Wanneer een downstream-partij die finetunet zelf GPAI-aanbieder wordt

De richtsnoeren van de Commissie van 18 juli 2025 (C(2025) 5045 final) over het toepassingsbereik van de verplichtingen voor aanbieders van AI-modellen voor algemene doeleinden stellen in punt (61) dat het niet nodig is dat elke aanpassing van zo'n model ertoe leidt dat de downstream-partij als aanbieder van het aangepaste model wordt aangemerkt, in lijn met de Blue Guide die bepaalt dat een product dat belangrijke wijzigingen of revisies heeft ondergaan met het oog op wijziging van de oorspronkelijke prestaties, het doel of het type, als een nieuw product kan worden beschouwd. Punt (62) bepaalt dat de Commissie een downstream-partij pas als aanbieder van het aangepaste model beschouwt wanneer de aanpassing leidt tot een aanzienlijke verandering in de algemeenheid, de capaciteiten of het systeemrisico van het model. Punt (63) formuleert het indicatieve criterium: een downstream-partij wordt geacht aanbieder te zijn wanneer de voor de aanpassing gebruikte trainingscompute groter is dan een derde van de trainingscompute van het oorspronkelijke model. Punt (64) bepaalt dat wanneer de downstream-partij die waarde niet kan kennen, bijvoorbeeld omdat de aanbieder van het oorspronkelijke model haar niet heeft meegedeeld, en haar evenmin kan schatten, de drempel wordt vervangen door een derde van 10 tot de macht 25 FLOP wanneer het oorspronkelijke model een model met systeemrisico is, en anders door een derde van 10 tot de macht 23 FLOP. Punt (65) licht toe dat een aanpassing van die omvang naar verwachting een aanzienlijke verandering oplevert die de transparantieverplichtingen van artikel 53 lid 1, punten a en b, rechtvaardigt, dat zo'n aanpassing naar verwachting een aanzienlijke hoeveelheid data heeft gebruikt wat van belang is voor het auteursrechtbeleid en de openbare samenvatting van de trainingsinhoud onder artikel 53 lid 1, punten c en d, en dat bij een oorspronkelijk model met systeemrisico het aangepaste model naar verwachting een aanzienlijk ander systeemrisico vertoont. Punt (67) merkt op dat momenteel weinig aanpassingen aan dit criterium voldoen, dat het aantal downstream-partijen dat aanbieder wordt in de loop van de tijd kan toenemen, en dat het criterium daarmee vooral toekomstgericht is. Punt (68) bepaalt dat de verplichtingen bij een aanpassing beperkt blijven tot die aanpassing: de documentatie onder artikel 53 lid 1, punten a en b, is beperkt tot informatie over de aanpassing, en het auteursrechtbeleid onder punt c en de samenvatting van de gebruikte trainingsinhoud onder punt d zijn beperkt tot de data die als onderdeel van de aanpassing zijn gebruikt. Punt (69) bepaalt dat de downstream-partij die aanbieder wordt ook aan artikel 54 moet voldoen, wat neerkomt op het aanwijzen van een in de Unie gevestigde gemachtigde voor zover die partij zelf buiten de Unie is gevestigd. Punt (70) bepaalt dat wanneer een downstream-partij een als systeemrisicomodel geclassificeerd model zodanig aanpast dat zij aanbieder van het aangepaste model wordt, het resulterende model eveneens wordt vermoed capaciteiten met grote impact te hebben en dus als model met systeemrisico geldt, en punt (71) bepaalt dat die partij dan moet voldoen aan de verplichtingen voor aanbieders van modellen met systeemrisico en de Commissie moet informeren overeenkomstig artikel 52 lid 1.

• Vindplaats: Commission Guidelines C(2025) 5045 final, 18.7.2025, sectie 3.2, randnummers (60) tot en met (67), en secties 3.2.1 en 3.2.2, randnummers (68) tot en met (71)praxikon:eu:ai-act:source:commission-gpai-guidelinesOpen officiële bron

De praktische boodschap is geruststellender dan de meeste organisaties denken, maar met een addertje. Gewoon finetunen op uw eigen documenten, RAG, promptengineering of een LoRA-adapter komt niet in de buurt van een derde van de trainingscompute van een groot basismodel. De Commissie zegt zelf dat momenteel weinig aanpassingen aan het criterium voldoen. Wie een model aanpast voor eigen gebruik wordt dus in de regel geen GPAI-aanbieder. Het addertje zit in punt (64): weet u de trainingscompute van het oorspronkelijke model niet en kunt u die ook niet schatten, dan valt u terug op een absolute drempel van een derde van 10 tot de macht 23 FLOP. Dat is een aanzienlijk lagere lat dan een derde van een groot model, en juist bij gesloten modellen waarvan de compute niet wordt gepubliceerd is dat het scenario waar u in zit. De tweede val is de systeemrisicoketen: past u een model aan dat al als systeemrisicomodel is aangemerkt en wordt u daardoor aanbieder, dan erft u dat label en de meldplicht bij de Commissie. Positief is dat de plichten in dat geval beperkt blijven tot uw eigen aanpassing: u hoeft niet de documentatie of de trainingsdatasamenvatting van het oorspronkelijke model over te doen.

• Vindplaats: Commission Guidelines C(2025) 5045 final, 18.7.2025, sectie 3.2, randnummers (60) tot en met (67), en secties 3.2.1 en 3.2.2, randnummers (68) tot en met (71)praxikon:eu:ai-act:source:commission-gpai-guidelinesOpen officiële bron

Leg per aangepast model vast welk basismodel u gebruikt, welke aanpassingsmethode u toepast en hoeveel compute die aanpassing heeft gekost, zodat u het criterium kunt toetsen in plaats van erover te speculeren. Vraag bij de aanbieder van het basismodel naar de trainingscompute en documenteer het antwoord, want als u die waarde niet kunt kennen valt u terug op de aanzienlijk lagere absolute drempel. Controleer daarnaast of het basismodel als model met systeemrisico is aangemerkt, want dat verandert zowel de drempel als de gevolgen wanneer u die overschrijdt. Herbeoordeel deze inschatting bij elke substantiele hertraining, omdat de Commissie zelf aangeeft dat het aantal downstream-partijen dat aanbieder wordt naar verwachting toeneemt.

• Vindplaats: Commission Guidelines C(2025) 5045 final, 18.7.2025, sectie 3.2, randnummers (60) tot en met (67), en secties 3.2.1 en 3.2.2, randnummers (68) tot en met (71)praxikon:eu:ai-act:source:commission-gpai-guidelinesOpen officiële bron