ℹ️ Update 3 juli 2026: Het huidige closed-source Claude-vlaggenschip is Opus 4.8 (sinds 28 mei 2026); dit stuk noemde eerder Opus 4.7.
Open-source AI bereikt een keerpunt
In 2026 is de drempel voor state-of-the-art AI ingestort. Open-source modellen bestrijken nu elk domein: tekstgeneratie, beeldcreatie, audio, programmeren en meer. Wat ooit alleen beschikbaar was via dure technische koppelingen van OpenAI of Google, is nu gratis te downloaden en op je eigen computer te draaien — bijvoorbeeld met Ollama (Bron: MuleAI — Open-Source Models 2026).
De drie grote families die het landschap domineren: Meta’s Llama, Mistral AI en DeepSeek.
Voor wie is dit artikel?Voor professionals, techneuten en nieuwsgierige lezers die willen weten welke open-source AI-modellen er bestaan en wat de verschillen zijn. Ik ga hier iets dieper op techniek dan in onze gewone nieuws-artikelen — “tokens”, “parameters” en “quantisatie” komen voor, maar elke term leg ik bij eerste gebruik uit. Ben je helemaal nieuw met AI? Begin dan metChatGPT voor beginnersvoordat je je op open-source stort.
Let opDit artikel is laatst bijgewerkt op 25 augustus 2026. Het landschap beweegt razendsnel — sinds de oorspronkelijke versie van februari heeft DeepSeekV3.2(eind 2025, 94,2% MMLU) enV4(Compressed Sparse Attention, KV-cache 10% van V3.2 bij 1M tokens) uitgebracht, en Meta is metLlama 4(Scout + Maverick) — multimodaal en MoE — gekomen. De grote thema’s en architectuur-uitleg in dit stuk blijven van toepassing.
Beginner-tip“Open-source” betekent strikt gezien dat naast de modelgewichten ook trainingscode en -data open zijn. In de praktijk noemen veel mensen — en wij in dit artikel ook — modellen als Llama “open-source” terwijl ze technisch “open weight” zijn (gewichten vrij downloadbaar, code en data niet). Het belangrijkste verschil met closed-source: je kunt het model op je eigen computer draaien, fine-tunen, en in je producten inbouwen — vaak zonder kosten. De nieuwste toevoeging aan deze categorie isMiniMax M3— gelanceerd op 1 juni 2026 als eerste open-weights model dat frontier-coding, 1M context én native multimodaliteit combineert.
De grote drie
Meta’s Llama 4 — De multimodale standaard
Meta’s Llama-familie is de meest gebruikte open-weight LLM ter wereld — met meer dan 3 miljard gebruikers van afgeleide producten. Op 5 april 2025 introduceerde Meta de Llama 4 herd (Bron: Meta AI — Llama 4 announcement): de eerste natively multimodale, MoE-gebaseerde versies. Twee modellen kwamen direct uit; een derde (Behemoth) was als teacher-model in training. De Behemoth-gewichten waren in augustus 2026 nog altijd niet publiek uitgebracht.
| Model | Totaal / actief | Experts | Context | RAM-richtwaarde | Sterke punt |
|---|---|---|---|---|---|
| Llama 4 Scout | 109B / 17B actief | 16 | 10M tokens | 64 GB (Q4) | Lange context op consumer-hardware |
| Llama 4 Maverick | ~400B / 17B actief | 128 | 1M tokens | 256+ GB | Vlaggenschip-MoE |
| Llama 4 Behemoth | ~2T / 288B actief | 16 | — | Cloud-only | Nog in training (mei 2026) |
| Llama 3.3 8B | 8B dense | — | 128K | 8 GB | Lichtgewicht klassieker |
Licentie: Meta Llama License — commercieel gebruik toegestaan, met beperkingen op misbruik en op héél grote inzet (>700M gebruikers). Geen volledig open-source (Apache/MIT), maar breed genoeg voor de meeste mkb-toepassingen.
# Direct draaien via Ollama
ollama run llama3.3:8b # Compact, voor 8GB+ RAM
ollama run llama4-scout # MoE, 10M context, vanaf 64GBGevorderdenDe Maverick-variant draait niet op consumer-hardware — reken op multi-GPU server-setups of cloud. Op Apple Silicon (M3 Ultra 256 GB) kun je Llama 4 Scout draaien met Q4 quantisatie en bijna alle context-window benutten. Voor productietoepassingen waar 1M context geen vereiste is, is Llama 3.3 70B in Q4/Q5 nog steeds een prima sweet spot.
Mistral AI — De Europese uitdager
Bijgewerkt september 2026: Mistral haalde 3 miljard euro op tegen een waardering van 21 miljard, in een ronde geleid door Samsung. Wat dat betekent voor de open-weight-koers lees je in Mistral haalt 3 miljard op bij Samsung.
Het Franse Mistral AI combineert open-source modellen met commerciële producten. Hun Mistral Small 3 (24B) levert prestaties vergelijkbaar met 70B-modellen — maar 3x sneller (Bron: O-mega.ai / Simon Willison Analysis). Zelf test ik Mistral graag op Europese teksten — de taalbeheersing in Frans en Duits voel ik duidelijk beter dan bij veel Amerikaanse varianten, wat op zich logisch is gezien de herkomst.
| Model | Parameters | Architectuur | Licentie | Sterke punt |
|---|---|---|---|---|
| Mistral 7B v0.3 | 7B | Dense | Apache 2.0 | Snelheid, laagdrempelig |
| Mistral Small 3 | 24B | Dense | Apache 2.0 | 70B-prestaties, 3x sneller |
| Mixtral 8x22B | 141B (39B actief) | MoE | Research | MoE-architectuur |
| Mistral Large | 123B | Dense | Commercieel | Vlaggenschip |
Opvallend: Mistral Small 3 is Apache 2.0 gelicenseerd — volledig vrij voor commercieel gebruik, aanpassen en distribueren. Dit was een bewuste stap na eerdere restrictievere licenties.
ollama run mistral # 7B - snel en compact
ollama run mistral-small:24b # 24B - beste prijs-kwaliteitBeginner-tipMistral is een Frans bedrijf — een zeldzaamheid in het door Amerika gedomineerde AI-landschap. Hun modellen zijn populair in Europa, mede doordat ze bewust kiezen voor open licenties die bedrijven rechtszekerheid geven.
DeepSeek — De Chinese disruptor die de top haalde
DeepSeek verraste de AI-wereld met hun Mixture-of-Experts (MoE) aanpak: modellen met honderden miljarden parameters die slechts een fractie activeren per token. Sinds eind 2025 is DeepSeek de top-open-source geworden — V3.2 evenaart GPT-4o op MMLU (94,2%) en haalt voorbij 80% op SWE-bench Verified, een SWE-benchmark waar veel closed-source modellen niet eens komen.
| Model | Totaal / actief | Architectuur | Sterke punt |
|---|---|---|---|
| DeepSeek V3 | 671B / 37B | MoE + MLA | Doorbraak eind 2024 |
| DeepSeek R1 | ~671B / 37B | MoE + reasoning | Wiskundig redeneren, evenaart o1 |
| DeepSeek R1-0528 | ~671B / 37B | Verbeterde reasoning | Mei 2025 — 2e op AIME na o3 |
| DeepSeek V3.2 | 671B / 37B | MoE + MLA + verbeterde training | Huidige top: 94,2% MMLU, ~1421 LMArena Elo |
| DeepSeek V4 | Nieuw | MoE + CSA + HCA | KV-cache cut naar 10% van V3.2 bij 1M tokens |
Het innovatieve: V4 introduceerde Compressed Sparse Attention (CSA) en Heavily Compressed Attention (HCA) — technieken die het geheugengebruik bij ultra-lange context drastisch verkleinen. Waar V3.2 al efficiënt was met Multi-Head Latent Attention (MLA, geheugen -93,3%), brengt V4 dat naar nog een orde van grootte verder bij miljoen-token gesprekken. (Bron: Codersera Open-Source LLM Landscape 2026)
De tradeoff: je hebt 256–512 GB RAM nodig om het model te laden. Dit maakt het onpraktisch voor lokaal gebruik, maar uitermate efficiënt op servers. Wie zelf wil hosten kan kijken naar GPU-cloud voor zelf hosten — onze vergelijking laat zien welke providers DeepSeek-formaten aankunnen en tegen welke uurprijzen.
GevorderdenDeepSeek-V3 zou getraind zijn voor circa $5,6 miljoen tegenover ~$100M voor een vergelijkbare GPT-4-training. Of die cijfers zuiver vergelijkbaar zijn is een discussie op zich, maar zelfs een orde-van-grootte sneller-en-goedkoper hertraining wijst op een ander economisch model — interessant voor wie de discussie overAI-subsidie en stroomnetvolgt.
Meer open modellen om in de gaten te houden
| Model | Ontwikkelaar | Parameters | Licentie | Niche |
|---|---|---|---|---|
| Phi-4 14B | Microsoft | 14B | MIT | Beste kwaliteit voor grootte |
| Qwen 2.5 | Alibaba | 7B–72B | Apache 2.0 | Meertalig + code |
| Gemma 2 9B | 9B | Open | Research & creatief | |
| CodeLlama | Meta | 7B–70B | Llama License | Programmeren |
| Stable Diffusion 3 | Stability AI | N.v.t. | Open | Beeldgeneratie |
Google’s eigen open lijn ging in juni 2026 een stap verder: Gemma 4 12B is multimodaal (tekst, beeld én audio) en draait op een laptop met 16GB geheugen, onder een Apache 2.0-licentie.
Open-source vs. closed-source in 2026
| Aspect | Open-source (Llama 4, Mistral, DeepSeek V3.2/V4) | Closed-source (GPT-5.5, Claude Opus 4.8) |
|---|---|---|
| Kosten | Gratis (hardware nodig) | $1,25–$30/1M tokens |
| Privacy | ✅ Data blijft lokaal | ⚠️ Data naar cloud |
| Kwaliteit | DeepSeek V3.2 ≈ GPT-4o; Llama 4 multimodaal | GPT-5.5 / Claude Opus 4.8 nog stevig voor |
| Aanpasbaarheid | ✅ Fine-tuning, LoRA, distillation | ❌ Alleen prompting |
| Context window | 128K–10M (Llama 4 Scout) | 128K–1M tokens |
| Multimodaal | ✅ Llama 4 (native), DeepSeek beperkt | ✅ Volledig (tekst/beeld/audio) |
| Ondersteuning | Community | Enterprise SLA |
Waarom het ertoe doet
Open-source AI is cruciaal om drie redenen:
- Democratisering: Bedrijven en onderzoekers hoeven niet afhankelijk te zijn van twee of drie Amerikaanse aanbieders. Ook in Nederland groeit het ecosysteem — van chipmaker Axelera AI tot nieuwe LLM-startups: Nederlandse AI-startups in 2026 geeft een actueel beeld van wie er meedoet
- Data-soevereiniteit: Essentieel voor Europese bedrijven onder GDPR en de EU AI Act; het bredere plaatje staat in sovereign AI
- Innovatie: De open-source community bouwt sneller dan welk bedrijf ook — LoRA, quantisatie, MoE-optimalisaties en open-source modellen voor RAG komen grotendeels uit de community
De meest recente toevoeging aan het open-weights landschap is GLM-5.2 van het Chinese ZhipuAI: ~750 miljard parameters, volledig MIT-gelicenseerd en uitgebracht op 13 juni 2026 — direct na het Amerikaanse exportbevel op Anthropic. Waarom de timing cruciaal is en wat het betekent voor de AI-handelsoorlog lees je in onze analyse.
Een concreet recent voorbeeld: DeepSeek maakte op 22 mei 2026 z’n 75%-korting op V4-Pro permanent, draaiend op eigen Huawei Ascend-chips — niet alleen een prijsstunt maar een structurele verschuiving in wat open-source op niet-Nvidia-hardware kost. Inmiddels zette Moonshot AI de volgende stap: Kimi K3, het grootste open-weight model ooit, dat op benchmarks de Amerikaanse top verslaat. En het zijn niet alleen Chinese labs die de open kant kiezen: Meta bracht op 10 augustus Muse Glimmer uit, een gratis 30B-model dat op één consumenten-GPU draait, na eerder dit jaar juist een gesloten koers te hebben geprobeerd.
Beginner-tipWil je beginnen met open-source AI? Installeer Ollama (zie onze tutorial) en draai
ollama run llama3.3:8b. Binnen 5 minuten heb je een volledig lokale AI-assistent die vergelijkbaar is met ChatGPT van twee jaar geleden — gratis en volledig privé.
De vraag die er nu boven hangt: wie bezit de infrastructuur?
Al het bovenstaande gaat over modellen. Maar open-source AI hangt net zo goed aan de plek waar die modellen staan, en die plek is al jaren dezelfde: Hugging Face. Wie een open model ophaalt, komt er vrijwel automatisch langs.
Op 23 augustus 2026 kwam naar buiten dat Hugging Face een verkoop onderzoekt bij een waardering van 13 miljard dollar of meer. Er is een bank ingeschakeld, er is nog geen koper en er ligt geen akkoord. Wat de uitkomst ook wordt, de vraag zelf is nieuw voor deze markt: het platform is aantrekkelijk juist omdát het van niemand in het bijzonder is. Komt het in handen van een partij die zelf modellen maakt, dan verandert die neutraliteit van karakter. Wij schreven er apart over in Hugging Face te koop: 13 miljard na de OpenAI-inbraak.
Hoe de gesloten kant van de markt er inmiddels voor staat — inclusief Meta’s overstap naar closed-weight — zetten we op een rij in ons overzicht van de grote modellen.
Voor wie hier in Nederland op open modellen bouwt, is dat geen ver-weg-nieuws. Het raakt de aanname onder dit hele artikel, namelijk dat de modellen die je vandaag gratis ophaalt daar morgen nog liggen, onder dezelfde voorwaarden.