Open-weight-AI komt dicht bij de top, maar uitrollen blijft de bottleneck

Open-weight-AI is niet langer alleen een speeltuin voor ontwikkelaars en onderzoekers. In Mozilla’s rapport State of Open Source AI van september 2026 wordt het een serieus commercieel en technisch alternatief voor API’s van gesloten modellen genoemd. De kernboodschap is niet dat open modellen de absolute voorhoede al hebben ingehaald. Wel verschuift de concurrentievraag: organisaties moeten vooral bepalen hoe zij een model uitrollen, aansturen, beveiligen en in hun processen integreren — niet alleen of zij toegang hebben tot capabele modelgewichten. 12

De kloof in prestaties en kosten is kleiner geworden

In Mozilla’s momentopname van september behaalden Kimi K3 en GLM-5.3 elk een score van 60 op de Artificial Analysis Intelligence Index, tegenover 63 voor Claude Opus 5. K3 lag twee punten achter Claude Fable 5, maar kostte voor inputtokens 30% van diens prijs. In vergelijking met Epochs capability-index omschrijft Mozilla de resterende afstand als ongeveer één releasecyclus: ruwweg vier maanden. 12

Dat is relevant voor organisaties die niet bij iedere taak het allersterkste model nodig hebben. Een model dat bijna aan de top zit, goedkoper is en in een zelfgekozen omgeving kan draaien, vergroot de ruimte om AI-systemen naar eigen hand in te richten.

Gebruikscijfers wijzen op brede adoptie

Ook in routeringsdata is de opmars zichtbaar. Mozilla schatte dat open weights in de bredere 2026-analyse goed waren voor ongeveer een derde van de tokens. In het OpenRouter-venster van augustus stonden acht open-weight-modellen in de top tien naar tokenvolume; zeven daarvan waren in China ontwikkeld. DeepSeek werd bovendien het eerste open model dat OpenRouter naar aantallen verzoeken leidde. 12

Dat betekent niet automatisch dat open modellen overal al volwassen in kritieke productieprocessen draaien. Tokenvolume meet gebruik, experimenten en routeringsgedrag, niet per se inzet in risicovolle bedrijfsprocessen. Mozilla’s gegevens laten brede toepassing zien, maar gesloten aanbieders houden een voorsprong met gepolijste, kant-en-klare productiediensten. 12

China voert de open-weight-voorhoede aan; Europa heeft een andere kans

Mozilla’s vergelijking wordt aan de top van het open-weight-veld gedomineerd door Chinese ontwikkelaars, met onder meer Kimi K3, GLM-5.3 en Qwen 3.8. Vier open modellen bezetten plaats vijf tot en met acht in Mozilla’s top tien. 12

Europa blijft wel degelijk aanwezig, met Mistral als belangrijke regionale ontwikkelaar, maar staat in deze vergelijking onder de leidende Chinese open-weight-systemen. Mozilla wijst bovendien op een relevant licentieverschil: Mistral Medium 3.5 gebruikt een aangepaste MIT-licentie met een uitzondering op basis van omzet, geen onbeperkte MIT-licentie. 12

Voor Europa ligt een beter verdedigbare positie mogelijk boven de laag van het basismodel: in uitrolplatformen, orkestratie, modelrouting, evaluatie, observability, geautomatiseerde compliance, cybersecurity, identiteits- en toegangsbeheer en gespecialiseerde bedrijfssoftware. Juist die onderdelen maken een krachtig model bruikbaar en betrouwbaar binnen een echte organisatie. 12

Open weights zijn niet per definitie open source

Een van Mozilla’s belangrijkste waarschuwingen gaat over definities. In het rapport betekent ‘open’ doorgaans dat de modelgewichten kunnen worden gedownload, tenzij anders vermeld. Dat is iets anders dan een volledig open-source-AI-systeem.

Bij zestien opvallende releases vond Mozilla geen enkele die het complete datarecept publiceerde dat nodig is volgens de definitie van de Open Source Initiative. Drie projecten boden gedeeltelijke data met beperkte toegang; dertien leverden helemaal geen data. 12

Zwitserland vormt volgens het rapport een uitzonderlijk tegenvoorbeeld. Een publiek consortium bracht daar de gewichten, data én trainingscode uit van een nationaal getraind model. Zo’n vollediger publicatie biedt aanzienlijk meer mogelijkheden voor controle en reproduceerbaarheid dan een release met alleen gewichten. 12

Voor inkopers en beleidsmakers is de praktische les eenvoudig: vraag wat er werkelijk beschikbaar is. Denk aan gewichten, trainingscode, documentatie over de data, evaluatieresultaten, licentievoorwaarden en rechten om aan te passen en te herverdelen. Het label ‘open’ geeft daarop geen volledig antwoord.

De moeilijkste laag is nu de operationele omgeving

Mozilla vat de uitdaging scherp samen: “The decision has moved from the model to the harness.” 12

Een AI-systeem voor productie bestaat uit veel meer dan een downloadbaar model. Het vereist onder meer routing, statusbeheer, evaluatie, monitoring, beveiligingsmaatregelen, zorgvuldig databeheer, controleerbaarheid, incidentrespons en complianceprocessen. Een organisatie kan een model zelf hosten en toch moeite houden om het op schaal betrouwbaar, betaalbaar en veilig te laten functioneren.

Daarom is een kleine benchmarkkloof niet genoeg om open weights zonder meer als vervanging van een beheerde API te behandelen. Het model kan toegankelijk zijn, maar de operationele laag rond AI is nog steeds complex om te bouwen en te onderhouden.

Digitale soevereiniteit is een belangrijke toepassing

Open-weight-systemen kunnen overheden en organisaties meer zeggenschap geven over waar modellen draaien, hoe gegevens worden verwerkt, hoe upgrades worden beheerd en of dienstverlening kan doorgaan zonder afhankelijkheid van één externe API-aanbieder. Dat is van belang voor gevoelige data, lokale taalbehoeften, gereguleerde toepassingen en continuïteitsplanning. 12

Die controle betekent geen volledige onafhankelijkheid. Lokale implementaties kunnen nog altijd afhankelijk zijn van chips, cloudcapaciteit, software voor modelserving en andere toeleveranciers. Maar open weights vergroten de keuzemogelijkheden rond eigenaarschap, implementatie en bedrijfscontinuïteit.

Mozilla noemt als voorbeeld uit het Verenigd Koninkrijk het voorgestelde Lumen Sovereign van Cosine. Het project wordt gesteund door het Britse Sovereign AI-programma van £ 500 miljoen, moet worden getraind op Isambard-AI en is mede ontworpen met dertien organisaties uit gereguleerde sectoren. Cosine zegt te mikken op voltooiing eind 2026 en inzet in afgeschermde, streng beveiligde omgevingen zonder externe netwerkverbinding. 1321

Lagere drempels kunnen de concurrentie veranderen

Mozilla stelt dat efficiënte architecturen de vraag naar rekenkracht bij inferentie en hardware kunnen verlagen. Tegelijk worden post-training, beloningsontwerp, domeindata en omgevingen voor reinforcement learning belangrijkere bronnen van onderscheid. 12

Als die trend doorzet, hoeven kleinere bedrijven niet telkens de financiering voor pre-training op frontierschaal op te brengen om waardevolle AI-producten te ontwikkelen. Zij kunnen zich onderscheiden met gespecialiseerde trainingsomgevingen, hoogwaardige domeinworkflows en betrouwbare implementatiesystemen.

Openheid heft regelgeving niet op

Mozilla signaleert ook een beleidsprobleem: drempels voor systemisch risico die op rekenkracht zijn gebaseerd, kunnen een gebrekkige maatstaf zijn voor de mogelijkheden van efficiënte, sparse modellen. Zo’n model kan zeer capabel zijn, terwijl het minder actieve rekenkracht gebruikt dan een eenvoudiger meetkader verwacht. 13

Tegelijk ontslaat het gebruik van een open model een organisatie niet van wettelijke verplichtingen. Wie een open model aanpast voor een toepassing met hoog risico, blijft verantwoordelijk voor de relevante compliance-eisen. 12

Wat AI-inkopers hieruit kunnen meenemen

Mozilla’s analyse ondersteunt een praktische conclusie: open-weight-AI is voor veel toepassingen een geloofwaardige standaardoptie om te beoordelen, vooral wanneer kostenbeheersing, lokale implementatie, maatwerk of digitale soevereiniteit zwaar wegen. Maar de modelkeuze is pas het begin.

Het duurzame voordeel verschuift steeds meer naar de laag rond het model: datagovernance, workflowontwerp, evaluatie, beveiliging, observability en voorbereiding op regelgeving. Open weights hebben hoge AI-capaciteit toegankelijker gemaakt; productie-AI is er niet eenvoudiger door geworden. 12