Voor het eerst namen in juli door China ontwikkelde modellen alle vijf de topposities in op OpenRouter, het neutrale routingplatform dat honderden modellen van tientallen aanbieders achter één enkele API bundelt en inmiddels het dichtst in de buurt komt van een Nielsen-rating voor de AI-sector. Xiaomi — beter bekend van smartphones en, recenter, elektrische voertuigen — zag zijn MiMo V2.5 op nummer één eindigen op basis van tokenvolume, gevolgd door modellen van DeepSeek (het lab uit Hangzhou waarvan goedkope releases begin 2025 de wereldmarkten opschudden), MiniMax, Alibaba’s Qwen-familie en Moonshot’s Kimi. Chinese modellen verwerken inmiddels meer dan 60% van het verkeer op het platform, dat meer dan 20 biljoen tokens per week verwerkt — tokens zijn de tekstdelen die modellen lezen en genereren, en de eenheid waarmee AI-gebruik zowel wordt gemeten als gefactureerd. Zoals de Fortune-commentaartekst het samenvat: dat is geen benchmarkresultaat, maar een gebruikscurve.

Een jaar geleden verwerkten Amerikaanse modellen ongeveer 70% van het verkeer op OpenRouter; vandaag is dat ongeveer 30%. Nog opvallender is dat Chinese modellen medio juli goed waren voor een recordaandeel van 58% van de tokens die Amerikaanse bedrijven op het platform verwerkten. Volgens de auteur worden Amerikaanse bedrijven niet gedwongen om Chinese AI te gebruiken — ze kiezen er workload voor workload voor, omdat de prijs-prestatieverhouding onmogelijk te negeren is.

De race splitst in tweeën

De paradox verdient volgens de auteur een plek op de agenda van elke raad van bestuur deze herfst. Amerikaanse labs bezitten nog steeds de absolute voorhoede: GPT 5.5 van OpenAI, Claude Fable 5 van Anthropic en Gemini 3.x van Google lopen voorop bij de moeilijkste redeneringen, agents met een lange horizon en het meest veeleisende enterprise-werk, en de achterstand in de voorhoede is reëel en meetbaar in maanden. Maar de race is opgesplitst in twee wedstrijden — capability en distributie — en Amerika wint de eerste en verliest de tweede.

DeepSeek’s V4-Pro is geprijsd op ongeveer een twaalfde van de kosten van GPT-5.5 bij vergelijkbare benchmarkprestaties, en DeepSeek V4 Flash kost $0.14 per miljoen inputtokens tegenover $5.00 voor GPT-5.5. De eigen analisten van OpenRouter rapporteren dat Chinese open modellen 60% tot 90% goedkoper zijn dan de toonaangevende Amerikaanse aanbiedingen. Voor productiewerk met hoge volumes — coding agents, documentverwerking en klantoperaties — bepaalt dat verschil de keuze voor de inkoop.

Distributie is waar ecosystemen verankeren, vervolgt het stuk. Alibaba’s Qwen-familie is inmiddels voorbij de grens van één miljard cumulatieve downloads en heeft Meta’s Llama vervangen als de meest gedownloade open model-familie ter wereld — open-weightmodellen publiceren downloadbare parameterbestanden die ontwikkelaars op hun eigen infrastructuur kunnen draaien, inspecteren en finetunen, in tegenstelling tot gesloten modellen die alleen via de betaalde API van een aanbieder toegankelijk zijn — terwijl Llama, dat open-weight-AI in 2023 en 2024 definieerde, is teruggevallen tot onder 1% van het gerouteerde volume. Ontwikkelaars optimaliseren wat ze kunnen downloaden en bouwen tooling rond wat ze uitrollen; zo won Linux de servers en Android de telefoons, en hetzelfde gebeurt nu opnieuw in het volle zicht, schrijft de auteur.

Welkom in de doodszone

Tussen de voorhoede en de commoditybodem ligt wat de auteur een doodszone noemt: elk model, product of bedrijfsbrede AI-strategie die niet duidelijk het beste en ook niet duidelijk het goedkoopste is, wordt van twee kanten tegelijk verpletterd.

Marktdata laat zien hoe deze bifurcatie werkt. Volgens een analyse van OpenRouter-gebruiksgegevens heeft Anthropic — maker van de Claude-familie — slechts ongeveer 12% van het tokenaandeel op het platform, maar vangt het bedrijf ongeveer de helft van de totale bestedingen. Dat is de premiumstrook, met minder tokens en een prijsstelling die past bij werk dat die prijs rechtvaardigt. De commoditystrook behoort toe aan efficiënte open modellen die biljoenen goedkope tokens verwerken. Het midden — gesloten modellen zonder beslissend voorsprong in mogelijkheden en enterprise-implementaties die frontierprijzen betalen voor commoditywerk — heeft helemaal geen strook.

De meeste AI-strategieplannen van Fortune 500-bedrijven staan nu precies in dat midden, stelt de auteur. Het typische bedrijf sloot in 2024 één frontier-API-contract, stuurde al het verkeer erdoorheen en keek niet meer om; in 2026 is dat vergelijkbaar met het runnen van een complete logistieke operatie per nachtvlucht.

China bouwde dit doelbewust

Niets hiervan gebeurde per toeval, benadrukt de commentaartekst. Exportcontroles onthielden Chinese labs de grootste GPU-clusters, waarna zij schaarste omzeilden met token-efficiëntie, nieuwe aandachtmechanismen, efficiënte mixture-of-experts-ontwerpen, data van hogere kwaliteit in plaats van louter volume, en vanaf dag één een inference-bewuste architectuur. Staatssteun verlaagde de effectieve kostenbasis verder. Xiaomi verlaagde in mei de prijzen van MiMo-API’s met wel 99%.

Beperking werd zo een strategie. Amerikaanse labs die efficiëntie slechts als secundaire zorg behandelen, lopen het risico hun technologische voorsprong te behouden maar marktaandeel, interesse van ontwikkelaars en uiteindelijk het hele AI-ecosysteem te verliezen.

Het draaiboek voor bouwers in 2026

Voor bestuurders en oprichters die daadwerkelijk op AI bouwen, zijn er nu vier stappen belangrijker dan alle andere.

1. Maak hybride routing uw standaardarchitectuur.

Stuur het moeilijkste, meest gereguleerde en meest kritieke werk naar frontiermodellen. Routeer taken met hoge volumes en kostengevoeligheid naar efficiënte open modellen. Bedrijven die dit doen, verlagen de inferencekosten met 60% tot 90% op het merendeel van hun workloads zonder de kwaliteit aan te tasten waar het ertoe doet. Als uw AI-budget door één gesloten API loopt, betaalt u volgens de auteur te veel voor het grootste deel van wat u doet.

1. Behandel efficiëntie als een eersteklas wapen.

Inference-optimalisatie, quantization, speculative decoding en co-design van model en hardware zijn nu standaardpraktijken en geen loutere onderzoeksnieuwsgierigheden meer. Bestudeer hoe de beperkte labs hebben gebouwd en pas die lessen vervolgens toe met Amerikaanse compute als basis.

1. Differentieer boven de modellaag.

Eigen data, de applicatielaag, domeinspecifieke finetuning, agentframeworks en strikte evaluatiekaders blijven langer relevant dan elk voordeel van een basismodel. Basismodellen bewegen naar infrastructuur. Uw moat was nooit iemands anders model.

1. Stap uit het midden.

Als uw product afhangt van een model dat noch het beste noch het goedkoopste is, kies dan dit jaar een richting. Beweeg omhoog in de capability curve met echte differentiatie, of concurreer hard op kosten en openheid. Het midden overleeft 2027 niet.

Amerika heeft nu een open-weightantwoord nodig

Volgens de auteur bereidt Washington zich voor op de verkeerde strijd. In het Congres leeft de reflex om Chinese modellen op veiligheidsgronden te beperken, en voor gevoelige overheids- en defensieworkloads is die voorzichtigheid gerechtvaardigd. Zorgen over datasoevereiniteit beperken het gebruik van in China gehoste modellen al in gereguleerde sectoren in het Westen, al tempert self-hosted open weights dat argument aanzienlijk.

Een verbod is geen strategie; het is een tarief op uw eigen ontwikkelaars, stelt het stuk. Chinese open weights slagen niet door misleiding, maar omdat ze van hoge kwaliteit, betaalbaar en toegankelijk zijn — en omdat geen enkel Amerikaans lab momenteel op regelmatige basis frontier-klasse open-weightmodellen uitbrengt. Meta’s terugtrekking liet het veld open, en China nam het snel over.

Het voorgestelde antwoord is om te concurreren met geloofwaardige Amerikaanse en geallieerde open-weightmodellen, die regelmatig worden uitgebracht en worden ondersteund door inkoopprikkels of directe toezeggingen van labs. Open weights zijn hoe een land zijn ecosysteem, veiligheidsnormen en standaarden exporteert naar de rest van de wereld. Amerika begreep dit bij de internetstack; het moet zich dat nu weer herinneren, schrijft de auteur.

De voorhoede blijft belangrijk en de VS moeten die verdedigen. Maar de praktische race in 2026 wordt gewonnen door beide wedstrijden tegelijk te beheersen: absolute capaciteit en radicale efficiëntie, gesloten excellentie en open diffusie, de grootste betrouwbare compute en het slimste gebruik ervan. Innovatie onder beperking zou geen troostprijs meer moeten zijn.

De vraag voor de Amerikaanse C-suite, bestuurskamers en Washington is dezelfde, besluit de auteur: wanneer de volgende generatie mondiale software wordt gebouwd, op wiens modellen zal die dan worden gebouwd? Op dit moment geven de downloadcijfers daar antwoord op. Niet het antwoord dat Amerika wil horen.

De meningen in Fortune.com-commentaren zijn uitsluitend die van de auteurs en weerspiegelen niet noodzakelijkerwijs de meningen en overtuigingen van Fortune.

Dit verhaal verscheen oorspronkelijk op Fortune.com.