Na DeepSeek nu Kimi K2: China doet het weer
PLUS: McKinseys paradox van AI-adoptie, de 10 concrete werkwijzen waarmee 6% van bedrijven succes boekt met AI, en slimme ringen die je notities vastleggen
De AI-wereld ontwikkelt zich razendsnel, en AI Report houdt je op de hoogte. Twee keer per week de nieuwste ontwikkelingen, tools en inzichten via onze nieuwsbrief en podcast.
🗞️ Het belangrijkste nieuws
Chinees AI-lab lanceert open model dat ChatGPT inhaalt
Moonshot AI lanceert Kimi K2 Thinking: een open model dat het dichtst ooit is gekomen bij de prestaties van betaalde topmodellen als GPT-5 en Claude Sonnet 4.5. Het bijzondere? Dit monster van 1 biljoen parameters is voor iedereen beschikbaar.
Wat is er aan de hand?
Het Chinese AI-lab Moonshot AI komt met Kimi K2 Thinking, een open model dat Anthropics Claude en OpenAI’s ChatGPT naar de kroon steekt op belangrijke benchmarks. Het model haalt 44,9 procent op Humanity’s Last Exam (een test die zelfs experts lastig vinden) en 60,2 procent op BrowseComp (waarbij AI zelfstandig het web doorzoekt) – scores die hoger liggen dan sommige betaalde alternatieven.
Voor wie niet dagelijks met AI bezig is: benchmarks zijn gestandaardiseerde tests waarmee je AI-modellen met elkaar kunt vergelijken. Humanity’s Last Exam test bijvoorbeeld hoe goed een model complexe problemen kan oplossen die menselijke expertise vereisen. BrowseComp kijkt naar hoe goed AI zelfstandig informatie kan vinden en verwerken.
Nathan Lambert, AI-onderzoeker, noemt het “een fantastische release van een snel opkomend Chinees lab”. Hij ziet het als het bewijs dat open modellen eindelijk aansluiting vinden bij closed modellen – vergelijkbaar met hoe DeepSeek R1 eerder dit jaar dicht bij OpenAI’s o1 kwam. Benieuwd geworden? Hier kun je ‘m gratis uitproberen.
Een biljoen parameters? Leg eens uit
Kimi K2 Thinking heeft 1 biljoen parameters in totaal, maar gebruikt er per vraag maar 32 miljard. Dat klinkt ingewikkeld, dus laten we het vertalen: parameters zijn in feite de ‘kennis’ die een AI-model heeft opgeslagen tijdens het leren. Hoe meer parameters, hoe genuanceerder een model kan redeneren – maar ook hoe meer rekenkracht je nodig hebt.
Het slimme aan Kimi K2 is dat het net als DeepSeek R1 werkt als een Mixture-of-Experts (MoE): een architectuur waarbij niet alle kennis tegelijk wordt ingezet, maar alleen de meest relevante expertise voor een specifieke taak. Daardoor blijft het model efficiënt ondanks die enorme omvang.
Nog slimmer: Moonshot AI heeft het model getraind met zogenoemde INT4-precisie. Normaal gesproken gebruiken AI-modellen FP8 of FP16 (verschillende manieren om getallen op te slaan), maar INT4 is veel compacter. Het resultaat? Het model is ‘maar’ 594 gigabyte groot in plaats van ruim 1 terabyte, en draait twee keer zo snel. Alle benchmarkresultaten zijn behaald onder deze efficiënte INT4-precisie – wat betekent dat de scores eerlijk zijn en overeenkomen met hoe het model daadwerkelijk gebruikt wordt.
Wat kunnen de Chinese labs dat Amerikaanse niet kunnen?
Lambert wijst op een opvallend patroon: Chinese labs brengen hun modellen razendsnel uit. Waar Anthropic soms maanden neemt (OpenAI is vaak iets sneller) om een model openbaar te maken, gooit Moonshot AI het resultaat meteen de wereld in. En dat loont: in een vakgebied waar vooruitgang per maand wordt gemeten, maakt snelheid je model automatisch relevanter.
“Het is triest, maar waar,” schrijft Lambert. “Als je me zou dwingen een cijfer te noemen, zou ik zeggen dat Amerikaanse closed modellen nog 4 tot 6 maanden voorlopen qua prestaties. Maar die modellen zijn niet publiekelijk beschikbaar – dus doen ze er eigenlijk toe?”
Het is een interessante vraag. Wat heb je liever: een model dat op papier iets beter is maar dat je niet kunt gebruiken, of een open model dat net iets minder goed is maar wel direct beschikbaar?
De kunst van honderden tool calls
Een van de opvallendste functies van Kimi K2 Thinking is het vermogen om 200 tot 300 opeenvolgende tool calls uit te voeren zonder menselijke tussenkomst. Simpel gezegd: het model kan zelfstandig tientallen verschillende acties uitvoeren – van informatie opzoeken en code schrijven tot het analyseren van data – zonder dat jij erbij hoeft te zijn.
Deze vaardigheid, gecombineerd met het zogenoemde interleaved thinking (waarbij het model tussen tool calls door hardop ‘nadenkt’), maakt het bijzonder geschikt voor complexe taken. Denk aan een uitgebreid onderzoeksrapport schrijven waarbij het model automatisch bronnen checkt, gegevens controleert en conclusies trekt.
Artificial Analysis, een onafhankelijk testplatform, meldt dat Kimi K2 Thinking 93 procent haalt op de Tau2 Bench Telecom – een benchmark waarbij het model als klantenservicemedewerker moet optreden. Dat is de hoogste score die het heeft gemeten.
Waarom dit belangrijk is
De opkomst van Chinese AI-labs als Moonshot AI, DeepSeek en Qwen verandert het speelveld fundamenteel. Aan het begin van dit jaar kende vrijwel niemand buiten de AI-wereld deze namen. Nu behoren ze tot de koplopers.
Voor Amerikaanse labs betekent dit prijsdruk en verwachtingsmanagement. Ze kunnen niet langer alleen wijzen naar benchmarkscores om hogere prijzen te rechtvaardigen. Ze moeten uitleggen waarom hun diensten beter zijn – en dat verhaal moet dieper gaan dan “we scoren hoger op test X”.
Lambert vat het treffend samen: “Deze Chinese modellen gaan een groter deel van de groeiende AI-taart opeisen. Dat wordt niet de meerderheid in omzet, maar het kan wel de meerderheid zijn in aandacht – vooral op internationale markten.”
Voor ons als gebruikers betekent het vooral één ding: meer keuze, snellere vooruitgang en lagere kosten. En dat is, ondanks alle kanttekeningen, vooral goed nieuws.
⚡ AI Pulse
Amazon maakt werk onafhankelijke auteurs met één klik mondiaal beschikbaar Kindle Direct Publishing krijgt een AI-vertaalfunctie die je ebook automatisch in andere talen omzet. De bètatool kan voorlopig vertalen tussen Engels en Spaans, en van Duits naar Engels – zonder extra kosten voor auteurs. Je kunt zelf de verkoopprijs per taal instellen en het resultaat bekijken voordat je publiceert. Amazon checkt de vertalingen automatisch op nauwkeurigheid en zet er het label Kindle Translate op. Momenteel is minder dan 5 procent van de titels op Amazon beschikbaar in meerdere talen – een percentage dat Amazon graag wil verhogen.
Oud-werknemers Meta lanceren slimme ring die je gedachten vastlegt Twee voormalige medewerkers van Meta komen met Stream: een ring die je op je wijsvinger draagt en waarmee je fluisterend notities kunt maken zonder je telefoon te pakken. Druk op het touchpad en de ingebouwde microfoon luistert mee – discreet genoeg om in het openbaar te gebruiken zonder dat mensen je horen praten tegen je AI-assistent. De ring kan ook je muziekspeler bedienen en werkt samen met een iOS-app die je gedachten organiseert. Voorbestellen kost 249 (zilver) of 299 dollar (goud), verzending start volgende zomer. Het bedrijf heeft 13 miljoen dollar opgehaald van investeerders, maar zal moeten bewijzen dat een ring beter is dan de vele gefaalde AI-wearables die de markt al hebben geprobeerd te veroveren.
Hoe agentic AI ook de bestaansreden van je organisatie kan veranderen
Agentic AI verandert niet alleen de processen en functies binnen je organisatie. Het kan ook invloed hebben op de manier waarop je je bedrijfsdoel definieert, waarde creëert en zorgt dat je relevant blijft. Dat betekent wel een heroverweging van je bedrijfsmodel, de structuur van je personeelsbestand en je bestaansreden.
Prompt Whisperer
Het McKinsey-rapport ‘State of AI in 2025’: waarom 90% van bedrijven AI gebruikt, maar slechts 6% er echt van profiteert
Wij doken in het 30 pagina’s tellende rapport. Dit zijn de 10 belangrijkste lessen voor Nederlandse professionals.
Iedereen gebruikt AI. Bijna niemand haalt er al écht waarde uit.
Dat is de paradox die uit McKinseys State of AI 2025 rapport naar voren komt. Van de bijna 2000 ondervraagde leidinggevenden in 105 landen zegt 88 procent dat hun organisatie AI gebruikt in minstens één bedrijfsonderdeel. Dat is een forse stijging ten opzichte van de 78 procent van vorig jaar. Je zou denken: mooi, AI is overal.
Maar dan komen de ongemakkelijke cijfers: slechts 33 procent heeft AI daadwerkelijk door de hele organisatie heen uitgerold. En nog schrijnender: slechts 39 procent ziet positieve impact op de bedrijfswinst. De meeste organisaties zitten gevangen in eindeloos experimenteren, maar komen nooit tot doorpakken.
Er is echter een kleine groep die het wél voor elkaar krijgt. Ongeveer 6 procent van de ondervraagden – de zogenaamde AI-koplopers – ziet meer dan 5 procent van hun bedrijfswinst direct toerekenbaar aan AI-gebruik. Deze bedrijven rapporteren niet alleen financiële impact, maar ook flinke vooruitgang in innovatie, klanttevredenheid en concurrentievoordeel.
De vraag is natuurlijk: wat doen die 6 procent anders dan de rest?
McKinsey heeft het antwoord. En het is niet wat je denkt. Het gaat niet om de nieuwste tools, de meeste data of het grootste AI-budget. Het draait om drie fundamentele dingen:
Ten eerste denken ze groter. Koplopers zien AI niet als een hulpmiddel om efficiënter te werken, maar als een manier om hun bedrijf fundamenteel anders in te richten. Ze zijn 3,6 keer vaker bezig met het hertekenen van hun bedrijfsmodel dan met het automatiseren van bestaande processen.
Ten tweede herontwerpen ze workflows. Waar de meeste bedrijven AI in bestaande processen proppen, bouwen koplopers hun werkwijzen opnieuw op – met AI als uitgangspunt. Ze zijn 2,8 keer vaker bezig met het fundamenteel anders organiseren van het werk.
Ten derde hebben ze betrokken leidinggevenden. Hun directie en topmanagement gebruiken AI niet alleen voor de show, maar werken er zelf dagelijks mee. Ze zijn 3 keer vaker bezig met actief eigenaarschap en het goede voorbeeld geven.
We spendeerden uren aan het doorspitten van dit 30 pagina’s tellende rapport, compleet met statistieken, grafieken en analyses. Waarom? Omdat de inzichten erin bepalen wie de komende jaren vooroploopt met AI. Of je nu werkt bij een start-up of een groot bedrijf, voor een techbedrijf of een retailer – deze lessen zijn direct toepasbaar.
Hieronder vind je de 10 belangrijkste werkwijzen van AI-koplopers, vertaald naar concrete acties die je morgen al kunt implementeren.
Van testjes naar winst: waarom de meesten vastlopen
De cijfers liegen er niet om. AI-gebruik is explosief gegroeid: 88 procent gebruikt het ergens, de helft in drie of meer onderdelen. Kennisbeheer, marketing, verkoop en IT zijn de populairste toepassingen.
Maar slechts 33 procent rolt het daadwerkelijk breed uit. De rest zit vast in experimenten. En dan is er nog de hype rond AI-agents – systemen die zelfstandig kunnen plannen en handelen. 62 procent experimenteert ermee, maar slechts 23 procent werkt ermee op grote schaal. Per bedrijfsonderdeel ligt dat percentage zelfs onder de 10 procent.
De kloof tussen ‘we gebruiken AI’ en ‘AI levert waarde’ is waar de volgende generatie succesvolle bedrijven gebouwd wordt.
Waarom koplopers winnen: denken verslaat budget
Koplopers doen fundamenteel andere dingen. Het begint met ambitie: 80 procent van alle organisaties richt zich op efficiëntie, maar koplopers combineren dat met groei (82 procent) en innovatie (79 procent). Bij anderen ligt dat op 50 procent.
Dit verschil vertaalt zich naar concrete keuzes. Koplopers zijn 2,8 keer vaker bezig met het fundamenteel herontwerpen van werkprocessen. Voorbeeld: waar anderen AI inzetten om tekstschrijvers te helpen, laten koplopers AI de eerste versie schrijven en focussen mensen zich op strategie en merkpositionering. Niet helpen – fundamenteel andere rollen.
Ook de directie maakt het verschil. Koplopers zijn 3 keer vaker bezig met sterke betrokkenheid van leidinggevenden die AI zelf gebruiken, niet alleen aanprijzen. En ze investeren navenant: meer dan een derde besteedt meer dan 20 procent van hun digitale budget aan AI, versus 7 procent bij anderen.
Opvallend: koplopers melden meer problemen en incidenten met AI. Waarom? Ze zijn ambitieuzer en gebruiken AI voor belangrijkere processen. Maar ze pakken die problemen ook actiever aan met procedures, kaders en toezicht.
Keep reading with a 7-day free trial
Subscribe to AI Report to keep reading this post and get 7 days of free access to the full post archives.