Lotook
Om de paar weken staat er een nieuw model bovenaan een ranglijst en volgt dezelfde vraag: moet je overstappen? Mijn eerlijke antwoord is bijna altijd dat het afhangt van wat je ermee doet, en dat het nieuwste model zelden het beste vertrekpunt is.
Er bestaat niet één beste AI-model. Er bestaat wel een model dat het beste past bij jouw taak, budget en beperkingen. Deze gids beschrijft de aanpak die ik zou gebruiken om te kiezen, plus een snelle test die je kunt uitvoeren voordat je geld of code aan één aanbieder verbindt.
De stand van zaken dit najaar
In het najaar van 2026 brachten de grootste onderzoekslabs elk een nieuwe generatie uit, allemaal binnen ongeveer een maand.
- Anthropic bracht Claude Opus 5.5 uit op 22 september en Claude Sonnet 5.5 op 28 september. Volgens Anthropic presteert Opus 5.5 bij het meeste werk op het niveau van Claude Fable 5.1, tegen 40% lagere kosten dan Opus 5, en is Sonnet 5.5 meer dan 30% sneller dan Sonnet 5.
- Google kondigde Gemini 4 Argon op 30 september aan, aanvankelijk voor een groep specialisten in cyberbeveiliging. Op 13 oktober maakte het bedrijf het model via zijn API wereldwijd beschikbaar voor ontwikkelaars en bedrijven, en ook voor betaalde abonnees van de Gemini-app.
- OpenAI lanceerde begin september GPT-6 Astra en op 22 september de kleinere modellen GPT-6 Sol en Luna. Op 7 oktober meldde het bedrijf dat de nieuwe modellen beschikbaar zouden komen voor ChatGPT-gebruikers met zowel een gratis als een betaald abonnement.
Ook families met open gewichten zoals DeepSeek en Qwen brachten in de zomer en het najaar nieuwe versies uit. Meer over de veranderingen lees je in ons overzicht van de modelreleases van najaar 2026 en ons artikel over de modellen met open gewichten van dit jaar.
Tegen de tijd dat je dit leest, zijn sommige van die namen alweer veranderd. De vragen hieronder niet. Daarom zijn ze een beter vertrekpunt dan welke lijst met winnaars dan ook.
Begin bij de taak, niet bij de ranglijst
Schrijf voordat je modellen vergelijkt op wat je een model daadwerkelijk wilt laten doen. De meeste toepassingen vallen in een paar categorieën:
- Schrijven en redigeren: eerste versies, herschrijvingen, samenvattingen, vertalingen.
- Analyse en onderzoek: lange documenten lezen, bronnen vergelijken, vragen over gegevens beantwoorden.
- Programmeren: code schrijven, uitleggen, beoordelen en herstellen.
- Extractie en classificatie: velden uit documenten halen, tickets labelen, berichten doorsturen.
- Gesprekken: chat met klanten, waarbij toon, veiligheid en consistentie belangrijker zijn dan pure intelligentie.
- Agenten: taken met meerdere stappen waarbij het model zelfstandig hulpmiddelen gebruikt. Ons artikel over wat een AI-agent is legt uit waarin deze verschillen.
Deze stap klinkt vanzelfsprekend, maar de meeste mensen slaan hem over. Een model dat uitblinkt in ingewikkeld redeneren kan overdreven krachtig en te duur zijn voor het labelen van supporttickets. Een klein, snel model dat perfect is voor labelen kan vastlopen op een contract van 60 pagina’s.
Zes vragen die de keuze bepalen
1. Hoe moeilijk is de taak echt?
De meeste modelfamilies zijn er nu in verschillende niveaus: een groot topmodel, een middelgroot werkpaard en een klein, snel model.
| Niveau | Geschikt voor | Afweging |
|---|---|---|
| Topmodel | Complex redeneren, moeilijke code, lange agenttaken, analyses met grote gevolgen | Hoogste kosten, meestal het traagst |
| Middenklasse | Het meeste schrijfwerk, onderzoek, programmeerwerk en dagelijkse zakelijke taken | Mist soms subtiele problemen of problemen met meerdere stappen |
| Klein | Classificatie op grote schaal, extractie, automatisch aanvullen, eenvoudige chat | Minder sterk in nuance, lange documenten en redeneren |
Ik begin standaard in het midden en stap pas op als ik concrete fouten kan aanwijzen die het grotere model daadwerkelijk oplost. „Het voelt slimmer” is geen reden om meerdere keren zoveel te betalen.
2. Hoeveel ga je het gebruiken?
Als je een chatapp gebruikt, zijn de abonnementskosten je kosten en is deze vraag nauwelijks relevant. Als je met een API ontwikkelt, stijgen de kosten met het gebruik, gemeten in tokens. Uitvoertokens kosten meestal meerdere keren zoveel als invoertokens. Taken die veel schrijven kosten dus meer dan taken die veel lezen. Als je steeds dezelfde lange instructies verstuurt, kijk dan naar promptcaching. Heb je antwoorden niet meteen nodig, kijk dan naar tarieven voor batchverwerking.
Prijzen veranderen ook, soms volgens een schema. Google introduceerde Gemini 4 Argon tot en met 30 november 2026 met een API-introductietarief van $2 per miljoen invoertokens en $10 per miljoen uitvoertokens. Daarna is de standaardprijs volgens Google $4 en $20. Als je een budget voor volgend jaar opstelt, reken dan met de tweede prijs.
3. Hoe snel moet het zijn?
Een klant die in een chatvenster wacht, merkt elke seconde. Bij een rapport dat ’s nachts wordt gemaakt, is dat anders. Snelheid heeft twee kanten: hoe lang het duurt voordat de eerste woorden verschijnen en hoe snel de rest volgt. Topmodellen en „denkmodi” zijn vaak merkbaar trager, en bij interactieve toepassingen telt dat zwaarder dan een paar benchmarkpunten.
4. Hoeveel moet het in één keer lezen?
Het contextvenster beperkt hoeveel tekst het model in één keer kan meenemen: je instructies, het gesprek en eventuele documenten. Veel huidige modellen accepteren zeer lange invoer. Maar een groot venster betekent niet dat alles erin betrouwbaar wordt gebruikt. Als je werk afhangt van een detail dat op pagina 47 verborgen staat, test dan precies dat.
5. Waar mogen je gegevens naartoe?
Deze vraag sluit sneller opties uit dan welke andere ook, dus stel haar vroeg.
- Mag de aanbieder wat je verstuurt bewaren of gebruiken voor training onder het abonnement dat je daadwerkelijk gebruikt?
- Moeten je gegevens in een bepaald land of een bepaalde regio blijven?
- Vereisen contracten of regels specifieke certificeringen?
- Moet het model op je eigen infrastructuur draaien?
Als gegevens je omgeving niet mogen verlaten, zijn modellen met open gewichten die je zelf host misschien de enige geschikte optie. Onze gids over AI op het werk gebruiken zonder gevoelige gegevens te lekken beschrijft wat je moet controleren.
6. Waarop moet het aansluiten?
Een model werkt zelden alleen. Controleer of het ondersteunt wat je nodig hebt: hulpmiddelen gebruiken, gestructureerde uitvoer, afbeeldingen of audio, bestandsverwerking en het cloudplatform dat je bedrijf al gebruikt. De grote modellen zijn nu via meerdere clouds beschikbaar, maar functies verschijnen niet altijd overal op dezelfde dag.
Open gewichten of gesloten?
Gesloten modellen gebruik je via de app of API van een aanbieder. Bij modellen met open gewichten worden de gewichten gepubliceerd, zodat je ze zelf kunt downloaden en uitvoeren.
Gesloten modellen lopen meestal voorop bij de moeilijkste taken en vereisen geen eigen infrastructuur. Je ruilt controle in voor gemak.
Modellen met open gewichten geven je controle over je gegevens, voorspelbare kosten bij grote volumes en ruimte voor aanpassingen. Daar staat tegenover dat je zelf zorgt voor hosting, updates en veiligheidsmaatregelen. Lees ook de licentie. „Open” omvat alles van zeer ruim toegestaan tot behoorlijk beperkend.
Voor veel teams is het realistische antwoord allebei: een gesloten model voor moeilijk werk met een lager volume en een model met open gewichten voor taken met een hoog volume, gevoelige gegevens of kritische kosten.
Gebruik benchmarks om kandidaten te selecteren, niet als eindoordeel
Benchmarks zijn nuttig om het aantal kandidaten te beperken, met een paar kanttekeningen.
De scores die de maker van een model publiceert, zijn door die maker gekozen. Beschouw ze als beweringen totdat iemand anders ze reproduceert, net zoals je elk AI-antwoord op feiten zou controleren voordat je erop vertrouwt.
Onafhankelijke vergelijkingsdiensten helpen. Artificial Analysis meet intelligentie, snelheid en prijs van modellen en aanbieders. Arena, voorheen LMArena, rangschikt modellen op basis van stemmen van mensen bij blinde vergelijkingen naast elkaar. Beide zijn de moeite waard. Geen van beide weet iets over jouw taak.
En populaire benchmarks slijten. Als elk topmodel bij een test hoog in de 90 scoort, zeggen de verschillen niet veel meer.
De betrouwbaarste benchmark is je eigen werk.
Voer je eigen test van 30 minuten uit
Je hebt geen evaluatieteam nodig om een goede keuze te maken. Je hebt echte voorbeelden en een eerlijke vergelijking nodig.
- Verzamel 10 tot 20 echte voorbeelden van de taak, waaronder enkele rommelige of moeilijke. Verwijder eerst alles wat vertrouwelijk is.
- Schrijf voor elk voorbeeld op hoe een goed antwoord eruitziet, voordat je uitvoer ziet. Een korte checklist is genoeg: juiste feiten, juiste vorm, redelijke lengte, niets verzonnen.
- Test twee of drie kandidaatmodellen met dezelfde voorbeelden en dezelfde instructies.
- Vergelijk indien mogelijk blind. Plak de uitvoer zonder modelnamen in een document en beoordeel die aan de hand van je checklist. Je zult verbaasd zijn hoeveel invloed merknamen op je oordeel hebben.
- Noteer kosten en tijd voor elke test.
- Lees de fouten, niet alleen de gemiddelden. Eén zelfverzekerd fout antwoord in een gevoelige context kan zwaarder wegen dan een iets betere totaalscore.
Als twee modellen gelijk eindigen, kies dan het goedkopere of snellere model. Als het dure model alleen bij de moeilijkste gevallen wint, stuur dan alleen die gevallen ernaartoe.
Als je gewoon een vertrekpunt zoekt
- Voor jezelf: gebruik het standaardmodel van de assistent waarvoor je al betaalt. Schakel bij echt moeilijke problemen over naar het topmodel of de „denkmodus” en vraag een tweede aanbieder als er iets belangrijks op het spel staat. Verschil van mening tussen twee goede modellen is een nuttig signaal.
- Voor een klein team: kies één middenklassemodel als standaard via een goedgekeurd zakelijk abonnement en leg moeilijke gevallen voor aan een topmodel.
- Voor ontwikkelaars: gebruik een klein model voor classificatie en extractie op grote schaal, een middenklassemodel voor de meeste generatietaken en alleen een topmodel waar je eigen tests laten zien dat het zichzelf terugverdient.
Plan om opnieuw te kiezen
Modellen worden snel beter en goedkoper, dus beschouw dit als een beslissing met een houdbaarheidsdatum. Zet in productie een specifieke modelversie vast, zodat het gedrag niet ongemerkt verandert. Bewaar je testset, voer die opnieuw uit wanneer een nieuwe versie verschijnt en stap alleen over als het nieuwe model wint op je eigen voorbeelden. Ik zou een herinnering in mijn agenda zetten om dit eens per kwartaal te doen.
Bronnen
- Anthropic, Introducing Claude Opus 5.5, 22 september 2026, en Introducing Claude Sonnet 5.5, 28 september 2026
- Google, Gemini 4 Argon: our next era of frontier intelligence, 30 september 2026, en Gemini 4 Argon: Built to solve your hardest problems, 13 oktober 2026
- Google Cloud, Gemini 4 Argon available on Google Cloud, 13 oktober 2026
- TechCrunch, OpenAI launches GPT-6 Sol and Luna, 22 september 2026
- OpenAI, GPT-6 Sol and GPT-6 Luna: October 2026 update, 7 oktober 2026
- Artificial Analysis en Arena
