GLM-5.2: open source AI-model uit China haalt de top

Wat is GLM-5.2 en waarom dit groot nieuws is

GLM-5.2 komt van Z.ai, voorheen bekend als Zhipu AI, een van de grootste AI-bedrijven van China. Het bijzondere zit in twee woorden: open-weight. Bij Claude van Anthropic of ChatGPT van OpenAI betaal je per gebruik en draait het model op de servers van het bedrijf. Bij een open-weight model krijg je de gewichten, het hart van het model, gewoon mee. Je mag het downloaden, aanpassen en op je eigen hardware draaien.

Wat de aandacht trok, is de prestatie op beveiligingstaken. Onderzoekers melden dat GLM-5.2 in bepaalde scenario's, zoals het opsporen van bugs in code, meekomt met Mythos, een van de zwaarste modellen die er nu zijn. Op meer algemene taken loopt GLM nog achter op de modellen van Anthropic en OpenAI. Maar de boodschap is duidelijk: het gat tussen Chinese en Amerikaanse modellen is in korte tijd flink kleiner geworden.

Voor een ondernemer is dat geen abstract nieuwsbericht. Het betekent dat de markt voor AI niet langer bestaat uit twee of drie dure Amerikaanse aanbieders. Er komt een serieus, gratis alternatief bij, en concurrentie drukt vrijwel altijd de prijs.

GLM-5.2 vs Claude vs ChatGPT: wat kies je als MKB?

De eerlijke samenvatting vooraf: er is geen winnaar die voor iedereen klopt. Het hangt af van wat je doet, hoe gevoelig je data is en hoeveel technische hulp je in huis hebt. Hieronder zet ik de drie naast elkaar.

GLM-5.2 (Z.ai) is gratis en open-weight. De grote winst zit in controle en kosten: je draait het op je eigen of een Europese server, dus je data blijft binnen je eigen muren en je betaalt geen verbruik per vraag. Het blinkt uit in technische, beveiligingsgerichte taken. Nadeel: je hebt iemand nodig die het kan opzetten en draaiende houdt, en op brede, algemene taken is het nog niet de beste.

Claude (Anthropic) is in mijn ervaring het sterkste model voor taal, redeneren en zakelijk werk. Je betaalt per gebruik of via een abonnement en het draait in de cloud. Voor wie wil dat het gewoon werkt zonder gedoe is dit vaak de prettigste keuze, met heldere afspraken over dataverwerking. Nadeel: je bent afhankelijk van één Amerikaanse leverancier en de kosten lopen op naarmate je meer gebruikt.

ChatGPT (OpenAI) heeft het grootste ecosysteem en de meeste integraties, en is voor veel mensen het bekendst. Sterk in algemene taken en breed inzetbaar. Nadeel: net als bij Claude betaal je per gebruik, draait het in de VS en geef je je data uit handen aan een externe partij.

Zie je het patroon? Claude en ChatGPT kies je voor gemak en brede kwaliteit. GLM-5.2 kies je als kosten en controle over je data zwaarder wegen dan dat laatste beetje algemene kwaliteit.

Wat gratis en open echt betekenen voor je kosten en je data

Het woord gratis verdient een sterretje. Je betaalt geen licentie en geen verbruik, maar je hebt wel hardware nodig om het model op te draaien, plus iemand die dat beheert. Voor een klein bedrijf is dat zelden je eigen kelder; je huurt een server, het liefst bij een Nederlandse of Europese hostingpartij. De rekening is dan voorspelbaar en vast, in plaats van een tellertje dat bij elke vraag oploopt.

Juist op dat punt wordt het interessant voor de AVG. Bij een open model dat op een Europese server draait, verlaat je klantdata je eigen omgeving niet. Geen doorgifte naar de VS, geen onduidelijkheid over wat er met je invoer gebeurt. Voor wie met persoonsgegevens of gevoelige bedrijfsinformatie werkt, is dat een serieus voordeel dat met geen enkel cloud-abonnement te koop is.

Tegelijk is GLM-5.2 een Chinees model, en dat vraagt om nuchterheid. De gewichten zelf zijn open en draaien lokaal, dus China kijkt niet mee als jij het op een Europese server zet. Maar je wilt wel weten waar het model vandaan komt, of het voldoet aan jouw eisen en wat de EU-AI-Act van je vraagt bij dit soort inzet. Open betekent transparant, niet automatisch goedgekeurd.

De keerzijde: gratis is niet hetzelfde als zonder werk

Deze week kwam er nog een nieuwsbericht voorbij dat hier perfect bij past. Autofabrikant Ford haalde ervaren engineers, intern gray beards genoemd, terug nadat AI hun werk niet kon overnemen. Een leidinggevende vatte de les pijnlijk samen: ze dachten dat het simpelweg introduceren van AI vanzelf een hoogwaardig product zou opleveren. Dat bleek niet zo.

Die les geldt net zo hard voor een gratis topmodel. Een sterk model in handen hebben is niet hetzelfde als er waarde uit halen. Je hebt nog steeds iemand nodig die weet wat hij doet: die de juiste vragen stelt, de uitkomsten controleert en het model inzet op de plek waar het echt helpt. Het gereedschap is gratis geworden; het vakmanschap niet.

Voor het MKB betekent dit dat de keuze zelden gaat over welk model het allerbeste scoort op een testlijst. Het gaat over welk model past bij jouw werk, jouw data en de mensen die ermee aan de slag gaan. Een gratis model dat niemand goed kan bedienen, is duurder dan een betaald model dat wel resultaat oplevert.