Model Card

Wat is een Model Card?

Een model card is een gestructureerd openbaarmakingsdocument gepubliceerd naast een AI-model dat beschrijft wat het model is, hoe het getraind werd, waar het goed in is, waar het faalt, en welke veiligheidsevaluaties het doorstond. Het geeft engineers de informatie die ze nodig hebben om te beslissen of een model bij hun use case past.

De belangrijkste punten

• Model cards zijn het datasheet van de AI-wereld: beoogd gebruik, trainingsdatasamenvatting, benchmarkresultaten, bekende beperkingen, en veiligheidsevaluatie-uitkomsten in één document.
• Elk groot lab publiceert er nu een bij elke frontier-release, en inkoopteams vereisen ze steeds vaker voordat een model goedgekeurd kan worden voor productiegebruik.
• Een model card beschrijft het model zoals getest door zijn ontwikkelaar. Hij zegt niets over hoe het model zich gedraagt binnen jouw product, met jouw prompts, op jouw data.
• De beperkingensectie lezen is de tien minuten met de hoogste waarde in elk modelselectieproces, want daar vertelt de ontwikkelaar je precies waar het model breekt.

Hoe het werkt

Het formaat gaat terug op een onderzoeksvoorstel uit 2019 dat betoogde dat modellen zouden moeten uitgeleverd worden met gestandaardiseerde rapportage, zoals elektronische componenten met datasheets uitgeleverd worden. Een typische kaart dekt de architectuurfamilie en groottecategorie van het model, de cutoff-datum en algemene samenstelling van zijn trainingsdata, evaluatieresultaten op publieke benchmarks, veiligheidstests zoals red-team-oefeningen en weigeringspercentagemetingen, en expliciete verklaringen over beoogd en buiten-bereik-gebruik. Hoe volledig die secties ingevuld worden varieert breed: een Stanford-analyse uit 2024 van meer dan 32.000 model cards op Hugging Face vond dat de secties beperkingen, evaluatie, en milieu-impact de laagste voltooiingspercentages hebben, terwijl trainingsdetails het meest consistent ingevuld worden [1].

Voor frontier-modellen is de kaart uitgegroeid tot iets dichter bij een technisch rapport. Ontwikkelaars publiceren scores op coding-, redenerings-, en agentic-benchmarks, beschrijven hoe het model zich gedraagt onder adversariale prompting, en documenteren capaciteitsdrempels relevant voor veiligheidsbeleid, zoals of het model materieel helpt bij gevaarlijke taken. Sommige leveranciers splitsen dit in een korte kaart plus een langere systeemkaart die het volledige uitgerolde systeem dekt, inclusief guardrails en filters gelaagd bovenop het ruwe foundation model. Openbaarmaking verbetert onder publieke druk: de gemiddelde transparantiescore van grote foundation-model-ontwikkelaars steeg van 37 op 100 in oktober 2023 naar 58 op 100 in mei 2024 op Stanfords Foundation Model Transparency Index [2].

In de praktijk gebruiken engineeringteams model cards op twee momenten. Tijdens selectie is de kaart het primaire bewijs voor het vergelijken van kandidaten voordat interne evals draaien. Na implementatie wordt hij een governance-artefact: het verslag van wat bekend was over het model toen het werd goedgekeurd, waar auditors en risicoteams later naar verwijzen.

Voorbeeld

Een CTO kiest een model om een interne coding-agent aan te drijven. Twee kandidaten scoren binnen een punt van elkaar op een publieke LLM-benchmark, dus trekt het team beide model cards. Één kaart onthult dat agentic-toolgebruik-evaluaties draaiden met een specifieke scaffold en somt verlaagde prestaties op bij lange meerstaps taken. De andere kaart toont sterkere aanhoudende-taak-resultaten maar signaleert een hoger percentage verzonnen bestandspaden in zijn beperkingensectie. Het team kiest het eerste model, voegt toch een padverificatiecheck toe aan hun pipeline, en hecht beide kaarten aan het architectuurbeslissingsrecord zodat de redenering de mensen die haar maakten overleeft.

Veelvoorkomende misvattingen

De veelgemaakte fout is een model card behandelen als certificering. Het is een zelfgerapporteerde openbaarmaking geschreven door de leverancier, geen onafhankelijke audit, en de evaluaties die hij beschrijft draaiden onder condities die je niet volledig kunt reproduceren. Een sterke kaart is een reden om een model op de shortlist te zetten, nooit een reden om je eigen evals op je eigen taken over te slaan.

FAQ

Wie schrijft een model card? De organisatie die het model trainde en uitbracht. Sommige worden gereviewd door externe red teams of veiligheidsinstituten, en die reviews worden meestal genoteerd in de kaart, maar auteurschap en definitieve inhoud blijven bij de ontwikkelaar.

Is een model card wettelijk verplicht? In de meeste rechtsgebieden, niet onder die naam. Transparantieregels zoals de EU AI Act vereisen documentatie voor general-purpose-modellen die sterk overlapt met model-card-inhoud, dus wordt de kaart in de praktijk het standaardvoertuig om aan die verplichtingen te voldoen.

Wat is het verschil tussen een model card en een system card? Een model card beschrijft het getrainde model zelf. Een system card beschrijft het volledige uitgerolde product eromheen: de veiligheidsfilters, moderatielagen, en toolintegraties. Eén model kan in veel systemen verschijnen, elk met ander gedrag.

Bronnen

1. Liang et al., Stanford. "Analyse van meer dan 32.000 Hugging Face model cards: de secties beperkingen, evaluatie, en milieu-impact hebben de laagste voltooiingspercentages." https://arxiv.org/abs/2402.05160. Geraadpleegd augustus 2026.
2. Stanford CRFM. "Foundation Model Transparency Index: gemiddelde transparantiescore van ontwikkelaars steeg van 37/100 (oktober 2023) naar 58/100 (mei 2024)." https://crfm.stanford.edu/fmti/May-2024/index.html. Geraadpleegd augustus 2026.