Ga naar inhoud
  • BTC $59.884 +0,7%
  • ETH $1.681 +1,9%
  • SOL $70,22 +1,9%
  • BNB $545,99 −0,6%
  • XRP $0,9250 +0,9%
  • DOGE $0,0550 +1,9%
  • ADA $0,1440 +2,4%

Uber verbrandde in één maand 500 miljoen dollar aan AI — Open-source AI-modellen in opmars

Het kostenprobleem van de AI-industrie wordt steeds moeilijker te negeren. Bedrijven die zich haastten om te bouwen op de krachtigste modellen van OpenAI, Anthropic en Google DeepMind, worden nu geconfronteerd met rekeningen die volledig uit de hand kunnen lopen — en een groeiend aantal van hen wendt zich tot open-source AI-modellen als het meer duurzame pad…

open source AI models
Open Source AI Models Drive Cost and Transparency Shift

Het kostenprobleem van de AI-industrie wordt steeds moeilijker te negeren. Bedrijven die zich haastten om te bouwen op de krachtigste modellen van OpenAI, Anthropic en Google DeepMind worden nu geconfronteerd met rekeningen die uit de hand kunnen lopen — en een groeiend aantal van hen wendt zich tot open source AI-modellen als het meer duurzame pad vooruit. Die verschuiving, ooit nog voorzichtig, is nu zo zichtbaar dat Amazons hoogste technoloog er publiekelijk op wijst.

Belangrijkste punten

  • Amazon-CTO Werner Vogels zei dat bedrijven in toenemende mate overstappen op goedkopere open source AI-modellen om de oplopende AI-kosten in de hand te houden.
  • Uber joeg er zijn volledige AI-budget voor 2026 in slechts vier maanden doorheen en gaf naar verluidt een half miljard dollar uit in één maand.
  • Open source modellen zijn doorgaans gratis te downloaden; gebruikers betalen alleen voor de cloudinfrastructuur, wat ze vaak goedkoper maakt dan propriëtaire alternatieven.
  • Amazon lanceerde een nieuwe open-source AI-tool op de UN AI for Good-top om onderzoekers te helpen meer dan 1.100 wetenschappelijke datasets te doorzoeken met natuurlijke taal.
  • Transparantie rond AI-trainingsdata ontwikkelt zich tot een niet-onderhandelbare eis in de gezondheidszorg, de overheid en de humanitaire sector.

Stijgende AI-kosten stimuleren verschuiving naar open-source modellen

Tijdens de VN-top AI for Good op 10 juli 2026 zei Werner Vogels, Chief Technology Officer van Amazon, het onomwonden: “We zien een verschuiving plaatsvinden tussen de goedkopere open source modellen en de grotere dure modellen.” Het was een openhartige erkenning dat de AI-goudkoorts een prijskaartje heeft — en dat veel bedrijven niet langer bereid zijn dat onvoorwaardelijk te betalen.

Dure propriëtaire modellen van marktleiders

De vlaggenschipmodellen van OpenAI, Anthropic en Google DeepMind staan bovenaan de prestatieranglijsten. Maar prestaties op schaal gaan gepaard met een kostenstructuur die meer dan een paar organisaties heeft overvallen. Deze systemen rekenen per token af, wat betekent dat de kosten snel oplopen naarmate het gebruik binnen teams en producten groeit.

De meest opvallende illustratie hiervan kwam van Uber. Het bedrijf joeg naar verluidt zijn volledige AI-budget voor 2026 er in slechts vier maanden doorheen — en gaf volgens berichten ongeveer een half miljard dollar uit in één maand, nadat het had nagelaten het AI-gebruik door werknemers te begrenzen. Zo’n uitgavenpatroon dwingt zelfs grote organisaties om hun aanpak snel te herzien.

Vogels kaderde het als een architectuurvraagstuk in plaats van een puur financieel probleem. “Kosten zijn een heel belangrijk onderdeel van je architectuur, je moet daar rekening mee houden,” zei hij. “Moet je echt het grootste, meest high-end model hebben om dit op te lossen? Het antwoord is nee, dat hoeft niet.”

Kostenvoordelen van open-source AI-modellen

Open source modellen — soms open-weight modellen genoemd — kunnen doorgaans gratis worden gedownload. De belangrijkste kosten komen van de cloud computing-infrastructuur die nodig is om ze te draaien. Die opzet pakt vaak aanzienlijk goedkoper uit dan het betalen van doorlopende, token-gebaseerde vergoedingen aan propriëtaire aanbieders, zeker op schaal.

Het kostenvoordeel is niet marginaal. Volgens gegevens van OpenRouter, een ontwikkelaarsplatform dat toegang tot meerdere AI-modellen bundelt, kunnen Chinese open source modellen 60% tot 90% goedkoper zijn dan toonaangevende alternatieven van Anthropic en OpenAI. Dat verschil helpt te verklaren waarom het aandeel tokens dat door Amerikaanse bedrijven op Chinese AI-modellen via OpenRouter wordt gebruikt, opliep tot wel 46% — tegen een gemiddelde van slechts 11% in de voorafgaande 12 maanden.

De trend draait niet alleen om kostenbesparing. Zoals Peter Fenton van Benchmark, een investeerder in de open-source AI-ontwikkeltool Ollama, het verwoordde: elk bedrijf met hoge inference-kosten heeft een “vitaal existentieel project” dat het richting open-weight modellen duwt. Ollama zelf, dat ontwikkelaars helpt open-weight modellen lokaal te draaien, telt inmiddels bijna 9 miljoen maandelijks actieve gebruikers en is aanwezig bij 85% van de Fortune 500 — een teken hoe mainstream deze verschuiving is geworden.

Amazon-CTO benadrukt transparantie en pragmatisme bij AI-adoptie

Het kostenargument alleen dekt niet het volledige plaatje. Naast de economie verandert er iets structureels in de manier waarop organisaties nadenken over de AI die ze inzetten.

Opmerkingen van Werner Vogels op de UN AI for Good-top

Naast het gesprek over kosten wees Vogels op een tweede kracht die AI-inkoop hervormt: de vraag naar transparantie. “Transparantie wordt extreem belangrijk,” zei hij op de top. “Mensen willen weten wat de data is die erin gaat.”

Dit is geen abstracte zorg. Bedrijven onderzoeken nu niet alleen wat een AI-model kan, maar ook hoe het is gebouwd — op welke data het is getraind, welke vooroordelen erin kunnen zitten en hoe de beslissingen kunnen worden uitgelegd. Die controle weerspiegelt een bredere volwassenwording in de adoptie van enterprise-AI, voorbij de initiële hypefase naar een nuchtere evaluatie van AI-transparantie en datagovernance.

Belang van vertrouwen in gevoelige sectoren

De transparantie-eis is vooral scherp in sectoren waar de gevolgen van een foutieve of onverklaarbare AI-uitvoer groot zijn. In de gezondheidszorg, overheid en humanitaire hulp kan het net zo belangrijk zijn om te begrijpen hoe een systeem is getraind als wat zijn ruwe prestaties zijn. “Als deze mensen kwetsbare gemeenschappen bedienen. Als ze het systeem niet vertrouwen, zullen ze het niet gebruiken,” zei Vogels.

Open source modellen bieden hier een structureel voordeel. Omdat ontwikkelaars de code kunnen inspecteren en aanpassen, en modellen eenvoudiger kunnen fijn-afstemmen op hun eigen propriëtaire data, sluiten ze vaak beter aan bij de transparantieverwachtingen in gereguleerde of gevoelige omgevingen. De kanttekening is reëel: zelfs de meeste open-weight aanbieders maken niet volledig bekend op welke data het model oorspronkelijk is getraind. Openheid is een spectrum, geen binaire keuze.

Wat dit moment analytisch interessant maakt, is de samenkomst van twee afzonderlijke krachten — kostenbeheersing en vertrouwenseisen — die allebei in dezelfde richting wijzen. Organisaties die de hoge kosten van propriëtaire modellen tijdens de experimenteerfase nog konden rechtvaardigen, staan nu voor een andere rekensom: kunnen ze het vertrouwen op bestuursniveau in hun AI-investeringen behouden als de kosten onvoorspelbaar zijn en de herkomst van trainingsdata ondoorzichtig is? Voor velen hertekent het antwoord hun volledige AI-stack.

Nieuwe open-source tool van Amazon wil wetenschappelijke onderzoekers versterken

Vogels van Amazon stelde op de top niet alleen de richting van de sector vast — hij kondigde ook een concrete stap daarin aan. Een nieuwe open-source AI-tool van Amazon is ontworpen om wetenschappelijke data wezenlijk beter toegankelijk te maken, met een bijzondere focus op instellingen die niet over de technische middelen van grote onderzoeksuniversiteiten of goed gefinancierde laboratoria beschikken.

Integratie met AWS Registry of Open Data

De tool maakt verbinding met de AWS Registry of Open Data, die meer dan 1.100 datasets bevat van grote wetenschappelijke organisaties, waaronder NASA, NOAA en de NIH. In plaats van complexe datacatalogi te moeten doorzoeken — een proces dat voorheen uren kon kosten — kunnen onderzoekers het register nu bevragen met gewone natuurlijke taal. Een wetenschapper kan bijvoorbeeld vragen om satellietbeelden met specifieke licentievoorwaarden, of genomics-datasets voor een bepaalde populatie, en relevante resultaten ontvangen zonder de onderliggende data-architectuur te hoeven begrijpen.

Toegang vergemakkelijken voor onderbedeelde instellingen

De praktische impact op onderzoek is aanzienlijk. Onderbedeelde instellingen — kleinere universiteiten, NGO’s, publieke gezondheidsdiensten in ontwikkelingsregio’s — kampen al lang met een structurele achterstand bij het ontdekken van data. De technische overhead van werken met grote wetenschappelijke registers bevoordeelt instellingen met toegewijde data-engineers. Door die drempel te verlagen via zoeken met natuurlijke taal, opent de tool de toegang tot datasets op gebieden als klimaatwetenschap en volksgezondheid die eerder moeilijker bereikbaar waren voor niet-specialistische teams.

Het positioneert Amazon ook nadrukkelijk binnen het open-source AI-ecosysteem op een moment dat dat ecosysteem serieuze investeringen en talent aantrekt. De recente Series B-financieringsronde van 65 miljoen dollar voor Ollama, waarmee de totale financiering op 88 miljoen komt, laat zien dat de venture-community open-source AI-tools ziet als een duurzaam bedrijfsmodel — niet slechts als een overgangsfase voordat propriëtaire modellen opnieuw de overhand krijgen. Met andere woorden: het open-source traject heeft nu institutionele momentum achter zich, niet alleen kostenlogica.

De lastigere vraag die boven dit alles hangt, is wat er gebeurt met het prestatiedak. Open source modellen verkleinen de kloof met frontier-propriëtaire systemen, maar de meest complexe taken — de taken die de hoogste modelkosten rechtvaardigen — zijn nog steeds vaak in het voordeel van gesloten, zwaar gefinancierde systemen. Bedrijven zouden kunnen eindigen met hybride stacks: open-source modellen voor het grootste deel van hun inference-belasting, met propriëtaire modellen gereserveerd voor specifieke, risicovolle taken. Die architectuur, niet een schone overstap van het ene naar het andere, zou wel eens kunnen zijn waar de sector uiteindelijk op uitkomt.

FAQ

Waarom stappen bedrijven over op open-source AI-modellen?

Bedrijven stappen vooral over op open source AI-modellen om de oplopende AI-kosten te verlagen. Propriëtaire modellen van aanbieders als OpenAI en Anthropic rekenen per token af, wat op schaal onvoorspelbare en zeer hoge kosten kan genereren. Open source modellen zijn over het algemeen gratis te downloaden, waarbij gebruikers alleen betalen voor de cloudinfrastructuur die nodig is om ze te draaien — een constructie die vaak aanzienlijk goedkoper uitpakt, vooral bij implementaties met een hoog volume.

Welke zorgen benadrukt de CTO van Amazon over AI-transparantie?

Amazon-CTO Werner Vogels benadrukte dat transparantie over AI-trainingsdata steeds belangrijker wordt voor adoptie in het bedrijfsleven. Organisaties willen weten welke data is gebruikt om de modellen te trainen die ze inzetten. Dit is vooral cruciaal in sectoren als gezondheidszorg, overheid en humanitaire hulp, waar vertrouwen in het systeem een voorwaarde is voor daadwerkelijk gebruik — zeker wanneer die systemen kwetsbare gemeenschappen bedienen.

Wat is het doel van Amazons nieuwe open-source AI-tool?

De tool stelt onderzoekers in staat om de AWS Registry of Open Data — die meer dan 1.100 datasets bevat van organisaties als NASA, NOAA en de NIH — te doorzoeken met natuurlijke taal in plaats van via complexe technische catalogi. Het doel is om de tijd en technische expertise die nodig zijn om relevante wetenschappelijke datasets te vinden te verminderen, met bijzondere aandacht voor het eerlijker toegankelijk maken van die data voor onderbedeelde onderzoeksinstellingen.

{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Waarom stappen bedrijven over op open-source AI-modellen?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Bedrijven stappen vooral over op open source AI-modellen om de oplopende AI-kosten te verlagen. Propriëtaire modellen van aanbieders als OpenAI en Anthropic rekenen per token af, wat op schaal onvoorspelbare en zeer hoge kosten kan genereren. Open source modellen zijn over het algemeen gratis te downloaden, waarbij gebruikers alleen betalen voor de cloudinfrastructuur die nodig is om ze te draaien — een constructie die vaak aanzienlijk goedkoper uitpakt, vooral bij implementaties met een hoog volume.”}},{“@type”:”Question”,”name”:”Welke zorgen benadrukt de CTO van Amazon over AI-transparantie?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Amazon-CTO Werner Vogels benadrukte dat transparantie over AI-trainingsdata steeds belangrijker wordt voor adoptie in het bedrijfsleven. Organisaties willen weten welke data is gebruikt om de modellen te trainen die ze inzetten. Dit is vooral cruciaal in sectoren als gezondheidszorg, overheid en humanitaire hulp, waar vertrouwen in het systeem een voorwaarde is voor daadwerkelijk gebruik — zeker wanneer die systemen kwetsbare gemeenschappen bedienen.”}},{“@type”:”Question”,”name”:”Wat is het doel van Amazons nieuwe open-source AI-tool?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”De tool stelt onderzoekers in staat om de AWS Registry of Open Data — die meer dan 1.100 datasets bevat van organisaties als NASA, NOAA en de NIH — te doorzoeken met natuurlijke taal in plaats van via complexe technische catalogi. Het doel is om de tijd en technische expertise die nodig zijn om relevante wetenschappelijke datasets te vinden te verminderen, met bijzondere aandacht voor het eerlijker toegankelijk maken van die data voor onderbedeelde onderzoeksinstellingen.”}}]}

Artikel geproduceerd met behulp van kunstmatige intelligentie en beoordeeld door de redactie.

Francesco Antonio Russo

Alle artikelen van Francesco Antonio Russo