Open AI-modellen halen gesloten modellen elke era twee keer sneller in

Open-weight AI-modellen halen de beste gesloten modellen bij elke nieuwe era van de ontwikkeling van grote taalmodellen ongeveer twee keer zo snel in. Dat blijkt uit een analyse van SemiAnalysis, getiteld "Are Open Models Catching Up?", gepubliceerd op 21 augustus 2026. In plaats van elk model te beoordelen op één vaste set benchmarks die na verloop van tijd verzadigd raakt, beoordeelt SemiAnalysis elke era met de benchmarks die deze werkelijk definieerden.

Drie era's, drie inhaaltijden

De eerste era, die van vroege scaling, loopt van 2022 tot 2024. Het gesloten referentiemodel was OpenAI's GPT-3.5 Turbo, uitgebracht in november 2022, beoordeeld op GSM8K, HumanEval, TriviaQA en MMLU-Pro. Meta's Llama-2-70B was het eerste open model dat dichtbij kwam, met een samengestelde score van 39,9 tegenover 75,7 voor GPT-3.5 Turbo. Het gat werd pas gedicht toen Meta in juli 2024 Llama-3.1-405B uitbracht, met een score van 86 — 19,7 maanden na de release van GPT-3.5 Turbo.

Later in dezelfde era evenaarde DeepSeek V3 in december 2024 OpenAI's GPT-4o, met 94,1 tegenover 95,5 punten, en kwam Alibaba's Qwen2.5-72B dichtbij met een model dat zes keer kleiner is dan Llama-3.1-405B — 72 miljard in plaats van 405 miljard parameters — voorgetraind op 18 biljoen tokens.

De tweede era, die van redeneren, loopt van 2024 tot 2025. De referentie was OpenAI's o1, uitgebracht op 12 september 2024, beoordeeld op GPQA-Diamond, AIME 2026, SimpleQA Verified en Humanity's Last Exam. DeepSeek-R1-0528 dichtte in mei 2025 een aanvankelijk gat van 12,1 punten, met een score van 78 ten opzichte van het doel — in slechts 8,5 maanden.

De derde era, de agentische, loopt van 2025 tot vandaag. De referentie is Anthropic's Claude Opus 4.5, uitgebracht in november 2025, beoordeeld op complexe agentische taken zoals programmeren en computergebruik, via Terminal-Bench 2.1, BrowseComp-Plus, τ³-Banking en DeepSWE. Moonshot AI's Kimi K2.6, uitgebracht in april 2026, dichtte het gat met Claude Opus 4.5 in slechts 4,8 maanden — de snelste inhaalslag die SemiAnalysis tot nu toe heeft waargenomen.

De inhaaltijd halveert telkens opnieuw

• Era van vroege scaling — GPT-3.5 Turbo tot Llama-3.1-405B: 19,7 maanden
• Era van redeneren — o1 tot DeepSeek-R1-0528: 8,5 maanden
• Agentische era — Claude Opus 4.5 tot Kimi K2.6: 4,8 maanden

In alle drie de era's krimpen zowel het aanvankelijke scoreverschil tussen het eerste gesloten model en het beste open model, als de tijd die nodig is om dat te dichten — de inhaaltijd is bij elke nieuwe era ongeveer gehalveerd. SemiAnalysis wijst zelf op reële beperkingen van deze vergelijking: benchmarks zijn een onvolmaakte graadmeter voor werk in de praktijk, en modelontwikkelaars kunnen een model bewust optimaliseren voor een specifieke benchmark in plaats van voor algemene capaciteit.

Waarom dit de marges van gesloten labs bedreigt

Als open modellen toonaangevende gesloten modellen kunnen evenaren voor een fractie van de kosten, dreigt de modellaag van AI een grondstof te worden. Dat is een serieuze bedreiging voor de marges van toonaangevende labs zoals OpenAI en Anthropic, die enorme bedragen hebben opgehaald om gesloten modellen te bouwen, in de veronderstelling dat hun capaciteit, niet alleen de prijs, hen voor zou blijven houden op open alternatieven.

Een bredere race: de achtergrond van de VS en China

GIGAZINE voegt in zijn verslag over de analyse van SemiAnalysis toe dat Bloomberg apart een vergelijkbare dynamiek volgt in de bredere AI-race tussen de VS en China, waarbij China soms voorop loopt op gebruik en kosten, ook al blijft het achter op ruwe capaciteit. GIGAZINE herinnert er ook aan dat verschillende Amerikaanse AI-start-ups in juli 2026 een open brief stuurden naar de regering-Trump met het verzoek Chinese open-weight modellen niet te verbieden, met het argument dat toegang tot die modellen ook Amerikaanse ontwikkelaars ten goede komt. Dat is een van de draden van de agentische era die SemiAnalysis beschrijft: juist bij de inzet van agents — een van de toepassingen die worden beoordeeld met tests in de trant van Terminal-Bench, die SemiAnalysis gebruikt voor zijn vergelijking van de derde era — spelen deze modelkeuzes het meest concreet.

Voor Nederlandse bedrijven die vandaag AI inzetten, gaat de trend verder dan alleen de benchmarkscores. Als een geloofwaardig open alternatief nu binnen maanden verschijnt in plaats van jaren na de release van een gesloten referentiemodel, hebben teams die een inzet voor 2026 of 2027 plannen een breder aanbod van leveranciers om te testen en tegen elkaar uit te spelen voordat ze hun budget vastleggen op één API, met minder zekerheid dat het beste gesloten model van vandaag zonder rivaal blijft tegen de tijd dat het project wordt opgeleverd.