Kimi K3 brengt zelfgehoste onderwijs-AI dichterbij

Moonshot AI heeft Kimi K3 gepresenteerd, een zeer groot AI-model waarvan de gewichten op 27 juli openbaar moeten worden. Voor het onderwijs is vooral belangrijk dat zo'n open model qua kwaliteit dicht bij de beste gesloten modellen komt: hoogwaardige AI hoeft niet vanzelfsprekend via de cloud van één leverancier te lopen.

Open modellen bereiken de voorhoede

Kimi K3 telt 2,8 biljoen parameters, verwerkt tekst en beeld en heeft een contextvenster van één miljoen tokens. Het is een mixture-of-experts-model: per stap wordt slechts een deel van het totale netwerk geactiveerd. Dat maakt een model van deze omvang efficiënter, maar nog altijd bijzonder zwaar om zelf te draaien.

In de evaluaties van Moonshot komt Kimi K3 op verschillende programmeer- en agenttaken in de buurt van Fable 5 en GPT-5.6 Sol. Op enkele deelbenchmarks scoort het model zelfs hoger. Daarmee verdwijnt het oude, eenvoudige onderscheid tussen een sterke gesloten dienst en een duidelijk zwakker open alternatief.

Toch is “even goed” geen universeel oordeel. Moonshot schrijft zelf dat Kimi K3 over het geheel nog achter Fable 5 en GPT-5.6 Sol ligt. De resultaten zijn bovendien afkomstig van de maker, benchmarks gebruiken niet altijd dezelfde testopstelling en er zijn nog geen onafhankelijke metingen voor Nederlandstalig onderwijs. De zorgvuldige conclusie is daarom: open AI is doorgedrongen tot dezelfde kwaliteitsklasse, maar niet ieder model is op iedere taak gelijkwaardig.

Open-weight is nog niet hetzelfde als volledig open source

Op het moment van publicatie is Kimi K3 beschikbaar via de diensten en API van Moonshot. De volledige modelgewichten zijn aangekondigd voor 27 juli. De precieze licentie is nog niet gepubliceerd.

Daarom is open-weight voorlopig een betere term dan open source. Pas wanneer de gewichten en licentie daadwerkelijk beschikbaar zijn, kunnen organisaties vaststellen of het model commercieel en publiek mag worden ingezet, aangepast en gedeeld. Ook moet dan blijken welke software, documentatie en veiligheidsvoorzieningen nodig zijn om het zelfstandig te beheren.

Dat voorbehoud doet weinig af aan de richting: de kennis om een model van topniveau te gebruiken, verschuift van uitsluitend een commerciële API naar infrastructuur die een organisatie in beginsel zelf kan beheren.

Niet één server in de school

Zelf hosten betekent bij Kimi K3 niet dat een school een extra server in de mediatheek kan plaatsen. Moonshot adviseert configuraties met 64 of meer AI-versnellers. Daarbij komen opslag voor de modelgewichten, een snel intern netwerk, koeling, energie, beveiliging en een team dat het systeem dag en nacht kan beheren.

Voor één school of bestuur is dat waarschijnlijk niet haalbaar. Een samenwerkingsverband van schoolbesturen, een sectorale voorziening of een publieke infrastructuurpartner zou de kosten en expertise wel kunnen bundelen. Zo'n voorziening kan meerdere afgeschermde omgevingen aanbieden, terwijl scholen gezamenlijk zeggenschap houden over het model, de data en de gebruiksregels.

Dat vraagt om een andere rekensom dan alleen de prijs per prompt. Ook hardware, elektriciteit, updates, monitoring, beveiliging, beschikbaarheid en deskundig personeel tellen mee. Zelf hosten kan strategisch aantrekkelijk zijn, maar is niet automatisch goedkoper.

Meer grip op leerlinggegevens

Een zelfgehost model kan de privacy van leerlingen en studenten aanzienlijk beter beheersbaar maken. Prompts, werkstukken, feedback en interne documenten hoeven dan niet naar de omgeving van een commerciële AI-aanbieder. Een onderwijsconsortium kan zelf bepalen waar gegevens worden opgeslagen, wie toegang krijgt, hoe lang logbestanden blijven bestaan en of invoer ooit voor training wordt gebruikt.

Privacy is daarmee nog niet automatisch gewaarborgd. Volgens de Europese privacytoezichthouders moet ook bij AI per toepassing worden beoordeeld welke persoonsgegevens worden verwerkt, welke grondslag geldt en welke risico's ontstaan. De beheerder van een eigen model draagt juist méér directe verantwoordelijkheid.

Een verantwoorde gezamenlijke voorziening heeft daarom minimaal nodig:

• sterke toegangsbeveiliging en gescheiden omgevingen per instelling;
• versleuteling, dataminimalisatie en korte bewaartermijnen;
• duidelijke afspraken over logging, training en verwijdering;
• een DPIA en heldere rollen onder de AVG;
• controle op koppelingen met leerlingvolgsystemen en andere databronnen;
• doorlopende beveiligingsupdates, incidentrespons en onafhankelijke audits;
• onderwijsgerichte filters, evaluaties en menselijk toezicht.

Lokale hosting voorkomt bovendien niet dat een model onjuiste, bevooroordeelde of ongepaste antwoorden geeft. Moonshot waarschuwt zelf dat Kimi K3 soms te proactief handelt en onverwachte beslissingen kan nemen. Voor leerlinggerichte toepassingen moeten taken en rechten daarom strikt worden begrensd.

Wat scholen gezamenlijk zouden kunnen bouwen

Een gedeelde onderwijs-AI kan beginnen met relatief laag-risico toepassingen voor medewerkers: lesvoorbereiding, varianten van oefenmateriaal, eerste feedbacksuggesties, toegankelijkere versies van teksten en zoeken in goedgekeurde interne kennis. Scholen kunnen vervolgens gezamenlijk testen hoe het model presteert in het Nederlands, in verschillende vakken en voor verschillende leeftijdsgroepen.

De menselijke professional blijft verantwoordelijk. Een model hoort niet zelfstandig cijfers toe te kennen, leerlingen te profileren of besluiten over toelating en ondersteuning te nemen. Juist bij een eigen voorziening moeten scholen vooraf bepalen wat het systeem nooit mag doen.

Kimi K3 betekent dus niet dat iedere school morgen haar eigen ChatGPT kan installeren. Het laat wel zien dat kwaliteit en controle niet langer vanzelfsprekend als één pakket bij een gesloten clouddienst hoeven te worden gekocht. Wanneer scholen samenwerken, kan een krachtige, gedeelde AI-infrastructuur een realistisch instrument voor digitale autonomie worden — met meer grip op leerlinggegevens, maar alleen als privacy, veiligheid en professioneel beheer vanaf het ontwerp zijn geregeld.

Meer over de privacyvoorwaarden voor AI-modellen staat in het advies van het Europees Comité voor gegevensbescherming.