Qwen3.8-Max zet open AI op de onderwijsagenda

Qwen heeft Qwen3.8-Max aangekondigd als zijn krachtigste model tot nu toe. Het model telt volgens Qwen 2,4 biljoen parameters en is gericht op programmeren, onderzoek, kantoorwerk en taken die meerdere dagen kunnen duren. Belangrijker voor het onderwijs is de belofte die eraan gekoppeld is: voor het eerst wil Qwen de gewichten van een model uit de Max-serie vrijgeven.

Dat maakt Qwen3.8-Max meer dan een nieuwe chatbot. Het is een signaal dat zeer krachtige AI niet alleen via de cloud van één leverancier beschikbaar hoeft te zijn. Tegelijk is de aankondiging nog geen bewijs dat scholen morgen een volledig open model kunnen downloaden en zelf beheren.

Eerst de feiten, dan de belofte

De officiële Qwen-aankondiging beschrijft Qwen3.8-Max als een model voor complexe, langlopende opdrachten. Qwen laat onder meer voorbeelden zien van autonoom programmeren, het reproduceren en verbeteren van onderzoek en het zelfstandig uitwerken van een wedstrijdoplossing. Dat zijn interessante demonstraties, maar het blijven voorbeelden en evaluaties van de maker zelf. Onafhankelijke metingen voor Nederlandstalige onderwijsopdrachten zijn er nog niet.

Via QwenCloud is het model volgens de actuele documentatie al aan te roepen. Daar wordt een contextvenster van één miljoen tokens genoemd, naast denkmodus, function calling, ingebouwde tools en gestructureerde uitvoer. Voor onderwijsprofessionals kan dat aantrekkelijk zijn bij grote documenten, curriculumvergelijkingen, feedbackrubrics of het voorbereiden van meerdere lesvarianten.

De praktische waarschuwing is minstens zo belangrijk: Qwen3.8-Max is een algemeen model, geen onderwijsassistent die automatisch geschikt is voor leerlinggegevens, beoordeling of begeleiding. Een groot contextvenster maakt het eenvoudiger om veel informatie tegelijk te verwerken, maar voorkomt geen hallucinaties, stereotiepe antwoorden of verkeerde conclusies.

Wat betekent “open source” hier?

Qwen schrijft dat de open gewichten volgende week worden vrijgegeven. Op het moment van deze publicatie zijn die gewichten dus nog niet beschikbaar. Bovendien is open source in AI breder dan alleen een downloadknop.

Voor echte openheid moeten onderwijsorganisaties ten minste kunnen beoordelen:

• welke modelgewichten beschikbaar zijn;
• welke licentie gebruik, aanpassing en delen toestaat;
• welke code, documentatie en veiligheidsinstellingen nodig zijn;
• hoe het model is getraind en welke informatie over de trainingsdata beschikbaar is;
• hoe updates, kwetsbaarheden, misbruik en verwijderverzoeken worden afgehandeld.

De Open Source Initiative koppelt open-source AI daarom niet alleen aan parameters, maar ook aan code en informatie over de trainingsdata. Als alleen gewichten verschijnen, is open-weight een nauwkeuriger term dan volledig open source. Dat verschil is voor scholen geen semantische discussie: de licentie bepaalt of een bestuur het model mag aanpassen, delen of commercieel gebruiken, terwijl de documentatie bepaalt of risico’s werkelijk te onderzoeken zijn.

De rol van open AI in het onderwijs

Open AI kan vier strategische functies krijgen voor PO, VO, MBO, HBO en WO.

1. Meer zeggenschap over gegevens

Een open model kan in beginsel binnen een eigen of publieke onderwijsinfrastructuur draaien. Prompts, werkstukken, feedback en interne documenten hoeven dan niet automatisch naar de cloud van een commerciële aanbieder. Dat kan helpen bij privacy, gegevensminimalisatie en afspraken over bewaartermijnen.

Maar zelf hosten maakt een toepassing niet vanzelf AVG-proof. De school of instelling blijft verantwoordelijk voor toegangsbeheer, logging, beveiligingsupdates, dataminimalisatie, een passende grondslag en menselijk toezicht. Bij leerlinggegevens is een lokale server dus geen vervanging voor een DPIA en duidelijke werkafspraken.

2. Digitale autonomie en keuzevrijheid

Als sterke modellen onder bruikbare voorwaarden beschikbaar komen, kunnen onderwijsinstellingen minder afhankelijk worden van één leverancier, prijsmodel of interface. Een consortium van schoolbesturen, een publieke cloud of een sectorale voorziening zou bijvoorbeeld een afgeschermde Nederlandstalige assistent kunnen aanbieden voor lesvoorbereiding, toegankelijk maken van teksten en eerste feedbacksuggesties.

Dat vraagt wel om gezamenlijke expertise. Een model van deze omvang zelf draaien betekent investeren in versnelde hardware, opslag, energie, koeling, monitoring en beveiliging. Voor de meeste scholen is dat niet realistisch op instellingsniveau. Open gewichten maken een model mogelijkerwijs controleerbaar, maar niet automatisch goedkoop.

3. Onderzoek, aanpassing en AI-geletterdheid

Onderzoekers en ontwikkelaars kunnen een open model testen op Nederlandse taal, vakdidactiek, toegankelijkheid en bias. Ze kunnen onderzoeken welke kleinere variant voldoende is voor een specifieke taak en welke veiligheidsmaatregelen werken. Studenten kunnen bovendien leren hoe een model wordt geëvalueerd, aangepast en begrensd — in plaats van AI alleen als gesloten consumentenproduct te gebruiken.

Daarbij hoort ook kritisch lezen. De benchmarks bij Qwen3.8-Max zijn door Qwen geselecteerd en uitgevoerd; hoge scores op programmeer- of agenttaken zeggen niet automatisch iets over uitleg aan een leerling, feedback op een beroepsproduct of betrouwbare beoordeling van een scriptie.

4. Een publiek gesprek over onderwijs-AI

Open AI maakt zichtbaar dat onderwijs niet alleen hoeft te kiezen tussen “geen AI” en een kant-en-klare commerciële dienst. Instellingen kunnen zelf bepalen welke taken een model wel en niet mag uitvoeren. Dat ondersteunt een gesprek over professionele autonomie, toetsing en de vraag welke beslissingen altijd bij een docent blijven.

Kansen én risico’s voor de praktijk

De kansen liggen vooral bij laag-risico ondersteuning: varianten van oefenmateriaal maken, teksten vereenvoudigen, bronnen ordenen, feedbackvragen formuleren en docenten helpen om differentiatie voor te bereiden. In het MBO kan een instelling experimenteren met sectorspecifieke taal; in het HBO en WO met onderzoeksassistentie en transparante literatuurverkenning; in PO en VO met leesbaarheid en formatieve oefening.

De risico’s zijn echter niet kleiner omdat de code of gewichten openbaar zijn:

• een lokaal model kan nog steeds onjuiste, bevooroordeelde of schadelijke antwoorden geven;
• open installatie kan beveiligingsrisico’s en misbruik vergroten;
• grote modellen kunnen de energiekosten en hardwarekloof tussen instellingen versterken;
• een onduidelijke licentie of onbekende trainingsdata kan hergebruik beperken;
• studenten kunnen dezelfde gesloten black-box-uitkomsten krijgen, maar nu zonder professionele ondersteuning;
• een model met tools of function calling kan handelingen uitvoeren die verder gaan dan tekst genereren.

Daarom is de verstandigste onderwijsreactie op Qwen3.8-Max niet meteen uitrollen, maar voorbereiden: volg de aangekondigde gewichten, licentie en modeldocumentatie; test onafhankelijke Nederlandstalige onderwijsbenchmarks; begin met niet-persoonsgebonden data; en leg vooraf vast welke beslissingen nooit door het model worden genomen.

Qwen3.8-Max laat vooral zien waarom open AI belangrijk wordt. Open modellen kunnen onderwijs meer keuzevrijheid, onderzoeksmogelijkheden en zeggenschap over data geven. Hun waarde ontstaat pas echt wanneer “open” ook betekent: begrijpelijk gelicentieerd, toetsbaar, veilig te beheren en bruikbaar binnen de publieke waarden van het onderwijs.

Lees de officiële aankondiging van Qwen3.8-Max en de QwenCloud-documentatie over het model.