Definitie
AI-modellen waarvan de gewichten openbaar zijn gemaakt en lokaal gedraaid kunnen worden. Voorbeelden zijn Llama, Mistral en DeepSeek. Niet hetzelfde als volledige open source, omdat trainingsdata en code vaak gesloten blijven.
In context
Open weights modellen zijn AI-modellen waarvan de getrainde parameters publiekelijk beschikbaar zijn, zodat iedereen het model kan downloaden, draaien en aanpassen. De term werd populair om een onderscheid te maken met "open source" in volledige zin, omdat veel modellen wel hun gewichten vrijgeven maar de trainingscode of trainingsdata gesloten houden.
De belangrijkste families anno 2026 zijn Llama van Meta, Mistral, Qwen van Alibaba, DeepSeek en Falcon. Deze modellen kun je via Hugging Face downloaden, lokaal draaien met tools als Ollama of LM Studio, en finetunen voor je eigen toepassingen. Voor bedrijven die om strategische of compliance-redenen geen data naar een externe API kunnen sturen, zijn open weights modellen vaak de enige optie.
Het politieke en economische gewicht van open weights is sinds 2024 sterk toegenomen. Meta investeert miljarden in Llama als open project, deels uit overtuiging dat een open ecosysteem de eigen positie versterkt. De Chinese DeepSeek schokte in januari 2025 de markt door met een sterk open weights reasoning model dat aanzienlijk goedkoper getraind was dan de Amerikaanse tegenhangers. Het debat over of het verantwoord is om de allergrootste modellen openbaar te maken, blijft levendig.
Veelgestelde vragen
Wat is het verschil tussen open weights en open source?
Open weights betekent dat alleen de getrainde gewichten van het model beschikbaar zijn. Volledig open source AI zou ook de trainingsdata, de trainingscode en de configuratie omvatten, zodat anderen het model van scratch kunnen reproduceren. In de praktijk doen de meeste 'open' modellen dat tweede niet, vandaar het aparte begrip.
Welke open weights modellen zijn er?
Llama 3 en 4 van Meta, Mistral en Mixtral, Qwen 2.5 en Qwen3 van Alibaba, DeepSeek V3 en R1, Falcon, Gemma van Google en Phi van Microsoft. De lijst groeit snel. Voor specifieke domeinen (code, beeld, audio) zijn er bovendien gespecialiseerde open weights varianten.
Kan ik een open weights model lokaal draaien?
Ja, mits je hardware voldoende is. De kleinste modellen (7 miljard parameters of minder) draaien op een moderne laptop. De middelgrote (30 tot 70 miljard) vragen een goede GPU of een Mac met veel unified memory. De grootste (over 100 miljard) zijn voor desktops met meerdere GPUs of voor serverhardware.
Mag je open weights modellen commercieel gebruiken?
Meestal wel, maar lees de licentie. Llama heeft een eigen licentie die boven een bepaald aantal gebruikers vraagt om aparte toestemming van Meta. Mistral en DeepSeek hanteren ruimere licenties zoals Apache 2.0. De licentie staat los van de juridische status van trainingsdata, waar nog veel onzekerheid over bestaat.