De AI-markt kantelt van dure, gesloten modellen naar open-weight alternatieven zoals M3 en Kimi K2.7-Code. Gedreven door oplopende kosten, juridisch onderzoek naar OpenAI en Meta's afscheid van open-source, biedt deze verschuiving kansen voor het MKB op het gebied van kostenbesparing, privacy en controle. Voorzichtigheid blijft geboden bij licentievoorwaarden en zelf-hosting.
Nederlandse ondernemers en organisaties zien het AI-landschap ingrijpend veranderen. Grote westerse spelers als Meta en OpenAI zijn volop in beweging: Meta laat zijn open Llama-aanpak varen ten gunste van een gesloten model, terwijl OpenAI onder intensief juridisch toezicht staat van 42 Amerikaanse staten. Deze ontwikkelingen leggen de risico's bloot van afhankelijkheid van dichte, commerciële AI-ecosystemen. Tegelijkertijd stuwen stijgende rekeningen bedrijven richting betaalbare alternatieven. Chinese open-weight modellen zoals MiniMax M3 en Kimi K2.7-Code springen in dat gat. M3 biedt een krachtig taalmodel dat bedrijven zelf kunnen hosten, terwijl Kimi K2.7-Code als codeermodel scherpe tokenprijzen hanteert. Door self-hosting houden ondernemers de regie over hun data en verkleinen ze de compliance-risico's rondom de AVG. Toch waarschuwen kenners voor een te rooskleurig beeld: open-weight is niet automatisch veilig of onbeperkt bruikbaar. Licentievoorwaarden kunnen onverwacht worden aangepast, zoals MiniMax bij eerdere modellen deed, en self-hosting vereist specialistische kennis. De verschuiving naar open-weight en de komst van betaalbare Chinese modellen dwingen Nederlandse ondernemers tot een bewuste herijking van hun AI-strategie: niet langer automatisch leunen op de grote namen, maar een doordachte mix van kosten, controle en betrouwbaarheid.
Bedrijven als Harvey en Microsoft lopen tegen de hoge facturen van premium AI aan. Open-weight en Chinese modellen bieden tot 90% lagere tokenkosten, waardoor zelf hosten een serieus alternatief wordt voor kostenbewust MKB.
Het onderzoek naar OpenAI door 42 staten laat zien dat afhankelijkheid van één gesloten aanbieder risico's meebrengt. Open-weight modellen verminderen die afhankelijkheid en bieden een antwoord op bezorgdheid over datagebruik en marktmacht.
De ervaring met MiniMax M3 en eerdere versies toont dat licentieaanpassingen en onduidelijkheden over herkomst van trainingsdata reële valkuilen zijn. Zelf hosten is een krachtig instrument, maar vraagt juridische en technische voorzichtigheid.
