Meta, NVIDIA en Microsoft tonen op één dag nieuwe AI-modellen

Drie Amerikaanse techbedrijven kozen woensdag 15 oktober 2026 dezelfde dag voor een modelaankondiging. Meta zette de gewichten van Muse Spark Open online, NVIDIA bracht Nemotron 3.5 Super VL uit en Microsoft meldde dat de voortraining van MAI-Base-2 klaar is. Twee van de drie zijn open-weight. Amerikaanse labs proberen daarmee de voorsprong van Chinese open modellen zoals Kimi K3, GLM 5.3 en Qwen in te lopen.

Meta: 816 miljard parameters, te draaien op twee Mac Studio’s

Muse Spark Open is een mixture-of-experts-model met 816 miljard parameters, waarvan er 42 miljard per token actief zijn, schrijft Unite.AI op basis van de modelkaart van Meta. Het contextvenster is 1 miljoen tokens en het model accepteert tekst, beeld, video en audio. Meta noemt het “het krachtigste Amerikaanse open-weight model tot nu toe”. De gewichten staan op Hugging Face, Amazon SageMaker, Google Cloud en Microsoft Foundry.

Volgens Meta draait het model lokaal op twee gekoppelde Apple Mac Studio’s met M5 Ultra en elk 512 GB geheugen. In de gecomprimeerde versie is minstens 700 GB nodig, dus voor de meeste bedrijven blijft dit een cloudmodel. De licentie staat finetunen en distributie toe, maar AI-dienstverleners met meer dan 20 miljoen dollar omzet moeten een aparte overeenkomst met Meta sluiten.

Op de eigen benchmarks van Meta blijft het model achter bij de Chinese concurrentie. Op de Artificial Analysis Intelligence Index scoort Muse Spark Open 39 punten, tegenover 45 voor GLM 5.3 en 44 voor Kimi K3. Onafhankelijke metingen zijn er nog niet. Twee dagen eerder lanceerde Meta al het gesloten topmodel Muse Wonder, dat OpenAI en Anthropic moet bijbenen.

NVIDIA: agentmodel van 120 miljard plus twee kleine Bolt-varianten

NVIDIA mikt met Nemotron 3.5 Super VL op AI-agents die lang zelfstandig doorwerken. Het model telt 120 miljard parameters met 12 miljard actief, meldt NVIDIA op X, en verwerkt tekst, documenten en video. Volgens Wccftech is het getraind op meer dan 25 biljoen tokens en levert NVIDIA ook datasets en trainingsrecepten mee. NVIDIA claimt ongeveer vijf keer de snelheid van de dichtstbijzijnde concurrent, maar dat is een leverancierscijfer.

Interessanter voor de werkvloer zijn de kleine broertjes onder de naam Nemotron 3.5 Bolt. De variant 74B-A9B past door 2-bit-compressie in 24 GB geheugen en is bedoeld voor lokale agenttaken zoals webbrowsen en coderen, zonder cloud. De E4B-versie van 4 GB richt zich op spraakassistenten op GeForce RTX en Jetson. Dat sluit aan op een bredere verschuiving: open modellen doen inmiddels 56 procent van het AI-werk bij bedrijven.

Microsoft: 2,8 biljoen parameters, maar niet open

Microsoft AI maakte dezelfde dag bekend dat de voortraining van MAI-Base-2 is afgerond, schrijft Investing.com. Het model heeft 2,8 biljoen parameters, 80 miljard actief, en is in 38 dagen getraind op 16.000 NVIDIA GB200-chips. Microsoft stelt dat zijn trainingsrecept 4,2 tot 12,3 keer efficiënter is dan dat van DeepSeek-V4-Pro-Base, gemeten op vier eigen evaluaties.

Anders dan Meta en NVIDIA geeft Microsoft de gewichten niet vrij. Ze gaan onder licentie naar “vertrouwde partners” via Azure AI Foundry, zonder datum of prijs. De stap past in de koers om minder afhankelijk te worden van externe modelleveranciers, nadat Meta en Microsoft eerder al de rem zetten op intern gebruik van Claude.

Wat betekent dit

Voor Nederlandse bedrijven zit de praktische winst vooral in de kleine modellen. Een agentmodel dat in 24 GB past, draait op een stevige werkstation-gpu en houdt gevoelige data binnen de deur. De grote open modellen zijn eerder bouwstenen voor cloudaanbieders, zoals eerder bij Mistral Large 4. De cijfers van Meta laten ook zien dat “open” en “beste” niet samenvallen: Chinese modellen leiden nog op de meeste benchmarks, en de lage prijs van Gemini 4 Argon maakt gesloten modellen vaak goedkoper dan zelf hosten.

“Een model met 816 miljard parameters klinkt groot op een slide, maar de vraag voor een mkb-bedrijf is of een medewerker er morgen een betere offerte mee schrijft. Begin bij de taak, niet bij het model.”

Leon Tindemans, AI-expert en Copilot- & ChatGPT-trainer, verzorgt onder meer een ChatGPT-training bij TTM Communicatie.