TL;DR
- Wat: Open-source AI-modellen groeien op Vercel van 28% naar 62% van alle verwerkte tokens in twee maanden tijd.
- Waarom relevant: goedkopere AI-modellen worden snel beter — dat verandert de kostenafweging voor elk bedrijf dat AI inzet.
- Wat je ermee kunt: bekijk of je huidige AI-leverancier nog de juiste prijs-kwaliteitverhouding biedt, of dat een open-source alternatief volstaat voor jouw toepassing.
Ik stuitte op een tweet van investeerder Gavin Baker die een grafiek deelde van Guillermo Rauch, de CEO van Vercel. Die grafiek laat iets zien dat ik opmerkelijk vind: op 22 augustus bereikte het aandeel open-source tokens op het Vercel-platform een recorddag van 62%. Twee maanden eerder was dat nog 28%. Ik wilde begrijpen wat hier precies aan de hand is — en wat het betekent als je als ondernemer AI-kosten in de gaten houdt.
Wat de cijfers laten zien
Vercel is een platform dat veel softwareontwikkelaars gebruiken om applicaties te bouwen en te draaien. Ze bieden een zogeheten AI Gateway aan — een soort schakelstation waardoor AI-verzoeken van apps naar verschillende modellen worden gestuurd. Dat geeft Vercel een uniek uitzicht op welke modellen ontwikkelaars daadwerkelijk inzetten.
De verschuiving is snel gegaan:
- April 2026: open-source modellen hadden 11% van het tokenverkeer
- Juni 2026: dat was gestegen naar circa 29%
- 22 augustus 2026: een recorddag van 62%
Wat mij hier opvalt, is de opmerking van Baker dat het totale gebruik van OpenAI en Anthropic in juli ook nog eens groeide. Open-source modellen groeiden dus niet ten koste van de gevestigde partijen — ze groeiden er bovenop. De totale taart wordt groter, en open source pakt het grootste stuk van die groei.
Waarom open source zo hard groeit
Er zijn een paar drijfveren die ik uit de data kan halen.
Prijs
Volgens het Vercel-rapport van juli verwerkten open-source modellen in juni bijna een derde van alle tokens voor slechts 4% van de totale uitgaven. Dat is een enorm verschil. Modellen als DeepSeek zijn 60 tot 90% goedkoper per token dan vergelijkbare modellen van Anthropic of OpenAI. Voor taken waar je veel tokens doorheen jaagt — denk aan het samenvatten van grote hoeveelheden tekst of het verwerken van klantvragen — maakt dat een reëel verschil op je factuur.
Kwaliteit
Open-source modellen zijn in 2026 niet meer "bijna zo goed". Op specifieke taken presteren ze beter. DeepSeek V4 scoort volgens meerdere benchmarks op 7 van de 12 standaardtests gelijk aan of beter dan GPT-4o. Qwen 2.5-Max overtreft gesloten modellen op wiskundig redeneren. Llama 4 Maverick ondersteunt 128 talen op een niveau dat met de beste gesloten meertalige modellen kan wedijveren.
Ik vind het eerlijk gezegd indrukwekkend hoe snel die kloof is gedicht. Een jaar geleden was "open source" in AI-land nog synoniem met "goed genoeg voor hobbyprojecten". Die tijd lijkt voorbij.
Controle en privacy
Open-source modellen kun je op je eigen infrastructuur draaien. Dat betekent dat je data niet naar een externe API hoeft te sturen. Voor bedrijven die werken met gevoelige klantgegevens of die onder de EU AI Act vallen, is dat een relevant voordeel.
Maar: het geld gaat nog steeds naar de grote labs
Hier zit een nuance die ik belangrijk vind. Hoewel open source 62% van de tokens pakt, gaat het overgrote deel van de uitgaven nog naar gesloten modellen. In juni nam Anthropic alleen al 61% van alle gateway-uitgaven voor zijn rekening, op 32% van de tokens. De top vier van Amerikaanse frontier-labs nam samen 95% van de uitgaven.
Wat betekent dat? Dat bedrijven open-source modellen inzetten voor het volume — de vele, relatief eenvoudige taken — maar voor de lastigste, meest kritische toepassingen nog steeds betalen voor Anthropic of OpenAI. Anthropic haalt volgens het Vercel-rapport 72% of meer van de uitgaven in elke high-stakes use case.
Ik denk dat dit patroon herkenbaar is: je betaalt premium voor wat echt telt, en je zoekt de goedkoopste optie voor de rest. Vergelijk het met een restaurantkeuken die voor dagelijkse sauzen huismerkproducten gebruikt, maar voor het signatuurgerecht naar de gespecialiseerde leverancier grijpt.
Wat betekent dit voor een Nederlands bedrijf?
Stel dat je als MKB-ondernemer AI inzet voor klantenservice, interne kennisbanken, of het verwerken van documenten. Dan is de praktische vraag: moet je per se bij OpenAI of Anthropic zitten, of kun je met een open-source model toe?
De cijfers suggereren dat voor veel standaardtoepassingen het antwoord verschuift richting open source. Maar er zit een addertje onder het gras: je hebt technische kennis nodig om open-source modellen te draaien en te onderhouden. Voor bedrijven zonder eigen technisch team melden Nederlandse bronnen dat managed hosting-oplossingen tussen de €500 en €2.000 per maand kosten — een middenweg tussen zelf draaien en een kant-en-klare API.
Daarnaast zijn er in Nederland acht Europese Digital Innovation Hubs (EDIHs) die gratis of gesubsidieerd AI-assessments en test-trajecten aanbieden. Ik vind het opvallend hoe weinig ondernemers die ik tegenkom daar van op de hoogte zijn.
De kernvraag is volgens mij niet "open source of niet", maar: voor welke taken betaal je nu premium terwijl een goedkoper model hetzelfde resultaat levert? Die inventarisatie kan concreet geld besparen.
De kanttekening: één platform is niet de hele markt
Ik wil wel benadrukken dat Vercel-data een specifiek segment vertegenwoordigt: voornamelijk ontwikkelaars die webapplicaties bouwen. Dat is niet representatief voor alle AI-gebruik wereldwijd. De trend is niettemin opvallend, en Baker — die als investeerder bij Atreides Management de AI-markt nauwlettend volgt — noemt het "super impressive".
Guillermo Rauch zelf plaatst de kanttekening dat enterprise-adoptie nog vroeg is, wat zou betekenen dat er nog ruimte is voor verdere verschuiving.
Tot slot
Voor mij is dit vooral een signaal dat de AI-markt in een fase zit waarin prijsconcurrentie écht begint te bijten. Open source groeit niet meer alleen in populariteit bij ontwikkelaars — het groeit in productiegebruik, bij echte applicaties die echte tokens verwerken. Tegelijkertijd laten de uitgavencijfers zien dat kwaliteit en betrouwbaarheid nog steeds een premiumprijs rechtvaardigen voor de moeilijkste taken. Die tweedeling — commodity voor volume, premium voor complexiteit — is wat mij betreft het patroon om in de gaten te houden als ondernemer.
80% van de AI-projecten haalt productie nooit.
Ik bouw de 20% — van prototype naar draaiend systeem, binnen weken.