Woensdag zette Alibaba de gewichten van zijn topmodel op Hugging Face, voor het eerst in de geschiedenis van dat bedrijf. Donderdag volgde DeepSeek met zijn grootste model, vrij te downloaden onder een MIT-licentie. En vrijdag kondigde het Chinese Z.ai GLM-5.3 aan, naar eigen zeggen het sterkste open model voor programmeerwerk dat er is.
Drie in één week. Dat tempo houdt niemand bij, en dat hoeft ook niet. Interessanter is wat het doet met de afhankelijkheid waar jouw organisatie al twee jaar over praat.
Wat "open" hier eigenlijk betekent
Even een tussenstapje, want het woord wordt slordig gebruikt. Bij een open model gaat het bijna altijd om open gewichten: het bedrijf publiceert het getrainde model als bestand, zodat je het zelf kunt downloaden en op je eigen servers kunt draaien. Wat je er meestal niet bij krijgt zijn de trainingsdata, de broncode en de methode. Dát zou volledig open source zijn, en dat is zeldzaam.
Het verschil is niet academisch. Bij open gewichten hoeft er geen woord van jouw stuk naar een server in Californië of Hangzhou. Je betaalt ook niet per token, maar voor je eigen hardware. Dat is precies het punt waar overheidsorganisaties op vastlopen.
Het gat blijft ongeveer een kwartaal
Twee jaar geleden was een open model een compromis. Dat is het niet meer, al is het ook niet zo dat de achterstand verdwijnt. Epoch AI meet dat de beste open modellen sinds januari 2026 gemiddeld vier maanden achterlopen op de gesloten koplopers, ongeveer hetzelfde als de drie maanden die ze in de jaren daarvoor maten. Wachten tot open modellen de top inhalen heeft dus weinig zin. De vraag is of een achterstand van een kwartaal acceptabel is voor het werk dat jij ermee doet, en dat verschilt sterk. Voor vertalen en samenvatten merk je er weinig van. Voor het wegen van een lastige woordvoeringslijn wel.
Kijk wel goed wat je krijgt
Deze week werd pijnlijk zichtbaar hoe rekbaar dat woord "open" is.
GLM-5.3 werd vrijdag gepresenteerd als het sterkste open model in zijn categorie, maar de gewichten komen pas over twee weken. Z.ai houdt ze achter omdat het model tijdens de training beter werd in het vinden van beveiligingslekken dan bedoeld was. Het begon complete aanvalsketens te bedenken in plaats van losse fouten op te sporen. Zo'n vrijwillige rem is nieuw voor een Chinees lab, en het is niet de eerste keer deze zomer dat een model iets doet wat de makers niet hadden voorzien.
Bij Alibaba speelt iets anders. De gewichten staan er echt, maar het is niet precies het model dat je via de API test, en de licentie is nieuw, inclusief omzetdeling voor grote gebruikers. Het kleinere model uit dezelfde reeks, juist het model dat op normale hardware zou passen, is uitgesteld zonder nieuwe datum.
Lees dus de licentie, en controleer of wat je kunt downloaden hetzelfde is als wat je hebt getest. Een aankondiging is nog geen bestand.
Waarom dit voor de overheid wel uitmaakt
Uit de eerste overheidsbrede monitor van TNO (december 2025) blijkt hoe scheef dat ligt. Van de 81 in kaart gebrachte GenAI-toepassingen bij de Nederlandse overheid draaien er 44 op een model van een Amerikaans bedrijf. Slechts drie draaien op een Europees of Nederlands model. Bij de rest is de herkomst niet eens bekend, wat op zichzelf al iets zegt.
Soevereiniteit is geen aan-uitknop. Het zijn drie aparte schuiven: waar je host, op wiens hardware je draait, en welk model je kiest. Die derde schuif stond jarenlang vast. Dat is nu aan het veranderen, en dat is het echte nieuws achter de stortvloed.
Het Zwitserse kanton Ticino liet op het open model Apertus een vertaaltool bouwen die op eigen servers draait. Ambtenaren hoeven sindsdien geen persoonsgegevens meer handmatig uit stukken te halen voordat ze mogen vertalen.
Daar hoort wel een nuchtere kanttekening bij. Een open model downloaden kost niets, hem verantwoord draaien wel. Wie zelf host, haalt ook het beheer naar binnen dat nu bij de leverancier ligt: updates, beveiliging, en de vraag wie verantwoordelijk is als het model ernaast zit. Ticino heeft daar de mensen voor, veel organisaties niet. Weeg dat net zo zwaar mee als de vraag hoe goed het model is.
Wat dit voor jouw werk betekent
Waarschijnlijk niets. Je gaat geen model van 1,6 biljoen parameters op je laptop draaien, en de keuze welk model achter je werkomgeving hangt maak je niet zelf.
Op termijn komt die keuze binnen je organisatie wel echt op tafel, en het antwoord kan over een jaar anders luiden dan nu. Daarom oefenen wij in onze trainingen nooit op één tool. Een scherpe uitvraag schrijven en zelf beoordelen of de uitkomst deugt: die vaardigheden verhuizen mee naar welk model er ook komt.
Waar je organisatie uiteindelijk mee zit, is wat er straks door dat model heen gaat en wie dat controleert. Loop je daar tegenaan, we denken graag mee.
