Frontier model

Wat is een frontier model?

Een frontier model is een van de paar AI-modellen die op dit moment meer kunnen dan al de rest op de markt. Het woord frontier (de grens van wat kan) zegt iets over een positie, niet over een eigenschap: het beschrijft waar een model staat tegenover de andere modellen op een bepaald moment, en die positie houdt geen stand.

De term raakte ingeburgerd in 2023, toen Anthropic, Google, Microsoft en OpenAI het Frontier Model Forum oprichtten. Zij omschreven frontier models als grootschalige modellen die de mogelijkheden van de meest geavanceerde bestaande modellen overtreffen en een brede waaier aan taken aankunnen. Hun eigen definitie voegt eraan toe dat die groep verschuift naarmate het vakgebied vooruitgaat. Een frontier model is een model voor algemene doeleinden, dus het is ook een foundation model en, in de woorden van de AI Act, een GPAI-model. Het enige wat het onderscheidt, is dat het vandaag bovenaan staat.

In de praktijk is de frontier een korte lijst. In 2026 gaat het om de topmodellen van een paar Amerikaanse labs, met Chinese modellen zo dicht erachter dat de Stanford AI Index de voorsprong in maart 2026 op minder dan drie procent mat. Bijna allemaal zijn ze gesloten: je gebruikt ze via een API of een gehost product, en de gewichten kan je niet downloaden.

Wie bouwt frontier models, en wat kost dat?

Een frontier model trainen is zo duur dat maar een paar organisaties het doen. Epoch AI, een onderzoeksgroep die rekenkracht en kosten in AI opvolgt, schatte in 2024 dat de hardware- en energiekost van de laatste trainingsronde van frontier models sinds 2016 elk jaar met ongeveer een factor 2,4 gestegen was, en verwachtte dat de grootste trainingsruns tegen 2027 meer dan een miljard dollar zouden kosten. De Europese Commissie sprak in haar uitleg bij de drempel van de AI Act voor de grootste modellen van tientallen miljoenen euro om op dat niveau te trainen, en merkte op dat zulke modellen van een handvol bedrijven komen. De AI Index 2026 telt meer dan negentig procent van de noemenswaardige modellen uit 2025 bij de industrie; universiteiten en publieke labs delen de rest.

Daarom is frontier ook een verkorte naam voor een kleine groep labs. Het Frontier Model Forum telt intussen Amazon, Anthropic, Google, Meta, Microsoft en OpenAI als leden, en de lidmaatschapsvoorwaarden vragen letterlijk de middelen om frontier models op schaal te ontwikkelen of uit te rollen.

Waarom het label opschuift

De frontier van vorig jaar is de middenklasse van dit jaar. Elk lab brengt zijn topmodel uit, en een paar maanden later een goedkoper en sneller model dat het grootste deel van wat het topmodel kon evengoed doet, soms via distillatie van het grote model. Het model waar je in 2025 het hoogste tarief voor betaalde, is nu de standaard- of budgetoptie in de prijslijst van dezelfde leverancier.

Open-weight modellen volgen dezelfde curve met vertraging. Epoch AI mat in mei 2026 dat de beste open-weight modellen sinds januari gemiddeld zo'n vier maanden achterliepen op de beste gesloten modellen, iets meer dan de ruwweg drie maanden die het eind 2025 gemeten had. De sterkste open-weight modellen kwamen op dat moment van Chinese labs zoals Moonshot, Zhipu en Alibaba. Wat de frontier vandaag kan, mag je dus binnen het half jaar op eigen hardware verwachten, of toch iets dat er dicht bij komt.

Frontier model versus open-weight model

De twee categorieën trekken in tegengestelde richting op één as: controle tegenover wat het model kan.

Wat het kan. Een frontier model is per definitie het sterkste dat je kan aanspreken. Bij moeilijke beoordelingen (een rommelig contract, een dubbelzinnige klacht, een analyse in meerdere stappen waar één fout de uitkomst bederft) zie je het verschil met een model dat een paar maanden achterloopt terug in het foutenpercentage. Bij routinewerk meestal niet.

Controle. Een open-weight model draait waar jij het zet. Je data blijft binnen, je legt de exacte versie vast, en de leverancier kan het niet uit dienst nemen, de prijs niet verhogen en het gedrag niet aanpassen zonder dat jij daar iets aan kan doen. Bij een frontier model aanvaard je dat allemaal in ruil voor wat het extra kan. Frontier models zijn bijna altijd gesloten. Brengt een groot lab toch open gewichten uit, dan is dat doorgaans een kleiner model dan zijn beste.

Er is ook een prijs in transparantie. De AI Index 2026 meldt dat de Foundation Model Transparency Index zakte naar 40 punten, tegenover 58 een jaar eerder, en dat de sterkste modellen vaak het minst bekendmaken. Vraag de model card en de documentatie op die de AI Act oplegt, en ga er niet van uit dat het grootste model ook het beste papierwerk meebrengt.

Frontier models in regelgeving en veiligheidskaders

De AI Act gebruikt het woord frontier niet, maar de categorie van AI-modellen voor algemene doeleinden met systeemrisico mikt op dezelfde groep. Artikel 51 vermoedt dat een model capaciteiten met grote impact heeft zodra de training meer dan 10^25 floating-point operations gebruikte, en de Commissie kan die drempel bijstellen als de technologie opschuift. Een aanbieder die erover gaat, moet dat binnen twee weken aan de Commissie melden (artikel 52), en artikel 55 voegt daar de plichten van de systeemrisico-laag aan toe: evaluatie met adversarial testing, risicobeperking, incidenten melden aan het AI Office, en cyberbeveiliging van het model en zijn infrastructuur. Bijlage XIII voegt een bereikcriterium toe: een model dat aan minstens 10.000 geregistreerde zakelijke gebruikers in de EU aangeboden wordt, wordt vermoed een grote impact op de interne markt te hebben.

Daarnaast publiceren de labs hun eigen frontier safety frameworks. De Responsible Scaling Policy van Anthropic, voor het eerst gepubliceerd in september 2023 en sinds juli 2026 aan versie 3.4, legt capaciteitsdrempels vast (in domeinen zoals biologische wapens of autonoom AI-onderzoek) die strengere beveiligings- en uitrolstandaarden in gang zetten zodra een model erover gaat. Het Frontier Safety Framework van Google DeepMind, ingevoerd in mei 2024 en begin 2025 bijgewerkt, werkt op dezelfde manier met wat het critical capability levels noemt. Allebei zijn ze vrijwillig, en de Europese praktijkcode voor AI voor algemene doeleinden, gepubliceerd in juli 2025, beschrijft praktijken van dezelfde soort voor aanbieders van de grootste modellen.

Geen van die verplichtingen komt bij jou als gebruiker terecht. Het zijn wel de vragen die je aan een aanbieder stelt, en de reden dat de grootste modellen überhaupt met evaluatierapporten komen.

Wanneer gebruik je als KMO een frontier model?

Zelden voor routinewerk. Inkomende mails classificeren, velden uit facturen halen, een standaardantwoord opstellen, een vergadering samenvatten: een model dat een of twee niveaus lager zit, doet dat ongeveer even goed, voor een fractie van de prijs, en kan vaak in je eigen omgeving draaien.

Voor de moeilijke stukken wil je de frontier wel: de tien procent gevallen waar het oordeel telt, waar een fout duur is, of waar de taak veel stappen aan elkaar rijgt. Een afwijkende contractclausule nakijken, beslissen of een klacht geëscaleerd moet worden, code schrijven die aan je ERP raakt, de output van een ander model controleren voor ze naar een klant vertrekt.

Een veelgebruikt patroon is daarom: frontier voor de moeilijke stukken, open weights of een klein model voor de rest. Neem 10.000 leveranciersmails per maand, elk ongeveer 1.000 tokens in en 200 tokens uit. Volgens de huidige prijslijst van één leverancier kost het topniveau grofweg 10 dollar per miljoen input-tokens en 50 per miljoen output-tokens; het kleinste niveau kost ongeveer een tiende daarvan. Alles via het frontier model kost dan ongeveer 200 dollar per maand, alles via het kleine model ongeveer 20. De 90 procent routinegevallen naar het kleine model sturen en de rest escaleren kost net geen 40 dollar, en de moeilijke gevallen worden nog altijd door het beste model behandeld dat je kan krijgen. Bij dit volume is het bedrag hoe dan ook klein. Bij honderd keer het volume, of met een open-weight model op hardware die je al hebt voor het routinedeel, is die opsplitsing wat het project betaalbaar maakt.

De router die beslist welk geval moeilijk is, kan een regel zijn, een kleine classifier of het kleine model zelf. Kies je fout, kies dan fout in de veilige richting: bij twijfel escaleer je.

Waar moet je op letten bij frontier models

Het model achter de naam verandert. Leveranciers nemen versies uit dienst en brengen nieuwe uit op hun eigen tempo. Leg een exacte versie vast waar dat kan, hou een testset met eigen gevallen bij en draai die opnieuw voor elke overstap.

Prijs en gedrag zijn van de leverancier. Een frontier model is een abonnement op de roadmap van iemand anders. Reken dat in je budget mee, en hou het routinedeel van je werk op iets dat je binnen de week kan vervangen.

Frontier is geen vereiste. Een leverancier die volhoudt dat enkel het nieuwste topmodel jouw taak aankan, wil je iets verkopen of heeft het goedkopere niveau niet getest. Vraag de vergelijking op jouw eigen data.

Je data gaat naar het lab. Frontier models worden gehost. Bekijk de verwerkingsvoorwaarden, de regio en de bewaartermijn voor er persoonsgegevens of vertrouwelijke data doorstromen, net zoals bij elke andere externe verwerker.