AI-inzichten · 5 min lezen

AI met open gewichten in 2026: wat de releases van DeepSeek, Qwen en Meta voor u betekenen

DeepSeek, Alibaba's Qwen en Meta brachten belangrijke modellen met open gewichten uit. Wat betekent 'open' en voor wie is dat relevant?

Illustratie van gestapelde modelblokken die uit een open container omhoogkomen, omringd door netwerkknooppunten

De meeste AI-berichten gaan over gesloten modellen: modellen die u alleen via de app of API van een bedrijf kunt gebruiken. Maar enkele van de belangrijkste releases van dit jaar waren modellen waarvan iedereen de gewichten kan downloaden, op eigen hardware kan draaien en kan aanpassen.

Dit najaar is het aanbod van AI met open gewichten merkbaar groter geworden. Dit is wat er is verschenen, wat ‘open’ in elk geval werkelijk betekent en voor wie dat relevant is.

Open gewichten in het kort

De gewichten van een model zijn de miljarden getallen die het tijdens de training heeft geleerd. Wanneer een bedrijf die vrijgeeft, kunt u het model zelf draaien in plaats van uw gegevens naar de servers van een ander te sturen. U kunt het ook met uw eigen gegevens finetunen.

Dat is anders dan ‘open source’ in de traditionele betekenis bij software. Veel modellen met open gewichten publiceren hun trainingsgegevens of volledige trainingscode niet, en veel hebben licenties die het gebruik beperken. Daar kom ik op terug, want dat is belangrijker dan de meeste berichtgeving doet vermoeden.

De belangrijkste releases van dit jaar

DeepSeek

Het Chinese lab DeepSeek heeft dit jaar een gestaag tempo aangehouden. De V4-familie verscheen in het voorjaar op Hugging Face in Pro- en Flash-versies, gevolgd door bijgewerkte checkpoints in de zomer, een experimenteel visiemodel begin september en een V4.1 Flash-release medio oktober. Door de frequente, stapsgewijze updates is DeepSeek een van de meest gevolgde labs voor modellen met open gewichten geworden.

Alibaba’s Qwen

Op 14 augustus gaf het Qwen-team van Alibaba de gewichten van twee Qwen3.8-modellen vrij. Het kleinere model, Qwen3.8-27B, is een multimodaal model met 27 miljard parameters dat tekst, afbeeldingen en video verwerkt. Het heeft een oorspronkelijk contextvenster van ongeveer 262.000 tokens dat volgens het team tot een miljoen kan worden uitgebreid. Volgens Qwen presteert het beter dan het grotere Qwen3.7-Plus bij programmeer- en kantoortaken. Het is uitgebracht onder de ruimhartige Apache 2.0-licentie.

Het tweede, veel grotere model, Qwen3.8-2.4T-A95B, is gericht op de top van de markt. Volgens berichtgeving van eWeek heeft het een aangepaste licentie die extra beperkingen oplegt aan sommige grote commerciële gebruikers.

Meta

De aanpak van Meta voor open gewichten nam een andere wending. Llama 4, uitgebracht in april 2025, was de laatste grote release onder de naam Llama. Dit jaar stapte Meta over op een nieuwe modelfamilie met de naam Muse. Het eerste Muse-model verscheen in april als een gesloten product dat alleen via een API beschikbaar is.

Op 15 oktober bracht Meta Muse Spark Open uit, een groot mixture-of-experts-model met open gewichten. Meta’s hoofd AI, Alexandr Wang, noemde het ‘het meest capabele Amerikaanse model met open gewichten tot nu toe’. Volgens Meta kan het concurreren met vergelijkbare modellen van toonaangevende Chinese ontwikkelaars zoals Alibaba’s Qwen, Moonshot AI’s Kimi en Z.ai’s GLM, en presteert het in sommige gevallen beter. Dat zijn beweringen van Meta zelf.

Volgens Meta kan het model draaien op twee Mac Studios met M5 Ultra-chips van Apple. Dat zegt iets: ‘draait lokaal’ betekent aan de bovenkant van de markt inmiddels aanzienlijke hardware. Het is ook uitgebracht onder Meta’s eigen licentie met commerciële beperkingen, in plaats van een standaard opensourcelicentie.

Wat er werkelijk veranderde

Chinese labs bepalen het tempo

Misschien is het meest veelzeggende detail van dit najaar de manier waarop Meta zijn eigen lancering presenteerde. De presentatie van Muse Spark Open draaide om de vergelijking met Chinese modellen met open gewichten. Het afgelopen jaar hebben labs zoals DeepSeek, Alibaba’s Qwen-team, Moonshot en Z.ai bepaald hoe een sterk model met open gewichten eruitziet, en de grootste Amerikaanse nieuwkomer positioneert zich nu tegenover hen.

Voor sommige bedrijven is dat om meer dan alleen de prestaties belangrijk. Bedrijven in gereguleerde sectoren of met beleid over de herkomst van hun software moeten mogelijk de herkomst en licentie van een model controleren voordat ze het gebruiken, zelfs wanneer het volledig op hun eigen servers draait.

Kleine modellen zijn echt bruikbaar geworden

De releases die ik het praktischst vind, zijn niet de giganten. Het zijn modellen zoals Qwen3.8-27B: gecomprimeerd klein genoeg om op één high-end GPU te draaien, maar krachtig genoeg voor echt werk zoals documentverwerking, intern zoeken en hulp bij programmeren. Voor veel zakelijke taken is dat de ideale balans.

‘Open’ omvat nu een breed spectrum

Vergelijk de licenties: Apache 2.0 voor het kleinere model van Qwen, een aangepaste licentie met beperkingen voor het grotere model en Meta’s eigen licentie met commerciële beperkingen voor Muse Spark Open. Ze worden allemaal ‘open’ genoemd. Ze zijn niet even open. Lees altijd de licentie voordat u een product op een model bouwt, vooral als u wilt groeien.

Voor wie is dit relevant

U hebt waarschijnlijk geen open gewichten nodig als u als individu of klein team AI gebruikt voor dagelijks schrijven, onderzoek en analyse. Een goed gesloten model via een zakelijk abonnement is eenvoudiger en meestal sterker bij de moeilijkste taken.

Open gewichten zijn serieus het overwegen waard als:

  • Uw gegevens uw omgeving niet mogen verlaten. Door een model op uw eigen infrastructuur te draaien, houdt u gevoelige gegevens binnen uw organisatie. Onze gids over AI op het werk gebruiken zonder gevoelige gegevens te lekken legt uit wanneer dat belangrijk is.
  • U grote volumes verwerkt. Op grote schaal kan het hosten van een eigen model voor routinetaken minder kosten dan betalen per token.
  • U aanpassingen nodig hebt. Finetunen met uw eigen gegevens is veel eenvoudiger wanneer u de gewichten beheert.
  • U afhankelijkheid van een leverancier wilt vermijden. Een model dat u zelf host, kan niet buiten uw controle worden uitgefaseerd, duurder worden gemaakt of worden gewijzigd.

De keerzijde is dat u overneemt wat een aanbieder normaal verzorgt: hardware, updates, monitoring en veiligheidsmaatregelen. Dat is echt werk, en daarom gebruiken veel teams uiteindelijk beide: gesloten modellen voor het moeilijkste werk met de laagste volumes en modellen met open gewichten voor taken met hoge volumes of gevoelige gegevens.

Mijn kijk

Het ecosysteem van modellen met open gewichten is gezonder dan een jaar geleden: meer labs, meer modelgroottes en meer concurrentie. Dat is goed voor iedereen, ook voor mensen die nooit een model downloaden, omdat het druk zet op de prijzen van gesloten modellen.

Maar ik zou voorzichtig zijn met het woord ‘open’. De belangrijkste vraag bij een model met open gewichten is niet de benchmarkscore. Het gaat erom of de licentie toestaat wat u van plan bent en of u het daadwerkelijk kunt draaien op hardware die u kunt betalen.

Voor de gesloten modellen onder de releases van dit najaar leest u wat de lanceringen van GPT-6, Gemini 4 Argon en Claude 5.5 veranderden. En als u een model voor een specifieke taak kiest, bespreekt onze gids over hoe u een AI-model kiest de afwegingen, waaronder open tegenover gesloten.

Bronnen

Geschreven door

Chunyu Cai

Chunyu Cai is CEO van Lotook, LLC en ondernemer. Hij schrijft over AI-modellen, agenten en hoe ze het dagelijkse werk veranderen. Chunyu Cai heeft een masterdiploma van Imperial College London.