Chinese AI‑labs publiceren veiligheidresultaten voor slechts 3,6 % van 857 modelversies sinds 2021

De studie met de titel “Beijing Will Not Pace the Frontier” heeft een volledige inventaris gemaakt van AI‑modelreleases van negen Chinese ontwikkelaars tussen 2021 en 15 september 2026. Er werden in totaal 857 verschillende modelversies geïdentificeerd, wat een solide basis biedt voor het meten van veiligheid‑gerelateerde openbaarmakingen.

Slechts 31 van die versies – precies 3,6 % – bevatte een veiligheidsresultaat dat de ontwikkelaar openbaar maakte. Dit cijfer is rechtstreeks afgeleid van de SemiAnalysis‑analyse en wordt gepresenteerd als een vastgesteld feit.

Nog opvallender is dat slechts negen van de 31 bekende resultaten (1,1 % van het totale aantal releases) beschikbaar werden gesteld op het moment dat het model werd gelanceerd. De overige 22 werden gepubliceerd nadat het model al publiekelijk toegankelijk was.

Verdeling van openbaarmakingen per type organisatie

Wanneer de gegevens worden opgesplitst naar organisatiecategorie, tonen startups zoals DeepSeek, Moonshot, Zhipu, MiniMax en StepFun een hogere neiging om veiligheidsresultaten te delen – 6,3 % van hun releases bevat een resultaat – vergeleken met de vier hyperscalers (Alibaba, ByteDance, Tencent, Baidu), die gezamenlijk slechts 2 % van hun releases openbaar maken.

Zhipu (opererend onder het merk Z.ai) valt op als het enige van de negen bedrijven dat sinds 2022 consequent elk jaar een veiligheidsresultaat heeft gepubliceerd, volgens de eigen verklaringen van de bedrijven.

Absolute aantallen voor de grootste spelers

Alibaba, de ontwikkelaar met de grootste catalogus releases (238 versies), leverde slechts zeven veiligheidsresultaten. Tencent, met 133 versies, publiceerde één veiligheidsbeoordeling, terwijl ByteDance er twee van haar 120 releases openbaar maakte. Deze cijfers worden door de bedrijven zelf gerapporteerd.

De resterende 813 versies – goed voor 94,9 % van het totaal – hebben helemaal geen openbaar veiligheidsrapport. Deze proportie wordt in het SemiAnalysis‑rapport als een vastgesteld feit gepresenteerd.

Timing van openbaarmakingen na lancering

Van de 31 bekende resultaten werden zestien gepubliceerd nadat het betreffende model al was gelanceerd. De mediane vertraging bedroeg 42 dagen, met de langste vertraging van 349 dagen. Deze timing‑statistieken komen rechtstreeks uit de studie.

• Slechts 3,6 % van Chinese AI‑modelreleases bevat een openbaar veiligheidsresultaat.
• Startups publiceren veiligheidsresultaten met een rate van 6,3 %, hyperscalers 2 %.
• Zhipu publiceert sinds 2022 elk jaar een veiligheidsresultaat.
• De mediane vertraging van post‑lancering openbaarmaking is 42 dagen.

Het “China AI Safety Governance Framework 3.0”, openbaar gemaakt op 14 september 2026, beveelt regelmatige tests en periodieke publieke openbaarmaking van veiligheidsbeoordelingen aan. Het kader legt echter geen wettelijke verplichting op, waardoor naleving vrijwillig blijft.

De auteurs van de SemiAnalysis‑studie waarschuwen dat het ontbreken van publieke openbaarmakingen niet per se betekent dat interne veiligheidstesten ontbreken. Hun methodologie vangt alleen informatie op die publiek toegankelijk is, waardoor een mogelijke blinde vlek ontstaat voor privé‑evaluaties.

De lage openbaarmakingsgraad van slechts 3,6 % toont aan dat de meeste Chinese AI‑modelreleases zonder publiek veiligheidsrapport beschikbaar blijven, wat de mogelijkheid beperkt om externe partijen een objectieve beoordeling van hun risico‑profiel te laten uitvoeren. Zonder dergelijke transparantie blijft de evaluatie van potentiële gevaren grotendeels afhankelijk van interne processen die niet verifieerbaar zijn voor derden, waardoor een fundamentele onzekerheid ontstaat over de robuustheid van de ontwikkelde systemen.

Dit tekort aan publieke rapportage legt een zware last op organisaties die overwegen AI‑oplossingen van Chinese leveranciers te integreren. Zij moeten zelf aanvullende veiligheidscontroles inrichten, wat extra kosten en tijdsinvesteringen met zich meebrengt. Bovendien moet men rekening houden met de variabele timing van de beschikbare resultaten; de mediane vertraging van 42 dagen wijst op een systematisch risico dat kwetsbaarheden pas na de initiële inzet aan het licht komen, waardoor snelle mitigatie moeilijker wordt.

De discrepantie tussen startups en hyperscalers, waarbij startups een hogere publicatieratio van 6,3 % vertonen, suggereert dat kleinere spelers mogelijk meer belang hechten aan externe legitimatie of dat hun productportfolio minder omvangrijk is, waardoor een hogere proportie van hun releases onderhevig is aan openbaarmaking. Voor grotere spelers blijft de ratio rond de 2 % en kan dit duiden op een strategische keuze om interne evaluaties te behouden als concurrentievoordeel, maar het vergroot ook de blind spots voor externe stakeholders.

De methodologische beperking van de SemiAnalysis‑studie – dat alleen publiek toegankelijke documenten worden meegenomen – betekent dat de gemeten percentages een ondergrens kunnen vormen voor de werkelijke hoeveelheid uitgevoerde veiligheidscontroles. Interne tests die niet worden gedeeld, blijven onzichtbaar, waardoor de studie geen definitief beeld geeft van de totale inspanningen op het gebied van AI‑veiligheid binnen de Chinese markt.

Het “China AI Safety Governance Framework 3.0” biedt richtlijnen zonder wettelijke afdwingbaarheid, waardoor naleving vrijwillig blijft. Deze vrijwillige aard maakt het moeilijk om consistente normen af te dwingen en vergroot de kans op heterogene praktijken tussen bedrijven. Voor internationale partners betekent dit dat ze niet kunnen vertrouwen op een uniform niveau van veiligheidsgarantie en dat aanvullende contractuele waarborgen noodzakelijk zijn om een minimaal acceptabel veiligheidsniveau te waarborgen.

Praktisch gezien moeten organisaties die Chinese AI‑modellen overwegen, een proactieve benadering hanteren: zij dienen expliciet te vragen naar interne veiligheidsauditrapporten, contractuele verplichtingen op te nemen voor tijdige en volledige openbaarmaking, en waar mogelijk onafhankelijke derde‑partij beoordelingen te laten uitvoeren. Deze maatregelen compenseren het gebrek aan publieke data en verminderen de exposure aan ongeteste of ongedocumenteerde kwetsbaarheden, waardoor de operationele risico’s beter beheersbaar worden.

Voor Engelssprekende organisaties die Chinese AI‑leveranciers evalueren, is de praktische implicatie duidelijk: zonder verplichte openbaarmakingsnormen moeten bedrijven ervan uitgaan dat de meerderheid van de modelreleases slechts beperkte of ongedocumenteerde veiligheidscontroles heeft ondergaan. Inkoop‑teams dienen daarom interne veiligheidsauditrapporten op te vragen, contractuele clausules te onderhandelen die tijdige openbaarmaking van veiligheidsresultaten eisen, en derde‑partij verificatie te overwegen om risico's van niet‑gedocumenteerde kwetsbaarheden te beperken.