Kimi K3, Anthropic over open weights en Microsoft's cybermodel

TL;DR

• Wat: Moonshot publiceert de gewichten van Kimi K3 (2,8 biljoen parameters), Anthropic verduidelijkt dat het nooit een verbod op open-weights-modellen heeft bepleit, en Microsoft lanceert een gespecialiseerd AI-model voor cybersecurity.
• Waarom relevant: Open modellen worden krachtiger dan ooit, de spelregels rond openheid verschuiven, en cybersecurity wordt bereikbaarder — dat raakt elk bedrijf dat software of data gebruikt.
• Wat je ermee kunt: Evalueer of een open AI-model (zelf te hosten, zonder data naar een externe API te sturen) past bij jouw bedrijfsproces en privacyeisen.

Afgelopen weekend vielen er een paar berichten samen die ik lastig los van elkaar kan bekijken. Het Chinese Moonshot AI zette de gewichten van Kimi K3 online — het grootste open model tot nu toe. Tegelijk publiceerde Anthropic een heldere verklaring over hun positie rond open-weights-modellen. En Microsoft onthulde een AI-model dat specifiek gebouwd is om kwetsbaarheden in software op te sporen. Drie ontwikkelingen die elk iets zeggen over waar AI naartoe beweegt, en wat dat voor ondernemers betekent.

Kimi K3: het grootste open model tot nu toe

Moonshot AI, een Chinees AI-lab, heeft op 27 juli de gewichten van Kimi K3 gepubliceerd op Hugging Face. Het model was eerder al aangekondigd op 16 juli, maar nu kan iedereen het downloaden en zelf draaien.

Even de cijfers: Kimi K3 is gebouwd als een zogenaamd Mixture-of-Experts-model (MoE). Dat betekent dat het model 2,8 biljoen parameters bevat, maar er bij elke berekening "slechts" 104 miljard actief zijn. Vergelijk het met een groot kantoor waar 2.800 specialisten werken, maar er voor elke vraag een team van 104 wordt samengesteld — de rest zit niet stil, maar hoeft niet mee te doen. Het model kan teksten tot 1 miljoen tokens verwerken, wat neerkomt op zo'n 750.000 woorden in één keer.

Wat mij opvalt: op de Intelligence Index — een benchmark die modellen vergelijkt op redeneer- en codeertaken — scoort Kimi K3 een 57. Dat is dicht bij gesloten modellen zoals GPT-5.6 Sol. Het is daarmee het grootste open model dat ooit is vrijgegeven, ruim boven DeepSeek V4-Pro (1,6 biljoen parameters).

Wat betekent "open" hier precies?

Belangrijk om te weten: "open weights" betekent dat je de gewichten van het model kunt downloaden en zelf kunt hosten. Je data verlaat dan je eigen omgeving niet. Maar het is niet volledig open source — Moonshot hanteert een licentie die gratis gebruik toestaat, maar commerciële afspraken vereist voor grote aanbieders. Hostingplatformen als Together AI en Modal bieden al directe toegang.

Voor ondernemers die gevoelige data verwerken — denk aan klantgegevens, financiële documenten, juridische teksten — is zelf hosten interessant. Geen data naar een externe API sturen betekent meer controle over privacy. Wel is het model met zo'n 1,4 terabyte aan bestandsgrootte niet iets dat je op een gewone laptop draait. Je hebt serieuze rekenkracht nodig, of een hostingpartij die dat voor je regelt.

Anthropic zet de puntjes op de i over open weights

Terwijl Kimi K3 het open-weights-landschap opschudt, publiceerde Anthropic — het bedrijf achter Claude — op dezelfde dag een positiepaper over open-weights-modellen. De aanleiding: een brief van onder meer Nvidia, Microsoft, Meta, Google en OpenAI aan Amerikaanse beleidsmakers, waarin zij pleitten tegen brede restricties op open-weights-AI. Anthropic ondertekende die brief niet, wat tot kritiek leidde. Tegenstanders suggereerden dat Anthropic vanuit commercieel belang open concurrenten wilde beperken.

CEO Dario Amodei reageerde helder: "Anthropic has never advocated for a ban on open-weights models." Het bedrijf noemt open-weights-modellen zonder gevaarlijke capaciteiten zelfs een "public good" — een publiek goed.

De nuance zit in de details

Waar Anthropic wél zorgen over uit, is het feit dat eenmaal vrijgegeven gewichten niet meer teruggehaald kunnen worden. Bij een gesloten model kun je misbruik achteraf beperken — bij een open model is dat lastiger. Anthropic pleit daarom niet voor een verbod, maar voor drie gerichte maatregelen:

1. Chiprestricties — beperk de verkoop van krachtige AI-chips aan landen waar toezicht ontbreekt.
2. Aanpak van distillatie — voorkom dat partijen op industriële schaal kennis uit modellen kopiëren.
3. Verplichte veiligheidstesten — voor alle voldoende krachtige modellen, open én gesloten.

Ik vind dit een interessante positie. Het laat zien dat de discussie over open versus gesloten AI niet zwart-wit is. Voor ondernemers is het goed om te beseffen dat "open" niet automatisch "onveilig" betekent, en "gesloten" niet automatisch "veilig". Het gaat om de capaciteiten van een specifiek model en hoe het wordt ingezet.

Microsoft's eerste AI-model voor cybersecurity

Op 27 juli presenteerde Microsoft in San Francisco een nieuw model: MAI-Cyber-1-Flash. Het is specifiek getraind om kwetsbaarheden in software te vinden — iets waar normaal gesproken dure beveiligingsspecialisten voor nodig zijn.

Het model is een fijnafstelling van MAI-Code-1-Flash, heeft 137 miljard parameters (waarvan 5 miljard actief per berekening, opnieuw een MoE-architectuur) en kan tot 256.000 tokens context verwerken. Op CyberGym — een benchmark die meet hoe goed AI kwetsbaarheden vindt in grote codebases — scoort het 96%. Volgens Microsoft is dat beter dan modellen als Gemini en GPT, terwijl de kosten ruwweg de helft zijn van hun huidige productiesysteem.

Waarom dit voor ondernemers relevant is

Kun je je voorstellen wat dit betekent als je een webshop draait, of maatwerksoftware laat bouwen? Kwetsbaarheden in code zijn een van de grootste risico's voor datalekken. Tot nu toe was grondige codeanalyse vooral betaalbaar voor grote bedrijven. Een gespecialiseerd AI-model dat 90% van de taken afhandelt — en alleen de moeilijkste 10% doorschuift naar een groter model — maakt dit type beveiliging potentieel toegankelijker.

Microsoft integreert het model in MDASH, hun eigen systeem voor het opsporen en verhelpen van softwarekwetsbaarheden, en in een nieuw platform genaamd Perception, dat teams van AI-agents inzet voor beveiligingsworkflows. Het is vooralsnog een Microsoft-product, maar het signaal is duidelijk: AI-gedreven cybersecurity wordt een standaardonderdeel van de toolkit, niet een luxeproduct.

Wat deze drie ontwikkelingen samen zeggen

Als ik een stap terug doe, zie ik drie lijnen samenkomen. Open modellen worden krachtiger — Kimi K3 laat zien dat je niet meer per se afhankelijk bent van gesloten API's voor topkwaliteit. De spelregels rond die openheid zijn in beweging — Anthropic probeert een genuanceerde positie in te nemen in een debat dat snel polariseert. En gespecialiseerde AI-modellen zoals die van Microsoft laten zien dat AI steeds vaker wordt ingezet voor heel specifieke taken, niet alleen als een algemene chatbot.

Voor mij is dit vooral een signaal dat de keuzes voor ondernemers breder worden. Zelf hosten of via een API? Open of gesloten? Algemeen model of gespecialiseerd? Die vragen worden de komende maanden concreter — en het is handig om er nu alvast over na te denken, in plaats van te wachten tot een leverancier die keuze voor je maakt.