Open-weight-modellen nemen de leiding in AI-tokengebruik
Er vindt een opvallende verschuiving plaats in de manier waarop organisaties AI consumeren. Volgens Vercel-CEO Guillermo Rauch groeiden open-weight-modellen tussen juni en augustus van 28,4 procent naar 62 procent van het tokengebruik op de AI Gateway van Vercel. Hij beschreef 22 augustus als een recorddag. In slechts enkele maanden tijd gingen open-weight-modellen van een minderheidsaandeel naar de meerderheid van de tokens op dit platform.
Rauch verwacht dat de trend zich zal voortzetten. Naar zijn mening bevindt de adoptie door bedrijven zich nog in een vroeg stadium en zijn de meeste tools nog niet model-agnostisch. Dit suggereert dat veel organisaties nog niet de kans hebben gehad om eenvoudig van model te wisselen, en dat de verschuiving kan versnellen naarmate de tooling volwassener wordt. Voor u is het een signaal dat uw huidige modelkeuze wellicht niet de keuze is die u over een jaar maakt.
Kosten lijken een centrale drijfveer te zijn. Volgens cijfers die door Chamath worden aangehaald, kosten één miljoen tokens ongeveer $ 26 bij OpenAI en $ 56 bij Anthropic. Hetzelfde volume kost ongeveer $ 1 bij xAI, $ 1,50 bij Meta en $ 0,50 bij Chinese providers. Het verschil is groot genoeg om budgetten en leveranciersbeslissingen te beïnvloeden.
Deze cijfers wijzen ook op een bedrijfsrisico. Bedrijven die inzetten op de duurdere gesloten modellen kunnen het moeilijk vinden om die kosten door te berekenen aan klanten, aangezien goedkopere alternatieven de kwaliteitskloof dichten. Als concurrenten vergelijkbare resultaten leveren tegen een fractie van de prijs, komen de marges onder druk te staan. Een reactie uit de community op het verhaal bestempelde de stap als een logische, kostengestuurde zakelijke beslissing in plaats van een verrassing.
Open-weight betekent niet automatisch onbeperkt. Downloadbare weights garanderen niet dat u een model vrij kunt gebruiken in een commerciële setting. Kimi K3 en MiniMax M3 vereisen licentieovereenkomsten op basis van omzet, terwijl DeepSeek V4 en GLM 5.2 gebruikmaken van permissieve MIT-licenties. Elk model vereist daarom een eigen controle voordat u het implementeert.
Het praktische advies is om de licentievoorwaarden te lezen voordat u ervan uitgaat dat u een model vrij kunt implementeren, en om de tokenprijzen van verschillende aanbieders te vergelijken voordat u een team aan één leverancier bindt. Bouwen op tooling die niet aan één model is gebonden, kan ook uw opties openhouden. Behandel modelselectie als een voortdurende governance- en risicobeslissing, niet als een eenmalige technische keuze.
Lees het daily.dev-artikel voor meer informatie.