Wat is een LLM (large language model)? Uitleg

Een LLM, voluit large language model of in het Nederlands groot taalmodel, is een AI-model dat op enorme hoeveelheden tekst is getraind en daardoor tekst kan voorspellen, schrijven, samenvatten, vertalen en analyseren. ChatGPT, Claude en Gemini zijn apps waarin je zo'n model gebruikt. Het model zelf is het brein erachter, de app is het loket.

Hieronder lees je hoe een LLM werkt, welke modellen er in oktober 2026 zijn, wat het verschil is tussen open en gesloten modellen, hoe je er zelf een op je computer draait en waar de grenzen liggen. Ook komt aan bod hoe goed ze Nederlands kunnen en wat een LLM onderscheidt van een chatbot of een AI-agent. Wil je eerst het grotere plaatje, lees dan wat AI is.

Wat is een LLM en waarom heet het "large"?

Een taalmodel is een wiskundig model dat patronen in taal heeft geleerd. "Large" slaat op de schaal: de hoeveelheid tekst waarmee het is getraind en het aantal parameters. Parameters zijn de getallen in het model die tijdens de training worden bijgesteld, en je kunt ze zien als de instellingen waarin alles wat het model geleerd heeft ligt opgeslagen. Mistral zegt over zijn nieuwe Mistral Large 4 dat het 1 biljoen parameters heeft, waarvan er bij elke berekening 49 miljard actief zijn. Dat is het hoge segment. Kleinere modellen hebben enkele miljarden parameters en draaien op een gewone laptop.

Een LLM is dus geen zoekmachine en geen database met feiten. Het is een model dat heeft geleerd hoe tekst in elkaar zit, en dat uit die kennis nieuwe tekst opbouwt.

Hoe werkt een LLM in gewone woorden?

Training op tekst

Een LLM begint met een enorme verzameling tekst: boeken, websites, code, artikelen. Tijdens de training krijgt het model steeds een stuk tekst waarvan het laatste stukje ontbreekt, en het moet raden wat daar hoort te staan. Elke keer dat het fout zit, worden de parameters een klein beetje bijgesteld. Na miljarden van die rondes heeft het model grammatica, feiten, schrijfstijlen en redeneerpatronen opgepikt, zonder dat iemand die regels ooit heeft ingetypt.

Daarna volgt vaak een tweede fase waarin mensen en andere modellen het gedrag bijsturen, zodat het model antwoorden geeft in plaats van alleen tekst voort te zetten, en zich aan veiligheidsregels houdt.

Het volgende token voorspellen

Wat een LLM bij elke vraag doet, is telkens het meest passende vervolg kiezen. Dat gebeurt niet woord voor woord maar token voor token. Een token is een woordstuk: een kort woord is vaak één token, een lang of samengesteld woord wordt in stukken gehakt. Het model kijkt naar alles wat er tot nu toe staat, berekent welke tokens waarschijnlijk volgen, kiest er een en begint opnieuw. Zo ontstaat een zin, een alinea, een e-mail.

Tokens zijn ook de eenheid waarin aanbieders rekenen. Anthropic geeft in de documentatie een richtlijn: 1 miljoen tokens is ruwweg 555.000 woorden bij het huidige model. Een woord is dus gemiddeld bijna twee tokens, en in een taal als het Nederlands met veel lange samenstellingen kan dat meer zijn.

Het contextvenster

Het contextvenster is hoeveel tekst een model in één gesprek tegelijk kan "zien": jouw vragen, de documenten die je plakt en zijn eigen eerdere antwoorden. Wat erbuiten valt, weet het model niet meer. Volgens de officiële documentatie hebben de huidige topmodellen een venster van ongeveer een miljoen tokens: Claude Opus 5.5, Claude Sonnet 5.5, GPT-6 Astra en Gemini 4 Argon. Dat is een flinke stapel documenten in één keer. Kleinere en oudere modellen hebben vaak minder.

Redeneermodellen

Nieuwere modellen kunnen eerst nadenken voordat ze antwoorden. Ze schrijven dan een tussenstap uit, vergelijken opties en controleren zichzelf. Dat levert betere antwoorden op lastige vragen, maar kost tijd en geld. Anthropic noemt dit bij Claude "adaptive thinking": het model beslist zelf hoeveel het nadenkt, gestuurd door een inspanningsniveau. OpenAI beschrijft bij GPT-6 hetzelfde als redeneerinspanning, van laag tot maximaal, en raadt aan alleen hoger te gaan als laag niet volstaat (zie GPT-6 uitgelegd). Voor een korte vraag heb je dat niet nodig, voor een lastige analyse wel.

Bekende LLM's in oktober 2026

De namen veranderen snel. Dit is de stand volgens de officiële modelpagina's op 15 oktober 2026.

Per bedrijf in het kort:

• OpenAI noemt de GPT-6-familie zijn meest geavanceerde reeks. Astra is het slimste model, Sol zit er net onder en Luna is de snelle, zuinige variant. Welke je in ChatGPT te zien krijgt, hangt van je abonnement af.
• Anthropic heeft sinds 7 oktober de 5.5-familie compleet, met Claude Haiku 5.5 als kleinste model. Fable 5.1 is volgens de documentatie bedoeld voor het zwaarste redeneer- en agentwerk. Als betrouwbare kennisgrens noemt Anthropic juni 2026.
• Google bracht Gemini 4 Argon uit als zwaarste model. Voor nieuwe projecten raadt de modelpagina de lichtere 3.5 Flash-Lite of 3.8 Flash aan.
• Mistral is het Europese alternatief. Over Mistral Large 4 zegt het bedrijf zelf dat de open weights eind oktober volgen. Meer over de aanbieder staat bij Mistral en Le Chat.
• Meta bracht op 12 oktober Muse Wonder uit, het eerste frontiermodel van het bedrijf. Het open model Muse Glimmer staat op Hugging Face.
• DeepSeek is een Chinese aanbieder met open modellen. Lees wat DeepSeek is, inclusief de kanttekeningen bij de eigen app.

Een model is niet hetzelfde als een benchmark-score. Aanbieders publiceren zelf de tests waarin ze goed uitkomen, en een hoger cijfer betekent niet automatisch dat het model beter bij jouw werk past. Probeer het met een taak uit je eigen dagelijks werk, bijvoorbeeld in onze vergelijking van ChatGPT en Gemini.

Open en gesloten modellen: wat is het verschil?

Bij een gesloten model blijft het model bij de aanbieder. Je gebruikt het via een app of een API en betaalt met een abonnement of per token. Je hebt weinig inzicht in hoe het is gemaakt, maar je hoeft zelf niets te installeren, en de topmodellen zijn bijna altijd gesloten.

Bij een open model publiceert de maker de modelbestanden, de zogeheten weights, zodat iedereen ze kan downloaden en op eigen hardware draaien. Dat heet strikt genomen "open weights": je krijgt het model, maar niet altijd de trainingsdata of de volledige code. De voorwaarden staan in de licentie, en die verschilt per model: de ene staat vrij commercieel gebruik toe, de andere stelt eisen. Voorbeelden van open modellen zijn die van DeepSeek en de Gemma-reeks van Google. Lees bij een bedrijfstoepassing altijd de licentie zelf.

Voor bedrijven is het voordeel van open modellen controle: de gegevens blijven in je eigen omgeving en je bent niet afhankelijk van de prijzen van één aanbieder. Het nadeel is dat je de infrastructuur zelf moet regelen.

Een LLM lokaal draaien

Een LLM lokaal draaien betekent dat het model op je eigen computer werkt, zonder dat je tekst naar een server van een aanbieder gaat. Dat kan met een gratis app als LM Studio, beschikbaar voor Windows, Mac en Linux. Je zoekt een model in de catalogus, downloadt het, en chat er daarna ook zonder internet mee.

Wat je moet weten:

• Het werkgeheugen bepaalt wat kan. LM Studio raadt 16 GB RAM of meer aan. Een model van een paar gigabyte past op een gewone laptop, de grote modellen met honderden miljarden parameters niet.
• Lokale modellen zijn kleiner. Ze zijn voor veel dagelijks werk prima, maar de beste betaalde modellen in de cloud blijven sterker bij lastige taken.
• Privacy is het grote voordeel. Een gevoelig contract of intern rapport verlaat je computer niet.

De stap-voor-stap uitleg en de systeemeisen staan op de pagina over LM Studio. Het open model van DeepSeek kun je ook lokaal draaien, zonder de DeepSeek-app, zoals beschreven bij DeepSeek.

Beperkingen van een LLM

Een LLM klinkt vaak zeker, ook als het fout zit. Houd rekening met dit:

• Hallucinaties. Een model kan feiten, bronnen, cijfers of citaten verzinnen die plausibel klinken. Het voorspelt wat past, niet wat waar is. Controleer namen, bedragen en verwijzingen altijd, vooral in werk waar een fout geld of reputatie kost.
• Kennisgrens. Een model weet alleen wat in de trainingsdata zat. Bij de huidige Claude-modellen noemt Anthropic juni 2026 als de datum tot waar de kennis het meest betrouwbaar is. Wat daarna gebeurde, weet het model niet, tenzij de app het opzoekt via het web.
• Vooroordelen. Een model leert van door mensen geschreven tekst en neemt daarmee de scheefgroei van die tekst over. Let hierop bij teksten over mensen, zoals vacatures of beoordelingen.
• Geen geheugen tussen gesprekken. Het model zelf onthoudt niets. Als een app dat wel lijkt te doen, zit daar een geheugenfunctie van de app omheen.
• Privacy. Wat je in een cloudmodel plakt, gaat naar de aanbieder. Check wat je organisatie toestaat voordat je klantgegevens invoert.

Hoe goed zijn LLM's in het Nederlands?

De grote modellen begrijpen en schrijven Nederlands, en de officiële pagina's noemen meertaligheid als standaardeigenschap. Anthropic zegt dat alle huidige Claude-modellen multilingual zijn, en Mistral zegt dat een groot deel van de trainingsdata van Large 4 meertalig is, met meer dan 160 talen, waaronder alle officiële EU-talen. Welke Nederlandse tekst het soepelst leest, verschilt per model en per onderwerp. We vonden geen onafhankelijke test die we met goed fatsoen kunnen aanhalen, dus probeer het zelf met een tekst uit je werk. Kleine lokale modellen schrijven doorgaans stijver Nederlands dan de grote.

Er zijn ook Nederlandse initiatieven:

• GPT-NL is een Nederlands taalmodel van TNO, het NFI en SURF. Het is volgens de projectsite bedoeld voor zakelijk en domeinspecifiek gebruik, zoals samenvatten en vereenvoudigen in omgevingen met gevoelige informatie, en geen algemeen model voor consumenten. Het is nog niet voor iedereen beschikbaar: volgens de site alleen voor "Launching Customers", met versie 1 gepland voor het najaar van 2026.
• GEITje was een open Nederlands model van 7 miljard parameters, gebouwd door Edwin Rijgersberg op Mistral 7B en extra getraind op Nederlandse tekst. Het is niet meer te downloaden: op de GitHub-pagina staat dat het op dringend verzoek van Stichting BREIN niet meer beschikbaar is. Wil je vandaag een Nederlands model, gebruik dan een van de grote modellen hierboven.

LLM, chatbot en AI-agent: wat is het verschil?

Het zijn drie lagen, en mensen gebruiken de woorden door elkaar.

Een chatbot is een LLM met een gespreksvenster en vaak extra functies zoals zoeken op het web of bestanden lezen. Een agent gaat verder: hij krijgt een doel, plant stappen, gebruikt tools en levert een resultaat. Hoe agents werken lees je bij wat AI-agents zijn. Hoe zo'n model verbinding maakt met je agenda of CRM, staat in de uitleg over MCP. Meer chatbots naast elkaar zie je in ons overzicht van de beste AI-chatbots.

Veelgestelde vragen

Wat betekent LLM?

LLM staat voor large language model, in het Nederlands groot taalmodel. Het is een AI-model dat is getraind op enorme hoeveelheden tekst en daardoor taal kan begrijpen en genereren.

Is ChatGPT een LLM?

Strikt genomen niet. ChatGPT is de app. De LLM's erachter zijn de GPT-6-modellen van OpenAI, zoals Astra, Sol en Luna. Zo geldt het ook voor Claude (de app) en Claude Sonnet 5.5 (het model).

Wat is het verschil tussen een LLM en generatieve AI?

Generatieve AI is de bredere term voor AI die iets nieuws maakt: tekst, beeld, geluid of video. Een LLM is de variant voor tekst. Veel moderne modellen kunnen daarnaast ook beelden lezen, wat de grens vager maakt.

Kan ik een LLM gratis op mijn eigen computer draaien?

Ja. Met een gratis app als LM Studio download je een open model en draai je het offline. Je hebt wel genoeg werkgeheugen nodig, de makers raden 16 GB of meer aan, en de modellen zijn kleiner dan die van ChatGPT of Claude.

Waarom verzint een LLM soms dingen?

Omdat het model voorspelt welke tekst waarschijnlijk volgt, niet nagaat of iets klopt. Als het antwoord niet in zijn kennis zit, kan het toch een overtuigend klinkend antwoord opbouwen. Controleer feiten, zeker als de app het web niet doorzoekt.

Bronnen

• Models overview (Anthropic)
• Gemini models (Google AI for Developers)
• Models (OpenAI)
• Models overview (Mistral AI)
• Meta Model API (Meta)
• DeepSeek API Docs
• GPT-NL (TNO, NFI en SURF)
• GEITje (GitHub, Edwin Rijgersberg)
• LM Studio modelcatalogus en documentatie