Chinese AI-modellen nu net zo goed als OpenAI en Claude

Wat kondigden Moonshot en Alibaba precies aan?

Moonshot AI bracht Kimi K3 uit, een model dat op benchmarks voor redeneren en programmeren in de buurt komt van de nieuwste modellen van OpenAI en Anthropic. Alibaba deed er bijna gelijktijdig een nieuwe Qwen-versie bij, met dezelfde boodschap: vergelijkbare prestaties, veel lagere rekenkosten.

Dat is geen toeval. Beide bedrijven brengen hun modellen in hoog tempo uit, vaak met open gewichten, zodat ontwikkelaars ze vrij kunnen downloaden en zelf draaien. Dat scheelt niet alleen in licentiekosten, het geeft bedrijven ook meer controle over waar hun data blijft.

Dit is geen op zichzelf staand incident. Eerder deze maand haalde het Chinese GLM-5.2 al de top van open source benchmarks. De rapid-fire releases van Moonshot en Alibaba bevestigen een trend die al een tijdje loopt: de achterstand van Chinese AI-labs op de Amerikaanse frontier wordt met elke release kleiner.

Waarom dit meer is dan een prijsvechter-verhaal

AI is inmiddels een onderwerp van nationale veiligheid geworden, niet alleen van productiviteit. The Verge noemt het terecht: naarmate technologie centraal komt te staan in economische macht en geopolitiek, wordt elke release van een Chinees model ook een politiek signaal.

Dat zie je terug in Amerika zelf. TechCrunch schreef gisteren dat OpenAI in Washington actief lobbyt tegen open-weight modellen uit China, met als argument dat ze een risico vormen voor de nationale veiligheid. Er wordt hardop gesproken over een verbod op Chinese open-weight modellen in de Verenigde Staten.

Voor jou als Nederlandse ondernemer is dat relevant, ook al draai je niet zelf op Amerikaanse regelgeving. Als de VS Chinese modellen blokkeert, verandert dat het aanbod, de prijsdruk en de concurrentie waar OpenAI en Anthropic op reageren. Bouw je nu processen om een specifiek model heen, dan loop je het risico dat die keuze over een half jaar politiek is ingehaald.

Chinese AI-modellen vs OpenAI en Anthropic: wat betekent het voor jouw keuze

Moonshot AI en Alibaba (Kimi K3, Qwen). Groot voordeel: kosten en vaak open gewichten, wat betekent dat je het model zelf kunt hosten. Nadeel: minder duidelijkheid over dataverwerking, nauwelijks Nederlandstalige support, en een jong ecosysteem aan koppelingen met tools die je als MKB'er waarschijnlijk al gebruikt.

OpenAI (ChatGPT en de GPT-modellen). Groot ecosysteem, brede integraties met bestaande software, bekende naam bij je team. Nadeel: hogere prijs dan de Chinese concurrenten en, als Amerikaans bedrijf, onderworpen aan Amerikaanse wetgeving over gegevensopvraging.

Anthropic (Claude). Sterke focus op veiligheid en enterprise-gebruik. De onlangs goedgekeurde schikking van 1,5 miljard dollar over auteursrecht laat zien dat Anthropic bereid is om afspraken met makers te maken in plaats van het conflict te laten oplopen, wat wijst op een voorzichtigere aanpak rond data en herkomst. Prijs zit tussen OpenAI en de Chinese modellen in.

De kern: goedkoper is niet automatisch beter voor jouw bedrijf. Voor eenvoudige, niet-gevoelige taken kan een Chinees model prima werken. Voor alles met klantgegevens, personeelsdossiers of gevoelige bedrijfsinformatie weegt de vraag over dataverwerking zwaarder dan de rekening.

De risico's die niemand er meteen bij vertelt

MIT Technology Review publiceerde gisteren onderzoek dat laat zien dat AI-modellen niet alleen menselijke vooroordelen overnemen uit trainingsdata, ze kunnen ook eigen, nieuwe vormen van bias ontwikkelen. Dat is direct relevant als je AI gebruikt om cv's te screenen of sollicitanten voor te selecteren, iets wat steeds meer MKB'ers doen zonder dat er iemand kritisch naar de uitkomst kijkt.

Combineer dat met de vraag naar databehandeling bij een nieuw, minder transparant model, en je hebt een risico dat groter is dan het lijkt. Onder de AVG ben je als bedrijf verantwoordelijk voor een eerlijke en uitlegbare verwerking van persoonsgegevens, ook als die verwerking via een AI-model verloopt dat je zelf niet hebt gebouwd.

De Anthropic-schikking van 1,5 miljard dollar is in dat licht ook een waarschuwing. Het bevestigt dat trainingsdata en auteursrecht geen theoretisch probleem zijn, maar een juridisch risico waar zelfs de grootste spelers voor moeten schikken. Bij een minder transparant model weet je vaak niet eens welke content erin zit.

Wat je deze week praktisch kunt doen

Ga niet meteen alles omzetten naar het goedkoopste model. Begin met een concrete, laag-risico taak en vergelijk kwaliteit en kosten zelf, in plaats van op de claims van de leverancier te vertrouwen.

Check bij ieder nieuw model waar de data naartoe gaat en of dat past binnen de AVG. Bij modellen van buiten de EU is dat niet per definitie een probleemgeval, maar wel iets wat je moet kunnen uitleggen als een klant of toezichthouder ernaar vraagt.

Zet voor taken die als hoog-risico gelden onder de EU-AI-Act, denk aan werving, kredietbeoordeling of medische toepassingen, geen los-vast gekozen model in zonder een expliciete afweging. Documenteer die keuze, ook als je bedrijf klein is.

En bouw niet blind op één leverancier. Wissel je moeiteloos tussen modellen, dan profiteer je van elke prijsdaling zonder dat je vastzit aan een partij die morgen politiek of juridisch in de problemen komt.