In een synthesetekst, aangepast van een toespraak voor gekozen vertegenwoordigers en medewerkers van het Amerikaanse Congres, schetst een onderzoeker die heeft meegewerkt aan de creatie van de Olmo-modellen van het Allen Institute for AI een stand van zaken van open-weight AI-modellen. Volgens hem zijn de Chinese laboratoria tegenwoordig de leaders, zowel in prestatie-ranglijsten als in gebruik.
Modellen met open gewicht maken hun parameters toegankelijk voor het publiek, dat ze kan onderzoeken of hergebruiken. Ze staan tegenover « gesloten » modellen, zoals GPT-4 of Claude Opus 4.5, die alleen via een API toegankelijk zijn, een interface waarmee het model op afstand kan worden bevraagd. Tot de open-weight modellen behoren Llama van Meta, Qwen van Alibaba, Gemma van Google en die van DeepSeek. De zogenaamde « open source » modellen gaan verder, omdat ze ook de code en trainingsdata publiceren. In dit verband noemt de tekst de Olmo-modellen van het Allen Institute for AI, Marin van OpenAthena en Pythia van EleutherAI.
Een Chinese voorsprong in downloads en ranglijsten
Volgens de auteur nam China in juli 2025 de leiding in downloads op Hugging Face, voornamelijk dankzij de Qwen-modellen. De voorsprong bedraagt ongeveer 1,6 miljard downloads, van een totaal van 3,2 miljard, wat twee keer het Amerikaanse totaal is. Op de Artificial Analysis Intelligence Index (AAII), per 14 september 2026, zijn de drie beste Chinese modellen GLM-5.3 (score 45), Kimi K3 (44) en GLM-5.3-Flash (42), van de uitgevers Z.ai en Moonshot AI. De beste Amerikaanse modellen, Inkling en Inkling Small van Thinking Machines, scoren 26, en Nemotron 3 Ultra van Nvidia 23. De tekst schat dat de Chinese modellen 2 tot 6 maanden voorlopen op hun Amerikaanse tegenhangers.
Het platform OpenRouter, dat het mogelijk maakt om van het ene naar het andere model over te schakelen, toont een vergelijkbare trend. Volgens de gegevens is het volume tokens dat door open modellen wordt verwerkt gestegen van ongeveer 1 T per week in september 2025 tot ongeveer 80 T nu, en het aandeel van Chinese modellen is gestegen van ongeveer 70% tot meer dan 80% van het gebruik.
In bedrijven steunen verschillende actoren op Chinese modellen: Harvey, gespecialiseerd in recht, Cursor in code, en ook DoorDash, dat Kimi-modellen gebruikt, Airbnb, dat Qwen gebruikt, en Perplexity, dat DeepSeek gebruikt. In het onderzoek analyseerde de auteur artikelen uit vijf grote categorieën van arXiv gewijd aan machine learning. Het aandeel publicaties waarin een open model wordt genoemd, steeg van 2% in januari 2023 tot 50% in september 2026. Qwen komt voor in ongeveer 30% van de artikelen, en Llama in ongeveer 21%.
Een kloof die kleiner wordt, volgens de auteur
De auteur schat distillatie, een techniek waarbij een model wordt getraind op de antwoorden van een krachtiger model, in op 1 tot 2 maanden voorsprong voor Chinese laboratoria. Hij meent ook dat volledige preventie, bijvoorbeeld met tools voor klantidentiteitsverificatie bij Anthropic en OpenAI, de kloof slechts met 1 tot 2 maanden zou vergroten. Hij benadrukt bovendien dat Chinese laboratoria nu meer trainingsdata kopen, met name reinforcement learning-omgevingen voor agenttaken.
De tekst bespreekt ook de risico’s, met name op het gebied van cyberveiligheid, zoals het incident met OpenAI en Hugging Face. Hij meldt dat Hugging Face een Chinees open-weight model gebruikte om een cyberaanval te analyseren, omdat gesloten modellen deze verzoeken weigerden. De auteur pleit ervoor dat de Verenigde Staten blijven investeren in open modellen om deze risico’s beter te kunnen inschatten en de afhankelijkheid van Amerikaanse bedrijven van in China ontwikkelde modellen te verminderen. Hij erkent echter dat er onbekenden zijn: er ontbreken gegevens over het gebruik buiten de VS en China, ook in de monitoring van Amerikaanse open modellen die hij in augustus 2025 lanceerde onder de naam American Truly Open Models (ATOM) Project.
