Dots3-note preview: wat kan dit open 280B-model voor je bedrijf?

TL;DR

• Wat: Rednote (Xiaohongshu) heeft dots3-note preview uitgebracht — een open multimodaal AI-model met 280 miljard parameters, geoptimaliseerd voor langlopende taken.
• Waarom relevant: Open modellen met een Apache 2.0-licentie kun je vrij inzetten zonder abonnementskosten of datadeling met derden.
• Wat je ermee kunt: Evalueer of een open model als alternatief of aanvulling op je huidige AI-tooling past, vooral als je gevoelige bedrijfsdata verwerkt.

Afgelopen week kwam ik een tweet tegen van Santiago Valdarrama (@svpino) die het had over een nieuw open multimodaal model dat specifiek ontworpen is voor taken die zich over langere tijd ontwikkelen. Het model heet dots3-note preview, komt van het Chinese techbedrijf Rednote, en heeft 280 miljard parameters. Ik vond het de moeite waard om uit te zoeken wat dit concreet betekent — niet voor AI-onderzoekers, maar voor ondernemers die willen begrijpen waar de markt heen beweegt.

Wie is Rednote en wat is dots3-note preview?

Rednote is in Nederland misschien niet heel bekend, maar in China is het een groot platform. Je kent het mogelijk als Xiaohongshu — een sociale-commerceapp met meer dan 300 miljoen maandelijkse gebruikers. Vergelijk het met een kruising tussen Instagram en een reviewsite, maar dan met een ingebouwde winkelervaring.

Het AI-lab achter dit model heet dots studio. Zij hebben eerder al dots.llm1 uitgebracht (een taalmodel) en dots.ocr (voor tekstherkenning). Wat mij opvalt: dit is niet zomaar een techbedrijfje dat een model uitbrengt. De dots3-serie heeft dit jaar bij de Internationale Wiskunde Olympiade een perfecte score van 42 punten behaald — het eerste AI-systeem in de geschiedenis van die olympiade dat dat voor elkaar kreeg. Dat zegt iets over de wiskundige en logische capaciteiten van deze modelfamilie.

Dots3-note preview is het eerste open model in die reeks. Het is een zogenaamd Mixture-of-Experts-model (MoE). Dat betekent dat het 280 miljard parameters heeft in totaal, maar per vraag slechts 16 miljard daarvan activeert. Stel je een groot kantoor voor met 280 specialisten, maar per klantvraag worden alleen de 16 relevantste experts bij elkaar gezet. Dat maakt het model efficiënter dan je op basis van die 280 miljard zou verwachten.

Wat kan het — en wat maakt het anders?

Het model verwerkt tekst, afbeeldingen, video én audio als invoer. Het genereert alleen tekst als uitvoer — het maakt dus geen plaatjes of filmpjes. Het contextvenster is 512.000 tokens, wat neerkomt op ruwweg 350.000 tot 400.000 woorden. Ter vergelijking: dat is het equivalent van een flink boek dat het model in één keer kan "lezen" en onthouden.

Waar dots3-note preview zich volgens dots studio onderscheidt, zijn de zogenaamde long-horizon agent tasks. Dat zijn taken die niet in één stap klaar zijn, maar die zich over meerdere stappen en langere tijd ontvouwen. Denk aan een AI-agent die een onderzoek uitvoert, tussentijds nieuwe informatie ophaalt, zijn aanpak aanpast en uiteindelijk een samenvatting oplevert. Of een systeem dat meerdere documenten doorwerkt, vragen stelt aan een tool, en op basis van de antwoorden verdere acties onderneemt.

Benchmarkresultaten

Op de ARC AGI 2-benchmark — een test die meet hoe goed een model abstracte patronen herkent — scoort dots3-note preview 81,39. Ter vergelijking: Claude Opus 4.8 haalde daar 72,1. Op ARC AGI 3, een nog nieuwere en moeilijkere variant, scoort het model 6,9 tegenover 1,5 voor Claude Opus 4.8 en 0,4 voor GPT-5.5.

Ik vind het wel belangrijk om hierbij te vermelden dat benchmarks niet het hele verhaal vertellen. Er is ook kritiek op het feit dat de agent-claims van Rednote nog onvoldoende onafhankelijk zijn geverifieerd. Benchmarks zijn nuttig als indicatie, maar de echte test is altijd hoe een model presteert op jouw specifieke taken.

Waarom open modellen ertoe doen voor ondernemers

Dots3-note preview is uitgebracht onder een Apache 2.0-licentie. Dat betekent: je mag het commercieel gebruiken, aanpassen en distribueren zonder royalty's te betalen. Het model is gratis te downloaden via Hugging Face en ModelScope, en er is een gratis proefomgeving via OpenRouter.

Voor de Nederlandse ondernemer zijn er drie redenen waarom dit relevant is:

Datasoevereiniteit

Als je bedrijfsgevoelige documenten door een AI wilt laten verwerken — contracten, klantgegevens, financiële rapportages — dan wil je misschien niet dat die data naar de servers van OpenAI of Google gaat. Met een open model kun je het in principe op je eigen infrastructuur (of die van een Europese hostingpartij) draaien. Je data verlaat je eigen omgeving niet.

Voorspelbare kosten

Bij gesloten modellen betaal je per API-aanroep. Dat kan prima werken, maar bij intensief gebruik lopen de kosten op. Een open model kun je zelf hosten, waardoor je kosten voorspelbaarder worden — al moet je dan wel rekenen met serverkosten. Voor dots3-note preview heb je in de praktijk een server nodig met acht GPU's, dus dit is niet iets dat je op een laptop draait.

Concurrentiedruk

Wat mij hier opvalt, is het bredere patroon. Volgens recente cijfers gebruikt 29% van de Nederlandse bedrijven met meer dan tien medewerkers inmiddels een vorm van AI. Het gat tussen open en gesloten modellen is in 2026 geslonken tot ongeveer zes tot negen maanden. Dat betekent dat de technologie die nu alleen voor grote bedrijven betaalbaar was, steeds sneller beschikbaar wordt voor het MKB.

Wat betekent dit praktisch?

Laat ik eerlijk zijn: de meeste MKB-ondernemers gaan niet zelf een 280B-model hosten. Dat is ook niet het punt. Het punt is dat deze modellen steeds vaker beschikbaar komen via platformen die je al gebruikt, of via dienstverleners die ze voor je inrichten.

Stel dat je als ondernemer een klantenserviceproces wilt automatiseren dat uit meerdere stappen bestaat — een klant stuurt een foto van een defect product, het systeem analyseert de foto, zoekt in je database naar het ordernummer, checkt de garantievoorwaarden en stelt een antwoord op. Dat is precies het type "long-horizon" taak waar dit soort modellen op gebouwd wordt.

Kun je je voorstellen wat het betekent als dat soort functionaliteit beschikbaar komt in een open model dat je kunt aanpassen aan jouw specifieke producten en processen?

Een kanttekening

Ik denk dat het goed is om nuchter te blijven. Rednote is een Chinees bedrijf, en het model is relatief nieuw. De onafhankelijke verificatie van de agent-prestaties loopt nog achter op de claims. Benchmarkscores zijn indrukwekkend, maar ze meten niet per se hoe een model omgaat met de rommelige werkelijkheid van jouw bedrijfsdata.

Bovendien is het draaien van een model van dit formaat geen triviale exercitie. Je hebt technische kennis nodig, of een partner die dat voor je regelt. De Apache 2.0-licentie is mooi, maar gratis software is niet per se goedkoop als je de operationele kosten meetelt.

Voor mij is dit vooral een signaal dat de markt voor AI-modellen in een fase zit waarin open alternatieven serieus concurreren met de grote gesloten aanbieders. Niet elke ondernemer hoeft daar vandaag iets mee te doen, maar het is wel verstandig om te weten dat die keuze er is — en dat die keuze elk kwartaal realistischer wordt.