Wat is een open-source LLM?
Een open-source LLM is een groot taalmodel waarvan je de gewichten (het "brein" van het model) kunt downloaden en zelf kunt draaien. Je zet het op je eigen hardware of bij een hoster naar keuze en betaalt geen bedrag per vraag aan de maker. Bekende families zijn Mistral, Llama, Gemma, Qwen en DeepSeek.
Gesloten modellen zoals GPT, Claude en Gemini gebruik je alleen via de app of API van de maker, tegen betaling per gebruik en onder de voorwaarden van die maker.
Een nuance bij de naam: bij de meeste van deze modellen zijn alleen de gewichten vrijgegeven. De trainingsdata en trainingscode blijven bij de maker. "Open weights" is daarom de preciezere term. De licentie bepaalt wat je met het model mag doen, en die verschilt per familie.
Waarom kiezen bedrijven voor een open-source LLM?
Bedrijven kiezen een open-source LLM om vier redenen: controle over data, onafhankelijkheid van één leverancier, voorspelbare kosten en de mogelijkheid om het model aan te passen.
- Data blijft binnen: je kunt het model lokaal draaien, zodat klantdata en documenten je eigen omgeving niet verlaten
- Minder afhankelijkheid: een model dat je hebt gedownload blijft werken, ook als de maker zijn prijzen of voorwaarden voor nieuwe versies wijzigt
- Voorspelbare kosten: je betaalt voor hardware, stroom en beheer, en geen bedrag per vraag
- Aanpasbaar: je kunt een open model bijtrainen op je eigen documenten en vakjargon
Welke open-source LLM's zijn er in 2026?
De vijf families die je in 2026 het vaakst tegenkomt zijn Mistral, Llama, Gemma, Qwen en DeepSeek. Ze verschillen in herkomst en in licentie. Dit overzicht heeft als peildatum oktober 2026.
| Familie | Maker | Land | Licentie |
|---|---|---|---|
| Mistral | Mistral AI | Frankrijk | Apache 2.0 voor Mistral Large 3 en Ministral 3 |
| Llama | Meta | Verenigde Staten | Llama 4 Community License (eigen licentie van Meta) |
| Gemma | Verenigde Staten | Apache 2.0 sinds Gemma 4 | |
| Qwen | Alibaba Cloud | China | Apache 2.0 voor de open modellen |
| DeepSeek | DeepSeek | China | MIT voor DeepSeek V4 |
Mistral (Frankrijk). Mistral AI is een Frans bedrijf. Mistral Large 3 en de kleinere Ministral 3-modellen (3B, 8B en 14B) verschenen op 2 december 2025 onder Apache 2.0. Voor organisaties die bij voorkeur bij een Europese leverancier inkopen is Mistral de eerste kandidaat.
Llama (Meta, VS). Llama valt onder een eigen licentie van Meta, de Llama Community License. Commercieel gebruik is toegestaan. Alleen partijen met meer dan 700 miljoen maandelijkse gebruikers moeten bij Meta een aparte licentie aanvragen.
Gemma (Google, VS). Gemma 4 verscheen op 2 april 2026 in vier maten, van modellen voor telefoons en laptops tot modellen voor werkstations. Volgens Google is Gemma 4 getraind op meer dan 140 talen. Het is de eerste Gemma-generatie onder Apache 2.0.
Qwen (Alibaba Cloud, China). De Qwen-familie heeft maten voor elk hardwareprofiel. Het Qwen-team brengt zijn open modellen uit onder Apache 2.0.
DeepSeek (China). DeepSeek brengt de V4-modellen uit onder de MIT-licentie, een van de ruimste licenties die er bestaan.
Bij Qwen en DeepSeek weegt voor een deel van de organisaties de Chinese herkomst mee, bijvoorbeeld door inkoopbeleid of eisen van opdrachtgevers. Draai je het model lokaal, dan blijft je data hoe dan ook in je eigen omgeving.
Open of gesloten model: wanneer kies je wat?
Kies een open model als je data binnen je eigen omgeving moet blijven of als je de AI elke dag intensief gebruikt. Kies een gesloten model als je de hoogste kwaliteit nodig hebt voor complexe analyse of als je snel wilt starten zonder eigen hardware.
| Situatie | Logische keuze |
|---|---|
| Gevoelige data (zorg, juridisch, finance) | Open model, lokaal |
| Incidenteel gebruik zonder gevoelige data | Gesloten model via de cloud |
| Intensief dagelijks gebruik | Open model op eigen hardware doorrekenen |
| Complexe analyse waar kwaliteit vooropstaat | Gesloten topmodel |
| Onafhankelijk blijven van één leverancier | Open model |
Beide combineren kan ook: gevoelige processen op een open model, generiek werk in de cloud. Hoe je cloud-AI zorgvuldig inricht lees je in AVG-proof AI gebruiken in je bedrijf.
Hoe kies je een open-source LLM voor je bedrijf?
Je kiest een open-source LLM aan de hand van vier vragen: de taak, de taal, de hardware en de eisen van je sector.
1. Wat moet het model doen? Mail beantwoorden en documenten samenvatten vraagt minder van een model dan juridische analyse. 2. In welke taal? Test Nederlandse prestaties altijd met je eigen materiaal. Benchmarks zijn vrijwel altijd Engelstalig en zeggen weinig over jouw offertes en klantmails. 3. Op welke hardware? Grotere modellen vragen meer geheugen en een zwaardere machine. Begin met een middenmaat en schaal op als de kwaliteit tekortschiet. 4. Welke eisen stelt je sector? Controleer de licentie en je inkoopbeleid. Wie een Europese leverancier wil, komt uit bij Mistral.
Deze keuze is omkeerbaar. Een nette implementatie scheidt de agent (je processen, koppelingen en kennis) van het model eronder, zodat je later van model wisselt zonder opnieuw te beginnen.
Welke risico's heeft een open-source LLM?
Een open-source LLM vraagt zelf beheer. Vier punten horen op je lijst:
- Updates: modellen en de software eromheen krijgen nieuwe versies; spreek af wie die bijhoudt
- Beveiliging: een lokaal model is zo veilig als de server waarop het draait
- Kwaliteitsbewaking: test bij livegang en bij elke modelwissel met je eigen praktijkcases
- Licentie: lees de licentie van het exacte model en de exacte versie die je gebruikt
Dit zijn precies de punten die we bij een implementatie op eigen infrastructuur inregelen, inclusief kennisoverdracht zodat je er zelf grip op houdt. Zo wordt een open model de motor achter je AI automatisering.
Veelgestelde vragen
Wat is het verschil tussen een open-source LLM en ChatGPT? Een open-source LLM download je en draai je op eigen hardware. ChatGPT is een dienst van OpenAI die je via een app of API gebruikt, waarbij je vragen op de servers van OpenAI worden verwerkt.
Mag ik een open-source LLM commercieel gebruiken? Bij Apache 2.0 en MIT mag dat. Stand oktober 2026 gelden die licenties voor Gemma 4, de open Qwen-modellen, Mistral Large 3 en DeepSeek V4. Llama staat commercieel gebruik toe onder de eigen licentie van Meta. Controleer altijd de licentie van de exacte versie.
Wat is het beste open-source model voor Nederlands? Dat verschilt per release en per taak. Google meldt dat Gemma 4 op meer dan 140 talen is getraind, en Mistral is een Europese maker. Test twee of drie modellen met je eigen Nederlandse documenten en vergelijk de uitkomsten.
Kan ik een open-source LLM trainen op mijn eigen data? Ja. De lichte variant sluit je documenten aan als kennisbank, de zware variant is fine-tunen op je eigen teksten. Begin met de kennisbank: die is sneller op te zetten en eenvoudiger bij te werken.
Heb ik een eigen server nodig voor een open-source LLM? Voor zakelijk gebruik met meerdere gebruikers wel. De kleinste modellen draaien op een laptop, wat genoeg is om te testen. Lees meer over AI op een eigen server.
Zelf aan de slag?
Lees hoe AI op een eigen server werkt in de praktijk, bekijk onze AI agent implementatie of plan een vrijblijvend gesprek. Eerst zelf AI-vaardig worden? Dat kan met een 1-op-1 AI training van 3 uur, vanaf €449 ex btw.
