AI-infrastructuurkosten

Abacus.AI brengt Smaug uit: drie open-weight modellen voor agentische taken, met eigen hosting, uiteenlopende licenties en benchmarkwinsten ten opzichte van hun basis. De release verschuift de modelkeuze naar een combinatie van techniek, kosten en rechten.

De Nvidia H100 is bijna vier jaar oud, maar de huurprijs stijgt. Ornn ziet in zijn marktindex een maandgroei van ongeveer 19 tot 22 procent. Daardoor levert terugvallen naar oudere GPU's niet vanzelf een lagere AI-rekening op.

Anthropic betaalt Nscale naar verluidt 45 miljard dollar voor zes jaar rekenkracht in West Virginia. Het bedrag valt op, de frequentie meer: het is de zoveelste meerjarige afnameverplichting in zeven weken.

Meta zet de gewichten van agentmodel Muse Glimmer onder Apache 2.0 op Hugging Face. Het model van 30 miljard parameters draait op één consumenten-GPU en keert de gesloten koers van juni om.

Alibaba bracht Qwen 3.8 uit, een model van 2,4 biljoen parameters dat het bedrijf “op één na Fable 5” noemt. Voorlopig alleen als betaalde preview; open gewichten volgen “binnenkort” en onafhankelijke benchmarks ontbreken.

AI-agents verbruiken per taak 62 tot 136 keer meer energie dan een gewone chatbotvraag, meet KAIST voor het eerst. De echte kost van agentische AI zit onder de tokens: rekentijd en stroom.

Meta onderhandelt volgens de Koreaanse zakenkrant Seoul Economic Daily met Samsung Foundry over een order van ruim 6,5 miljard dollar voor eigen MTIA-AI-chips op 2 nanometer, deels weg van TSMC.

Amazon trekt de tarieven van zijn gereserveerde GPU-blokken voor machine learning met ongeveer 20 procent omhoog. Voor elke Nederlandse organisatie die AI draait op AWS is dat een directe kostenpost vanaf 1 juli.