Hoe Chinese AI-labs de Amerikaanse exportcontroles omzeilen
Vanaf Zhipu AI's GLM 5.2 in juni 2026 brachten Chinese labs een reeks geavanceerde open weight modellen uit, waaronder Moonshot's 2,8 biljoen parameter sterke Kimi K3 en Meituan's met eigen chips getrainde LongCat 2.0. De Amerikaanse chiprestricties hebben onbedoeld geleid tot een efficiënter en zelfvoorzienend Chin...
Gepubliceerd doorBewerkt met DeepSeek-V4-FlashAfbeeldingen gegenereerd met GPT Image 1.5
Vanaf Zhipu AI's GLM 5.2 in juni 2026 brachten Chinese labs een reeks geavanceerde open weight modellen uit, waaronder Moonshot's 2,8 biljoen parameter sterke Kimi K3 en Meituan's met eigen chips getrainde LongCat 2.0.
De Amerikaanse chiprestricties hebben onbedoeld geleid tot een efficiënter en zelfvoorzienend Chinees AI ecosysteem, met modellen die qua prestaties concurreren met Amerikaanse topmodellen, maar tegen een fractie van...
De NIST CAISI beoordeling plaatst GLM 5.2 op het niveau van GPT 5.2, terwijl DeepSeek V4 Pro met een Terminal Bench 2.1 score van 87,9 ongeveer 57 keer goedkoper is dan Claude Fable 5.
What has driven the recent surge of Chinese AI model releases since June 2026, culminating in DeepSeek V4 Pro's launch on August 13, and howThe summer 2026 surge of Chinese open-weight AI models has reshaped the competitive landscape of frontier artificial intelligence.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What has driven the recent surge of Chinese AI model releases since June 2026, culminating in DeepSeek V4 Pro's launch on August 13, and how. Article summary: I have strong evidence on most of the models you asked about but no search results for Tencent Hy3, Alibaba Qwen3.8-Max, the specific "$0.06 per task" pricing for DeepSeek V4 Pro, the "$2.34" figure for Claude Opus 5, or. Topic tags: general, government, documentation, general web, 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, watermark
openai.com
In een periode van acht weken, vanaf half juni 2026, hebben Chinese AI-labs een vloedgolf aan geavanceerde modellen uitgebracht die het mondiale AI-landschap volledig hebben hervormd. De golf bereikte een hoogtepunt op 13 augustus met de algemene beschikbaarheid van DeepSeek V4 Pro, maar het verhaal is groter dan één enkele lancering. Het gaat over hoe exportcontroles, bedoeld om Chinese AI te vertragen, juist hebben geleid tot een efficiëntere, zelfvoorzienende en agressief open-weight concurrent die nu qua capaciteit op het niveau zit van Amerikaanse topmodellen, maar ze qua prijs met een factor 10 tot 57 onderbiedt.
Wat dreef de versnelling?
Drie versterkende factoren hebben jaren van ontwikkeling samengeperst tot een paar maanden:
1. Druk van exportcontroles. Amerikaanse chiprestricties sneden Chinese labs af van onbeperkte toegang tot NVIDIA H100/B200 GPU's, waardoor ze gedwongen werden te innoveren op eigen hardware (zoals Huawei Ascend 910B/C-chips) en te optimaliseren voor efficiëntie in plaats van pure rekenkracht. Meituan's LongCat-2.0 is het duidelijkste voorbeeld: het is het eerste biljoen-parameter model dat volledig op Chinese chips is getraind en draait .
2. Intense binnenlandse concurrentie. Een dozijn goed gefinancierde labs – DeepSeek, Moonshot, Zhipu/Z.AI, Meituan, Alibaba, Tencent, Baidu, ByteDance – strijden om prestige, de aandacht van ontwikkelaars en adoptie door bedrijven. Dit perst de releasecycli samen tot weken.
3. Open-weight strategie als geopolitiek wapen. Chinese labs brengen modellen uit onder permissieve licenties (MIT, aangepaste MIT) zonder regionale beperkingen. Dit staat in schril contrast met de steeds meer gesloten strategieën van OpenAI en Anthropic en wint wereldwijd terrein bij ontwikkelaars .
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 "Hoe Chinese AI-labs de Amerikaanse exportcontroles omzeilen"?
Vanaf Zhipu AI's GLM 5.2 in juni 2026 brachten Chinese labs een reeks geavanceerde open weight modellen uit, waaronder Moonshot's 2,8 biljoen parameter sterke Kimi K3 en Meituan's met eigen chips getrainde LongCat 2.0.
What are the key points to validate first?
Vanaf Zhipu AI's GLM 5.2 in juni 2026 brachten Chinese labs een reeks geavanceerde open weight modellen uit, waaronder Moonshot's 2,8 biljoen parameter sterke Kimi K3 en Meituan's met eigen chips getrainde LongCat 2.0. De Amerikaanse chiprestricties hebben onbedoeld geleid tot een efficiënter en zelfvoorzienend Chinees AI ecosysteem, met modellen die qua prestaties concurreren met Amerikaanse topmodellen, maar tegen een fractie van...
What should I do next in practice?
De NIST CAISI beoordeling plaatst GLM 5.2 op het niveau van GPT 5.2, terwijl DeepSeek V4 Pro met een Terminal Bench 2.1 score van 87,9 ongeveer 57 keer goedkoper is dan Claude Fable 5.
Hoe Chinese AI-labs de Amerikaanse exportcontroles omzeilen
Vanaf Zhipu AI's GLM 5.2 in juni 2026 brachten Chinese labs een reeks geavanceerde open weight modellen uit, waaronder Moonshot's 2,8 biljoen parameter sterke Kimi K3 en Meituan's met eigen chips getrainde LongCat 2.0. De Amerikaanse chiprestricties hebben onbedoeld geleid tot een efficiënter en zelfvoorzienend Chin...
Gepubliceerd doorBewerkt met DeepSeek-V4-FlashAfbeeldingen gegenereerd met GPT Image 1.5
Vanaf Zhipu AI's GLM 5.2 in juni 2026 brachten Chinese labs een reeks geavanceerde open weight modellen uit, waaronder Moonshot's 2,8 biljoen parameter sterke Kimi K3 en Meituan's met eigen chips getrainde LongCat 2.0.
De Amerikaanse chiprestricties hebben onbedoeld geleid tot een efficiënter en zelfvoorzienend Chinees AI ecosysteem, met modellen die qua prestaties concurreren met Amerikaanse topmodellen, maar tegen een fractie van...
De NIST CAISI beoordeling plaatst GLM 5.2 op het niveau van GPT 5.2, terwijl DeepSeek V4 Pro met een Terminal Bench 2.1 score van 87,9 ongeveer 57 keer goedkoper is dan Claude Fable 5.
What has driven the recent surge of Chinese AI model releases since June 2026, culminating in DeepSeek V4 Pro's launch on August 13, and howThe summer 2026 surge of Chinese open-weight AI models has reshaped the competitive landscape of frontier artificial intelligence.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What has driven the recent surge of Chinese AI model releases since June 2026, culminating in DeepSeek V4 Pro's launch on August 13, and how. Article summary: I have strong evidence on most of the models you asked about but no search results for Tencent Hy3, Alibaba Qwen3.8-Max, the specific "$0.06 per task" pricing for DeepSeek V4 Pro, the "$2.34" figure for Claude Opus 5, or. Topic tags: general, government, documentation, general web, 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, watermark
openai.com
In een periode van acht weken, vanaf half juni 2026, hebben Chinese AI-labs een vloedgolf aan geavanceerde modellen uitgebracht die het mondiale AI-landschap volledig hebben hervormd. De golf bereikte een hoogtepunt op 13 augustus met de algemene beschikbaarheid van DeepSeek V4 Pro, maar het verhaal is groter dan één enkele lancering. Het gaat over hoe exportcontroles, bedoeld om Chinese AI te vertragen, juist hebben geleid tot een efficiëntere, zelfvoorzienende en agressief open-weight concurrent die nu qua capaciteit op het niveau zit van Amerikaanse topmodellen, maar ze qua prijs met een factor 10 tot 57 onderbiedt.
Wat dreef de versnelling?
Drie versterkende factoren hebben jaren van ontwikkeling samengeperst tot een paar maanden:
1. Druk van exportcontroles. Amerikaanse chiprestricties sneden Chinese labs af van onbeperkte toegang tot NVIDIA H100/B200 GPU's, waardoor ze gedwongen werden te innoveren op eigen hardware (zoals Huawei Ascend 910B/C-chips) en te optimaliseren voor efficiëntie in plaats van pure rekenkracht. Meituan's LongCat-2.0 is het duidelijkste voorbeeld: het is het eerste biljoen-parameter model dat volledig op Chinese chips is getraind en draait .
2. Intense binnenlandse concurrentie. Een dozijn goed gefinancierde labs – DeepSeek, Moonshot, Zhipu/Z.AI, Meituan, Alibaba, Tencent, Baidu, ByteDance – strijden om prestige, de aandacht van ontwikkelaars en adoptie door bedrijven. Dit perst de releasecycli samen tot weken.
3. Open-weight strategie als geopolitiek wapen. Chinese labs brengen modellen uit onder permissieve licenties (MIT, aangepaste MIT) zonder regionale beperkingen. Dit staat in schril contrast met de steeds meer gesloten strategieën van OpenAI en Anthropic en wint wereldwijd terrein bij ontwikkelaars .
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 "Hoe Chinese AI-labs de Amerikaanse exportcontroles omzeilen"?
Vanaf Zhipu AI's GLM 5.2 in juni 2026 brachten Chinese labs een reeks geavanceerde open weight modellen uit, waaronder Moonshot's 2,8 biljoen parameter sterke Kimi K3 en Meituan's met eigen chips getrainde LongCat 2.0.
What are the key points to validate first?
Vanaf Zhipu AI's GLM 5.2 in juni 2026 brachten Chinese labs een reeks geavanceerde open weight modellen uit, waaronder Moonshot's 2,8 biljoen parameter sterke Kimi K3 en Meituan's met eigen chips getrainde LongCat 2.0. De Amerikaanse chiprestricties hebben onbedoeld geleid tot een efficiënter en zelfvoorzienend Chinees AI ecosysteem, met modellen die qua prestaties concurreren met Amerikaanse topmodellen, maar tegen een fractie van...
What should I do next in practice?
De NIST CAISI beoordeling plaatst GLM 5.2 op het niveau van GPT 5.2, terwijl DeepSeek V4 Pro met een Terminal Bench 2.1 score van 87,9 ongeveer 57 keer goedkoper is dan Claude Fable 5.
De vlaggenschip lancering die de zomergolf afsluit. DeepSeek V4 Pro is een 1,6 biljoen parameter Mixture-of-Experts-model met 49 miljard actieve parameters per token, een contextvenster van 1 miljoen tokens en tot 384.000 uitvoertokens in drie redeneermodi (standaard, hoge inspanning, maximale inspanning) . Op Terminal-Bench 2.1 scoorde het 87,9 – een verbetering van 15,8% ten opzichte van de preview in april – en presteert het op een niveau vergelijkbaar met Claude Fable 5 tegen ongeveer 1/57e van de kosten . Reuters meldt dat het model "Claude Fable 5 nadert – en in sommige tests overtreft" op het gebied van agent- en software-engineering benchmarks .
De prijzen zijn $0,435 per miljoen invoertokens en $0,87 per miljoen uitvoertokens tegen standaardtarieven, met cache-kortingen tot 97% . In de maximale inspanningsmodus zijn de prijzen $1,32/$3,96 per miljoen tokens .
Moonshot Kimi K3 (16/27 juli 2026)
Moonshot AI bracht uit wat het "s werelds eerste open model in de 3 biljoen-parameter klasse" noemt – een 2,8 biljoen parameter Mixture-of-Experts-model dat 16 van de 896 experts per token activeert, met een contextvenster van 1 miljoen tokens en native multimodale (beeld + tekst) mogelijkheden . De volledige gewichten werden op 27 juli op Hugging Face uitgebracht onder een aangepaste MIT-licentie . Het is live op Kimi.com, Kimi Work, Kimi Code en de Kimi API .
Zhipu AI GLM-5.2 (13/16 juni 2026)
Het model dat de golf startte. GLM-5.2 is een MoE van 744 miljard parameters met ongeveer 40 miljard actieve per token, een contextvenster van 1 miljoen tokens en een MIT-licentie . De CAISI-beoordeling van NIST geeft aan dat de algemene mogelijkheden vergelijkbaar zijn met GPT-5.2 (december 2025) en de cybermogelijkheden vergelijkbaar met Claude Opus . Het scoort 81,0 op Terminal-Bench 2.1 en 62,1 op SWE-bench Pro – de hoogste open-weight score op de Artificial Analysis Intelligence Index . De API-prijzen liggen ongeveer 10 keer lager dan die van Claude of GPT-5 .
Meituan LongCat-2.0 (30 juni 2026)
Een MoE van 1,6 biljoen parameters (48 miljard actief per token) met een contextvenster van 1 miljoen tokens, uitgebracht onder een MIT-licentie . Het cruciale onderscheid: het eerste biljoen-parameter model dat volledig is getraind en draait op Chinese chips – een cluster van 50.000 Huawei Ascend 910B/C-chips . Volgens Meituan's eigen tests overtreft het GPT-5.5 op software-engineering benchmarks . Het stond rustig bovenaan de OpenLLM-ranglijst als "Owl Alpha" voor de officiële release . De API-prijzen zijn $0,75/$2,95 per miljoen invoer-/uitvoertokens, met een lanceerpromotie van $0,30/$1,20 .
Hoe verhouden ze zich tot Amerikaanse topmodellen?
Dimensie
Chinese topmodellen
Amerikaanse topmodellen
Capaciteitsgelijkheid
GLM-5.2 ≈ GPT-5.2 ; DeepSeek V4 Pro ≈ Claude Fable 5 op verschillende benchmarks ; LongCat-2.0 beweert GPT-5.5 te overtreffen op SWE-bench
OpenAI GPT-5.5, Anthropic Claude Fable 5/Opus, Google Gemini 3
Kostenvoordeel
Chinese modellen zijn 10x–57x goedkoper per token of per taak
Amerikaanse modellen hanteren premium API-tarieven
Openheid
MIT/aangepaste MIT open-weight licenties; wereldwijde onbeperkte toegang
Voornamelijk gesloten API; geen vrijgave van gewichten
Hardwarebeperking
China's beste modellen draaien nu volledig op eigen chips (LongCat-2.0 )
Amerikaanse modellen gebruiken onbeperkte toegang tot NVIDIA H100/B200
Wat is er nog niet bevestigd?
Er zijn geen bronnen gevonden voor specifieke taakprijzen van $0,06 voor DeepSeek V4 Pro of $2,34 voor Claude Opus 5. Ook voor Tencent Hy3 en Alibaba Qwen3.8-Max ontbreken geverifieerde specificaties of releasedata. Beweringen over een recent open-source manifest van Mark Zuckerberg konden niet worden bevestigd.
Een opmerking over beweringen en bronnen
Dit artikel is gebaseerd op beschikbaar bewijs van medio augustus 2026. Alle beweringen over modelcapaciteiten komen van door ontwikkelaars gerapporteerde benchmarks en beoordelingen door derden (waaronder NIST's CAISI). Onafhankelijke verificatie van alle benchmarkscores is gaande in de hele industrie. Kostenvergelijkingen zijn gebaseerd op gepubliceerde API-tokenprijzen; de werkelijke kosten per taak variëren aanzienlijk per taakcomplexiteit, contextlengte en cache-hitratio.
De vlaggenschip lancering die de zomergolf afsluit. DeepSeek V4 Pro is een 1,6 biljoen parameter Mixture-of-Experts-model met 49 miljard actieve parameters per token, een contextvenster van 1 miljoen tokens en tot 384.000 uitvoertokens in drie redeneermodi (standaard, hoge inspanning, maximale inspanning) . Op Terminal-Bench 2.1 scoorde het 87,9 – een verbetering van 15,8% ten opzichte van de preview in april – en presteert het op een niveau vergelijkbaar met Claude Fable 5 tegen ongeveer 1/57e van de kosten . Reuters meldt dat het model "Claude Fable 5 nadert – en in sommige tests overtreft" op het gebied van agent- en software-engineering benchmarks .
De prijzen zijn $0,435 per miljoen invoertokens en $0,87 per miljoen uitvoertokens tegen standaardtarieven, met cache-kortingen tot 97% . In de maximale inspanningsmodus zijn de prijzen $1,32/$3,96 per miljoen tokens .
Moonshot Kimi K3 (16/27 juli 2026)
Moonshot AI bracht uit wat het "s werelds eerste open model in de 3 biljoen-parameter klasse" noemt – een 2,8 biljoen parameter Mixture-of-Experts-model dat 16 van de 896 experts per token activeert, met een contextvenster van 1 miljoen tokens en native multimodale (beeld + tekst) mogelijkheden . De volledige gewichten werden op 27 juli op Hugging Face uitgebracht onder een aangepaste MIT-licentie . Het is live op Kimi.com, Kimi Work, Kimi Code en de Kimi API .
Zhipu AI GLM-5.2 (13/16 juni 2026)
Het model dat de golf startte. GLM-5.2 is een MoE van 744 miljard parameters met ongeveer 40 miljard actieve per token, een contextvenster van 1 miljoen tokens en een MIT-licentie . De CAISI-beoordeling van NIST geeft aan dat de algemene mogelijkheden vergelijkbaar zijn met GPT-5.2 (december 2025) en de cybermogelijkheden vergelijkbaar met Claude Opus . Het scoort 81,0 op Terminal-Bench 2.1 en 62,1 op SWE-bench Pro – de hoogste open-weight score op de Artificial Analysis Intelligence Index . De API-prijzen liggen ongeveer 10 keer lager dan die van Claude of GPT-5 .
Meituan LongCat-2.0 (30 juni 2026)
Een MoE van 1,6 biljoen parameters (48 miljard actief per token) met een contextvenster van 1 miljoen tokens, uitgebracht onder een MIT-licentie . Het cruciale onderscheid: het eerste biljoen-parameter model dat volledig is getraind en draait op Chinese chips – een cluster van 50.000 Huawei Ascend 910B/C-chips . Volgens Meituan's eigen tests overtreft het GPT-5.5 op software-engineering benchmarks . Het stond rustig bovenaan de OpenLLM-ranglijst als "Owl Alpha" voor de officiële release . De API-prijzen zijn $0,75/$2,95 per miljoen invoer-/uitvoertokens, met een lanceerpromotie van $0,30/$1,20 .
Hoe verhouden ze zich tot Amerikaanse topmodellen?
Dimensie
Chinese topmodellen
Amerikaanse topmodellen
Capaciteitsgelijkheid
GLM-5.2 ≈ GPT-5.2 ; DeepSeek V4 Pro ≈ Claude Fable 5 op verschillende benchmarks ; LongCat-2.0 beweert GPT-5.5 te overtreffen op SWE-bench
OpenAI GPT-5.5, Anthropic Claude Fable 5/Opus, Google Gemini 3
Kostenvoordeel
Chinese modellen zijn 10x–57x goedkoper per token of per taak
Amerikaanse modellen hanteren premium API-tarieven
Openheid
MIT/aangepaste MIT open-weight licenties; wereldwijde onbeperkte toegang
Voornamelijk gesloten API; geen vrijgave van gewichten
Hardwarebeperking
China's beste modellen draaien nu volledig op eigen chips (LongCat-2.0 )
Amerikaanse modellen gebruiken onbeperkte toegang tot NVIDIA H100/B200
Wat is er nog niet bevestigd?
Er zijn geen bronnen gevonden voor specifieke taakprijzen van $0,06 voor DeepSeek V4 Pro of $2,34 voor Claude Opus 5. Ook voor Tencent Hy3 en Alibaba Qwen3.8-Max ontbreken geverifieerde specificaties of releasedata. Beweringen over een recent open-source manifest van Mark Zuckerberg konden niet worden bevestigd.
Een opmerking over beweringen en bronnen
Dit artikel is gebaseerd op beschikbaar bewijs van medio augustus 2026. Alle beweringen over modelcapaciteiten komen van door ontwikkelaars gerapporteerde benchmarks en beoordelingen door derden (waaronder NIST's CAISI). Onafhankelijke verificatie van alle benchmarkscores is gaande in de hele industrie. Kostenvergelijkingen zijn gebaseerd op gepubliceerde API-tokenprijzen; de werkelijke kosten per taak variëren aanzienlijk per taakcomplexiteit, contextlengte en cache-hitratio.
