1 en behaalde toch concurrerende benchmarks , en M3 gebruikt sparse-aandachtsmechanismen . Ze kunnen vergelijkbare innovaties toepassen voor het 2,7T-model.
Groeiende wereldwijde adoptie van Chinese AI-modellen
Chinese opengewichtmodellen hebben wereldwijd aanzienlijke tractie gekregen om verschillende redenen:
Prijzen: DeepSeek V4 Pro rekent ~$0,435/M invoertokens vs MiniMax M3 op ~$0,30/M, beide extreem concurrerend met westerse API-prijzen
Permissieve licenties: Apache 2.0 (MiniMax M1, Tencent Hy3) en MIT (DeepSeek V4-Pro) staan commercieel gebruik, aanpassing en herdistributie zonder beperkingen toe
Benchmarkconcurrentievermogen: Deze modellen evenaren of overtreffen GPT-5.5 en Claude op belangrijke benchmarks (codering, redeneren, wiskunde)
Ontwikkelaar-ecosysteem: Gewichten worden gehost op Hugging Face, geïntegreerd in OpenRouter, Kilo Code en andere platforms, waardoor ze toegankelijk zijn voor wereldwijde ontwikkelaars
De trend geeft aan dat China niet langer alleen een hardware-beperkte volger is in AI – het is een leider in de uitgave van opengewichtmodellen, die openheid gebruikt als een concurrerende gracht tegen westerse geslotenmodel-leiders. Het geplande 2,7T-model zou, als het gerealiseerd wordt, de sterkste verklaring in die richting zijn.
bloomberg.com
Tencent Unveils AI Model in High-Stakes Test for OpenAI Hire
