Een LLM, voluit Large Language Model, is een groot taalmodel dat tekst genereert door steeds te voorspellen welk stukje tekst waarschijnlijk volgt. Een LLM leert dat door training op enorme hoeveelheden tekst, en wordt daarna bijgesteld tot een assistent die vragen beantwoordt.
Een LLM is niet hetzelfde als ChatGPT of Claude: het model is de motor, de app is het product eromheen. Er zijn meerdere modelfamilies, van gesloten modellen van OpenAI, Anthropic en Google tot open modellen die je zelf kunt draaien.
Een LLM heeft duidelijke grenzen. Zo garandeert een LLM geen feitelijke juistheid, kent alleen tekst tot de trainingsdatum en geeft op dezelfde vraag niet altijd hetzelfde antwoord.
Wat er met je invoer gebeurt, hangt af van het account: bij persoonlijke accounts kan de aanbieder je tekst gebruiken voor training, bij zakelijke accounts standaard niet. Die keuze bepaalt mee hoe je een LLM in je werk inzet.
Wat betekent LLM?
LLM staat voor Large Language Model, in het Nederlands een groot taalmodel: een AI-model dat tekst genereert door te voorspellen wat waarschijnlijk volgt, op basis van patronen uit een enorme hoeveelheid trainingstekst.
“Large” slaat op twee dingen: het aantal parameters, de instelbare waarden in het model die in de miljarden lopen, en de hoeveelheid tekst waarop het model is getraind. Een LLM is een vorm van generatieve AI die zich richt op taal, waar andere generatieve modellen beeld, audio of video maken.
Hoe werkt een LLM?
Een LLM werkt door tekst op te knippen in kleine stukjes en telkens het meest waarschijnlijke volgende stukje te kiezen. Wat het model daarvoor nodig heeft, leert het in drie stappen.
Hoe wordt een LLM getraind?
Een LLM wordt getraind door het steeds het volgende stukje van bestaande teksten te laten voorspellen en het model bij te stellen als die voorspelling niet klopt. Na miljarden van die stappen heeft het model patronen in taal vastgelegd: grammatica, stijl, verbanden tussen begrippen en veel feitelijke kennis.
Die kennis is een verzameling patronen, geen database met feiten. Het model kent bovendien alleen tekst tot de datum waarop de training stopte.
Wat zijn tokens in een LLM?
Tokens zijn de stukjes tekst waarmee een LLM rekent: een heel woord of een deel ervan. Het model voorspelt token voor token wat volgt, telkens met alle voorgaande tekst als context.
De architectuur die dat mogelijk maakt, is de transformer, beschreven door onderzoekers van Google in 2017. Diezelfde transformer staat in de afkorting als je nagaat waar GPT voor staat.
Hoe wordt een LLM een assistent?
Een LLM wordt een assistent door aanvullende training op instructies en op beoordelingen door mensen. Zonder die fase maakt een model alleen teksten af en beantwoordt het geen vragen. Die tweede fase verklaart een groot deel van hoe ChatGPT werkt in een gesprek.
Wat is het verschil tussen een LLM en ChatGPT?
Het verschil tussen een LLM en ChatGPT is dat het LLM het model is en ChatGPT het product eromheen. Het product voegt een interface toe, een verborgen systeeminstructie, geheugen tussen gesprekken en tools zoals zoeken op internet of bestanden lezen.
Daarom geeft hetzelfde model in de app een ander antwoord dan via de API, de koppeling waarmee ontwikkelaars het model rechtstreeks aanroepen. Wat in claude.ai werkt, werkt bij mij niet altijd identiek via de API, omdat de systeemprompt en de interface-context daar ontbreken. Wie ChatGPT als product wil begrijpen, moet dus beide lagen uit elkaar houden.
Welke LLM’s zijn er?
Er zijn zes LLM-families die voor Nederlandse professionals het meest relevant zijn:
- GPT van OpenAI, het model achter ChatGPT.
- Claude van Anthropic, beschikbaar via claude.ai en via de API.
- Gemini van Google, ingebouwd in Google Workspace en de Gemini-app.
- Llama van Meta, met openbaar gedeelde modelgewichten; sinds april 2026 brengt Meta daarnaast de Muse-modellen uit, waarvan alleen Muse Glimmer open-weight is.
- Mistral van het Franse Mistral AI, deels open en deels gesloten.
- DeepSeek van het gelijknamige Chinese bedrijf, met openbare modelgewichten.
Het belangrijkste onderscheid tussen die families is open of gesloten. Een gesloten model gebruik je via de dienst van de maker; een open model kun je op eigen servers draaien, zodat je tekst de organisatie niet verlaat. De afweging tussen open source AI en gesloten modellen gaat vooral over controle over je data tegenover gemak en kwaliteit.
Wat kan een LLM niet?
Een LLM kan vier dingen niet die gebruikers er vaak wel van verwachten:
- Feitelijke juistheid garanderen: het model genereert wat waarschijnlijk klinkt, ook als dat niet klopt.
- Actuele informatie geven: zonder zoekfunctie kent het model niets wat na de trainingsdatum is gebeurd.
- Betrouwbaar rekenen: berekeningen gaan vaker mis tenzij het product een rekentool inschakelt.
- Bronnen controleren: een model kan een bron noemen die niet bestaat, en merkt dat zelf niet op.
Het eerste en het laatste punt samen heten AI hallucinatie. In de periode dat ik intensief met ChatGPT werkte, zag ik dat patroon terugkomen: onderzoeken die bij verificatie niet bestonden, en zoekvolumes voor zoekwoorden terwijl het model geen enkele koppeling met een keyword-tool had.
Waarom geeft een LLM steeds een ander antwoord?
Een LLM geeft steeds een ander antwoord omdat het bij elk token kiest uit meerdere waarschijnlijke opties, met een instelbare mate van willekeur. Kleine verschillen in het begin van een antwoord groeien door naar een andere formulering, soms naar een andere conclusie.
Zelfs met de willekeur laag ingesteld geeft de Claude API in mijn eigen scripts niet altijd identieke output op dezelfde input. Voor werk betekent dat: verwacht niet één goed antwoord, maar gebruik een vaste prompt, eventueel met voorbeelden via few-shot prompting, en controleer de uitkomst, zeker bij taken die elke keer hetzelfde resultaat moeten geven.
Wat gebeurt er met tekst die je in een LLM invoert?
Tekst die je in een LLM invoert, wordt verwerkt op de servers van de aanbieder, en bij persoonlijke accounts kan de aanbieder die tekst gebruiken om toekomstige modellen te trainen. Bij ChatGPT staat dat voor persoonlijke accounts standaard aan en kun je het uitzetten in de instellingen; bij de consumentenabonnementen van Claude hangt het af van je instelling.
Voor zakelijke accounts en de API gebruiken OpenAI en Anthropic de invoer standaard niet voor training. Zet daarom geen cliëntgegevens of vertrouwelijke stukken in een persoonlijk account.
Wat betekent een LLM voor je werk?
Een LLM is voor je werk een snelle schrijver en een onbetrouwbare feitenbron tegelijk. Een LLM levert in seconden een eerste versie, een samenvatting of een structuur, maar het oordeel over wat klopt blijft bij jou. Wie dat onderscheid kent, zet een LLM in waar het goed in is en controleert de rest.
De AI-geletterdheid cursus van LearnLLM gaat over precies die basis: hoe een Large Language Model tekst maakt, waar het fout gaat en hoe je een LLM zo gebruikt dat je de output kunt verantwoorden.
