De techwereld ziet ineens veel interesse in bedrijven die zogenaamde open-modellen aanbieden. Die platforms delen modellen voor kunstmatige intelligentie die iedereen kan gebruiken en aanpassen. Deze week lekte dat Nvidia mogelijk Hugging Face koopt voor zo’n 13 miljard dollar. Dat bedrijf is een veelgebruikt platform om modellen en tests te delen — een soort GitHub voor AI.

Waarom grote spelers inspringen

Er zijn meerdere redenen waarom chipmakers en softwarebedrijven massaal naar open-modellen reiken.

• Afhankelijkheid verminderen: grote chipmakers zoals Nvidia willen niet alleen afhankelijk zijn van de grootste cloudleveranciers of van de grootste AI-labs. Als modelbouwers hun eigen chips maken, verliezen chipmakers markt.

• Gebruikers bereiken: door een bekend ontwikkelplatform over te nemen, krijgt een bedrijf direct toegang tot veel gebruikers die het naar zijn eigen chips en standaarden kan leiden.

• Kosten en keuze: sommige bedrijven zoeken goedkopere manieren om AI te draaien. Open-modellen bieden die keuze, zeker voor taken die veel herhaling kennen.

Een paar recente voorbeelden tonen de trend. Nvidia zou Hugging Face willen overnemen. Eerder sloot Nvidia ook een deal met Poolside, een maker van open-modellen, ter waarde van ongeveer 6 miljard dollar. En Stripe kocht OpenRouter, een leverancier van open-modellen voor bedrijven, voor meer dan 7 miljard dollar.

Wat zijn "open-modellen" en waarom gebruiken bedrijven ze?

Met "open-modellen" wordt bedoeld: modellen waarvan de gewichten en structuur vrij beschikbaar zijn. (Gewichten zijn de getallen die bepalen hoe een model beslissingen neemt; open betekent dat die informatie gedeeld wordt.) Bedrijven kiezen vaak voor zulke modellen omdat ze ze zelf kunnen aanpassen en draaien op eigen servers.

Deze modellen zijn vooral aantrekkelijk voor taken met veel herhaling, zoals klantenservicechat. Bij zulke hoge volumes kun je het model fijner afstemmen en veel goedkoper laten draaien. Uit enquêtes blijkt dat het gebruik nog relatief klein is: een onderzoek van Ramp laat zien dat 6% van de bedrijven open-modellen inzet. Bij softwareontwikkelaars noemt een ander onderzoek 2%.

Volgens mensen uit de sector gebruiken bedrijven open-modellen vooral voor controle en aanpasbaarheid. Je kunt ze instellen precies zoals je product dat nodig heeft. Pas als AI-workflows volwassen zijn, wordt zelf hosten van modellen economisch aantrekkelijker.

Waar zitten de verschillen met de grote commerciële modellen?

Grote, gesloten modellen van bedrijven als OpenAI of Google winnen vaak op taken waar veel variatie en denkwerk bij komt. Dat komt omdat die aanbieders meestal gemakkelijker toegang geven, uitgebreide diensten aanbieden en soms een prijsvoordeel geven in vorm van kortingen op gebruik (token-subsidie).

Toch zijn er gebieden waar open-modellen beter passen:

• Hoge volumes met herhaling: goedkoper op lange termijn.

• Volledige controle: je beslist zelf over data en gedrag van het model.

• Specialisatie: bedrijven kunnen eigen modellen trainen op hun eigen gegevens.

Voor complexere taken met veel redeneerwerk blijven de frontier-modellen (de grote commerciële modellen) vaak de voorkeur.

Wat zeggen mensen uit de sector?

Een productleider bij Jellyfish legde uit dat open-modellen vooral gebruikt worden voor repetitieve inference-werkzaamheden — inference is het proces waarin een model een voorspelling doet of antwoord geeft. Omdat zulke taken veel voorkomen, loont afstemming en hosting op eigen infrastructuur.

Een andere oprichter van een groot open-modelplatform zei dat haar bedrijf dagelijks enorme aantallen tokens verwerkt — cijfers die hoger liggen dan bij sommige bekende commerciële API’s van grote spelers. (Tokens zijn stukjes tekst die modellen verwerken; hoe meer tekst je verwerkt, hoe meer tokens je gebruikt.) Haar visie is dat met meer en betere modellen bedrijven op termijn voor elk specifiek gebruik een eigen, gespecialiseerd model zullen hebben.

Wat betekent dit voor bedrijven zonder technische achtergrond?

Voor veel bedrijven blijft het ingewikkeld om zelf modellen te beheren. Er is kennis en infrastructuur voor nodig. Toch kan de opkomst van open-modellen kansen brengen:

• Lagere kosten voor taken met veel herhaling.

• Meer zeggenschap over hoe data gebruikt wordt.

• Mogelijkheid om modellen op maat te laten maken voor specifieke processen.

Bedrijven die nog niet technisch zijn, kunnen in eerste instantie gebruik blijven maken van commerciële aanbieders. Naarmate AI in het bedrijf vaker en meer structureel wordt ingezet, kan het aantrekkelijker worden om over te stappen naar open-modellen of gespecialiseerde oplossingen.

Conclusie

Grote overnames en investeringen in platforms voor open-modellen laten zien dat techbedrijven een toekomst verwachten waarin open technologie een centrale rol speelt. Voor sommige taken zijn open-modellen al nu aantrekkelijk vanwege lagere kosten en meer controle. Voor complexere, wisselende taken blijven de grote commerciële modellen voorlopig vaak de beste keuze. De markt verandert snel; wie veel en structureel met AI werkt, zal in toenemende mate moeten kiezen tussen gemak, kosten en controle.