AI-modellen zijn de kern van moderne AI-tools zoals ChatGPT, Claude en Gemini. Op deze pagina krijg je een actueel overzicht van de belangrijkste AI-modellen die er voor professioneel werk toe doen, hun versies van mei 2026 en welk model bij welk soort werk past.
Het AI-landschap verandert snel. Tussen januari en mei 2026 zijn er nieuwe versies uitgekomen van vrijwel elk groot AI-model, waaronder Claude Opus 4.7 (16 april 2026), GPT-5.5 (23 april 2026) en Gemini 3.1 Pro (19 februari 2026). Wie nu kiest voor één AI-model, kiest niet voor de eeuwigheid; de keuze die vandaag logisch is, kan over een half jaar herzien moeten worden.
Wat zijn AI-modellen?
AI-modellen zijn de onderliggende systemen die taal, beeld of code genereren op basis van een prompt. Een AI-model is geen app of website, maar een getraind systeem dat patronen heeft geleerd uit grote hoeveelheden data en op basis daarvan voorspellingen doet over het volgende woord, beeld of stuk code. ChatGPT is geen AI-model; ChatGPT is een tool die gebouwd is bovenop het AI-model GPT van OpenAI. Hetzelfde geldt voor Claude.ai (de tool) versus Claude Opus 4.7 (het model).
De AI-modellen op deze pagina zijn allemaal large language models, getraind op tekst en daarom sterk in schrijven, samenvatten, vertalen en analyseren. Beeldgeneratiemodellen zoals DALL-E en Midjourney zijn ook AI-modellen, maar vallen buiten de scope van dit overzicht.
AI-modellen versus AI-tools
Het verschil tussen AI-modellen en AI-tools verwart veel mensen, terwijl het belangrijk is voor je keuze. Een AI-model is de motor; een AI-tool is de auto eromheen. Eén AI-model kan gebruikt worden door meerdere tools, en één tool kan onder de motorkap meerdere modellen gebruiken.
Microsoft Copilot is een goed voorbeeld. Copilot is een AI-tool die afhankelijk van de taak gebruikmaakt van OpenAI-modellen, eigen Microsoft-modellen en Anthropic-modellen via een directe samenwerking. De gebruiker ziet één interface, maar onder de motorkap wisselen de modellen.
Voor jou als professional betekent dit dat de vraag “welke AI-tool gebruik ik” niet hetzelfde is als “welk AI-model gebruik ik”. De tool bepaalt de werkomgeving en de integraties; het AI-model bepaalt de kwaliteit van de output.
Closed source en open source AI-modellen
De AI-modellen die professionals dagelijks gebruiken vallen in twee groepen: closed source modellen van commerciële aanbieders en open source modellen die je in principe zelf kunt hosten. Closed source betekent dat de gewichten en architectuur van het model niet publiek zijn; je gebruikt het model via een interface of API van de aanbieder. Open source betekent dat je het model kunt downloaden, draaien op eigen infrastructuur en aanpassen waar nodig.
Bij closed source AI-modellen vinden professionals het meeste gebruiksgemak: een gepolijste interface, integraties met bestaande software en weinig technische opzet. Bij open source AI-modellen krijg je meer controle over data en hosting, maar staat er meer op je eigen schouders. Voor de meeste kenniswerkers is closed source de logische start. Voor organisaties met strenge privacy-eisen of grote API-volumes wordt open source een serieuze overweging vanwege datalocatie en lagere variabele kosten.
Deze pagina behandelt beide groepen, met de focus op concrete LLM’s. Bredere AI-categorieën zoals machine learning, deep learning en de scheiding tussen narrow en general AI vallen onder soorten AI als overkoepelend onderwerp en blijven hier buiten beeld.
De grote AI-modellen voor zakelijk gebruik
De grote AI-modellen voor zakelijk gebruik zijn de commerciële LLM’s van OpenAI, Anthropic, Google en xAI, plus de eigen modellen van Microsoft die via Copilot beschikbaar zijn. Deze modellen worden door professionals wereldwijd gebruikt en zijn de eerste keuze voor wie zonder technische opzet snel met AI wil werken. Per AI-model staat hieronder de actuele versie van mei 2026, de kerneigenschap en wanneer dit model logisch is.
GPT-modellen van OpenAI
GPT-modellen van OpenAI zijn de bekendste AI-modellen ter wereld en zitten onder ChatGPT. De huidige versie is GPT-5.5, uitgekomen op 23 april 2026, met daarnaast een duurdere variant GPT-5.5 Pro. GPT-5.5 was de eerste volledig hertrainde basisversie sinds GPT-4.5 en bracht een sprong in agentische taken, contextlengte (1 miljoen tokens) en computergebruik.
De sterkte van GPT zit in de breedte: voor algemene schrijftaken, brainstormen, snelle vragen en agentische workflows is GPT een logische keuze. Mijn overstap van ChatGPT naar Claude had te maken met andere kwaliteiten dan deze breedte. Voor wie net begint met ChatGPT of vooral korte interacties heeft, blijft het model vaak het meest toegankelijke startpunt.
Voor wie eerder met GPT werkte: GPT-5.5 voelde voor mij eerder als verfijning dan als doorbraak ten opzichte van GPT-5.4. Het model is iets sneller en gaat iets beter om met context, maar het basisniveau van redenering en zelfcontrole is niet wezenlijk veranderd. Dat is een nuance die in de release-communicatie vaak wegvalt. In de ChatGPT cursus bouw je een vaste werkwijze rond GPT-modellen op, met controlepunten die helpen om de nuance tussen versies in je eigen werk te beoordelen.
Claude-modellen van Anthropic
Claude-modellen van Anthropic zijn de directe concurrent van GPT en hebben een sterke positie verworven onder professionals die langere documenten verwerken of code schrijven. Claude van Anthropic bestaat in drie varianten: het flagship Opus, het snellere Sonnet en het lichte Haiku. De huidige flagship-versie is Claude Opus 4.7, uitgekomen op 16 april 2026.
De kerneigenschap van Claude is dat het model langere context goed vasthoudt en zich strikter aan instructies houdt dan andere AI-modellen. In mijn eigen werk met Claude valt op dat het model minder vaak doorbluft bij feitelijke onzekerheid en eerlijker aangeeft wat het niet weet, waar GPT eerder geneigd is een overtuigend maar incorrect antwoord te geven. De keuze tussen de drie Claude modellen is een afweging tussen Opus voor de zwaarste analyses, Sonnet als prijs-kwaliteit-keuze voor dagelijks werk en Haiku voor taken waar snelheid belangrijker is dan redeneringskracht.
Bij de overstap van Opus 4.6 naar 4.7 viel mij op dat de antwoorden langer en breedsprakiger werden, en dat het model sneller meepraat met de gebruiker dan in 4.6 het geval was. Dat is een versie-specifieke observatie die niet in elke tool-vergelijking opduikt, maar voor wie Claude dagelijks gebruikt wel het verschil maakt. Een nieuwe modelversie is niet automatisch een betere modelversie. De Claude cursus leert je werken met Projects, Artifacts en systeemprompts, met een werkwijze die overeind blijft als Anthropic morgen een nieuwe modelversie uitbrengt.
Gemini-modellen van Google
Gemini-modellen van Google zijn de derde grote speler en hebben hun positie sterk verbeterd in 2026. Google Gemini in de huidige versie 3.1 Pro (19 februari 2026) onderscheidt zich op drie punten: een contextvenster van 1 miljoen tokens, native multimodaliteit (tekst, beeld, audio en video) en een aantrekkelijke prijs voor API-gebruik vergeleken met GPT en Claude.
De sterkste positie van Gemini ligt in het Google Workspace-ecosysteem. Wie dagelijks in Gmail, Docs en Sheets werkt, heeft Gemini direct binnen die omgeving beschikbaar voor samenvatten, analyseren en opstellen van conceptteksten. Voor spreadsheet-analyses binnen Google Sheets gebruik ik soms Gemini, omdat de integratie met de data zonder extra stappen werkt.
Microsoft-modellen en Copilot
Microsoft heeft eigen AI-modellen onder de namen Phi (kleine modellen voor lokaal gebruik) en MAI (grotere modellen voor algemeen werk). In de praktijk komen deze modellen bij eindgebruikers binnen via Microsoft Copilot, de AI-laag in Microsoft 365. Copilot zelf is geen los AI-model maar een orchestratie-tool die per taak switcht tussen Microsoft-modellen, OpenAI-modellen en Anthropic-modellen.
De positionering van Copilot is helder: dit is de AI-laag binnen Microsoft 365. Als je organisatie werkt met Word, Excel, Outlook en Teams, dan zit Copilot al in de bestaande werkomgeving. Dat scheelt een aparte tool-aankoop en losse training. De keerzijde is dat Copilot op generieke chat-taken minder uitgesproken is dan ChatGPT of Claude; voor het zware werk is een specifiek AI-model vaak een betere keuze.
Grok-modellen van xAI
Grok-modellen van xAI, het AI-bedrijf van Elon Musk, vormen de vijfde grote commerciële speler. De huidige beta-versie is Grok 4.3, uitgerold in april 2026 voor SuperGrok-abonnees. Grok van xAI onderscheidt zich op twee punten: directe integratie met realtime data van X (voorheen Twitter) en een minder gefilterde gespreksstijl dan andere AI-modellen.
Voor LearnLLM is Grok in beperkte mate getest om te begrijpen hoe het werkt en waar het past in een professionele toolstack. Voor zakelijk gebruik blijft Grok een nichekeuze: de realtime X-integratie is alleen relevant als jouw werk afhankelijk is van trending content op dat platform, en de minder gefilterde stijl is in de meeste professionele contexten een complicatie meer dan een voordeel.
Open source AI-modellen
Open source AI-modellen zijn AI-modellen waarvan de gewichten en architectuur publiek beschikbaar zijn, zodat iedereen ze kan downloaden, gebruiken en aanpassen. Voor professionals betekent open source twee dingen: je hebt meer controle over je data omdat je het AI-model zelf kunt hosten, en je betaalt geen tokenkosten aan een commerciële aanbieder. De keerzijde is dat je meer technische opzet nodig hebt en dat de prestaties voor de meeste taken nog iets achterlopen op de absolute top van closed source.
De drie belangrijkste open source AI-modellen voor professioneel gebruik zijn Llama van Meta, Mistral uit Frankrijk en DeepSeek uit China. Wie de beslissing tussen open source en gesloten AI-modellen scherper wil maken op data, kosten en prestaties, vindt daar een directe afweging tussen beide kampen.
Llama van Meta
Llama van Meta is het bekendste open source AI-model en wordt door veel ontwikkelaars gebruikt als basis voor afgeleide modellen. De huidige versie is Llama 4, met varianten Scout (17 miljard actieve parameters, contextvenster tot 10 miljoen tokens) en Maverick (17 miljard actieve parameters met 128 experts, 400 miljard totaal). Beide zijn uitgebracht op 5 april 2026.
De positie van Llama is uniek omdat Meta het model gratis beschikbaar stelt onder een licentie die commercieel gebruik toestaat tot een bepaalde schaal. Voor organisaties die zelf willen hosten, AI-functionaliteit willen integreren in eigen producten, of niet afhankelijk willen zijn van Amerikaanse cloud-aanbieders is Llama een serieuze optie. De prestaties van Llama 4 Maverick zijn op coderings- en redeneringsbenchmarks competitief met commerciële modellen zoals GPT-5.4.
Mistral uit Frankrijk
De Franse aanbieder Mistral is het belangrijkste Europese open source AI-model en positioneert zich expliciet als alternatief voor Amerikaanse en Chinese aanbieders. De huidige flagship-versie is Mistral Large 3, uitgekomen op 4 december 2025, met 675 miljard totale parameters en 41 miljard actieve parameters via een mixture-of-experts architectuur. Het model is uitgebracht onder de Apache 2.0-licentie, wat volledig commercieel gebruik toestaat.
Voor Nederlandse en andere Europese organisaties is Mistral relevant vanwege de Europese herkomst. Datalocatie binnen de Europese Unie is bij Mistral makkelijker te garanderen dan bij Amerikaanse of Chinese aanbieders, en het bedrijf positioneert zich actief op naleving van de Europese AI Act.
DeepSeek uit China
Het Chinese DeepSeek is in 2025 en 2026 hard binnengekomen op de open source markt met agressieve prijzen en sterke benchmarkscores. De huidige versie is DeepSeek V4, uitgekomen op 24 april 2026, met 1,6 biljoen totale parameters onder een MIT-licentie. Voor pure benchmarkscores op coderingstaken is V4 een van de sterkste open source AI-modellen in mei 2026.
De keerzijde is geopolitiek en privacy-gerelateerd. Voor Nederlandse organisaties die werken met persoonsgegevens of bedrijfsgevoelige informatie is een Chinees model via een Chinese cloud een serieuze beperking, ongeacht de technische prestaties. Wie DeepSeek zelf hostet op eigen infrastructuur omzeilt het privacyprobleem, maar dan ben je terug bij de open source vraag of je organisatie de technische opzet aankan.
Welk AI-model kies je voor welk werk?
Het beste AI-model voor jou is afhankelijk van het type werk dat je doet, niet van een algemene “winnaar”. Veel overzichten beoordelen AI-modellen op abstracte benchmarks, terwijl voor het dagelijkse werk van een professional vooral vier vragen tellen:
- Wat is de aard van je werk?
- In welke softwareomgeving werk je?
- Hoe streng zijn je privacy-eisen?
- Hoe snel veranderen je use cases?
Hieronder per werksoort welk AI-model logisch is.
Schrijven en lange documenten
Voor schrijfwerk en het verwerken van lange documenten is Claude in mijn ervaring het sterkste AI-model. Claude verliest minder context bij lange documenten dan ChatGPT en houdt zich strikter aan toon- en stijlinstructies, wat scheelt in correctierondes. Voor wie regelmatig contracten, jaarverslagen of lange klantbriefings analyseert, weegt dat verschil snel op tegen het iets hogere prijspunt.
GPT is hier een goede tweede en in veel gevallen voldoende. Het verschil wordt vooral zichtbaar bij langere conversaties of bij heel specifieke schrijfvoorkeuren. Voor wie net begint met AI-schrijven is GPT een logische instap; wie er dagelijks intensief mee werkt en de volgende stap wil zetten, vindt in Claude meestal het natuurlijke alternatief. Een complete Claude vs ChatGPT afweging op redeneringskwaliteit, contextvenster, prijs en privacy maakt dat keuzeproces concreter dan het hier in twee alinea’s kan.
Werken in Microsoft 365 of Google Workspace
Voor wie volledig in een specifieke kantooromgeving werkt, is de logische keuze het AI-model dat in die omgeving is geïntegreerd. Microsoft 365-gebruikers krijgen via Copilot toegang tot AI binnen Word, Excel, Outlook en Teams zonder een aparte tool te hoeven openen. Google Workspace-gebruikers krijgen Gemini binnen Gmail, Docs en Sheets met dezelfde naadloze integratie.
De ecosysteemkeuze weegt hier zwaarder dan de modelkwaliteit op zich. Een marginaal beter model in een aparte tab kan in de praktijk minder waarde leveren dan een iets minder sterk model dat direct in de bestaande werkomgeving zit. Voor de meeste kantoorprofessionals is dat een belangrijker factor dan benchmarkscores.
Onderzoek en bronverificatie
Voor onderzoekstaken waarbij actuele bronnen en verificatie belangrijk zijn, voldoen de standaard chat-modellen vaak niet. ChatGPT, Claude en Gemini hebben kennis met een afkapdatum en kunnen bij onderzoekvragen niet zelfstandig nieuwe bronnen aandragen, tenzij ze daarvoor specifieke webzoek-functionaliteit gebruiken.
Wie veel bronvergelijkend onderzoek doet, kan een onderzoek-georiënteerde tool zoals Perplexity overwegen, die bronnen direct toont in het antwoord. De afweging Perplexity vs ChatGPT komt neer op een keuze tussen actuele bronvermelding en bredere taalvaardigheid; voor het LearnLLM-platform geldt dat Perplexity beperkt is getest om te begrijpen hoe het past in een toolstack.
Programmeren en automatiseren
Voor programmeerwerk en het automatiseren van workflows zijn de toonaangevende AI-modellen in mei 2026 GPT-5.5 en Claude Opus 4.7, met Gemini 3.1 Pro als kostenefficiënt alternatief voor grote codebases. Welk model wint hangt af van het type code: voor agentische coderingsworkflows en terminal-werk leidt GPT-5.5; voor multi-file code-redenering en review-kwaliteit leidt Opus 4.7.
In de Python-integratie met de Claude API die op eigen VPS-infrastructuur draait, valt op dat Claude beter omgaat met instructies die meerdere stappen bevatten en eerlijker is over randgevallen. Dat is in productie-workflows belangrijker dan een paar procent verschil op een coderingsbenchmark, omdat een script dat fout-bewust is meestal minder onderhoud vraagt dan een script dat overtuigend de verkeerde uitkomst produceert.
AI-modellen en de Europese regelgeving
AI-modellen die je zakelijk gebruikt vallen sinds 2025 gefaseerd onder de Europese AI Act. De verordening is in augustus 2024 in werking getreden en gaat in stappen van kracht: vanaf 2 februari 2025 gelden de bepalingen over verboden praktijken en AI-geletterdheid, vanaf 2 augustus 2025 de regels voor general purpose AI-modellen (de modellen die op deze pagina staan), en vanaf 2 augustus 2026 de bepalingen voor hoog-risico AI-systemen. Voor de meeste kantoorprofessionals zijn vooral twee onderwerpen relevant.
EU AI Act in de praktijk
AI-modellen vallen onder de EU AI Act op basis van risicocategorie, niet op basis van het type model. De meeste toepassingen die professionals dagelijks gebruiken, zoals tekst opstellen, samenvatten en analyseren, vallen in de categorie minimaal of beperkt risico en hebben geen specifieke compliance-verplichtingen. Hoog-risico toepassingen zijn AI-systemen die beslissingen nemen over personen, zoals geautomatiseerde sollicitatieafhandeling, kredietwaardigheidsbeoordeling of medische diagnose-ondersteuning. Voor die categorie geldt een uitgebreid compliance-regime vanaf 2 augustus 2026.
Uit mijn jaren bij Rabobank, ABN Amro en Van Lanschot neem ik het compliance-denken mee naar AI-werk: de vraag is niet alleen of het mag, maar of je kunt verantwoorden waarom je het zo hebt ingericht. Voor AI-gebruik betekent dat helder vastleggen welke data in een model gaat, welke claims het model maakt en wie eindverantwoordelijk is voor de output.
Privacy en datalocatie
Privacy en datalocatie zijn de tweede beslissingsfactor voor de keuze van een AI-model. Niet elk AI-model verwerkt je data binnen de Europese Unie, en niet elk AI-model belooft dat je input niet wordt gebruikt voor toekomstige training. Voor wie werkt met persoonsgegevens of bedrijfsgevoelige informatie is dit een harde grens, geen detail.
De meeste commerciële AI-modellen bieden een zakelijke variant met sterkere privacy-garanties dan de consumentenversie. Voor ChatGPT is dat ChatGPT Enterprise, voor Claude de zakelijke variant van Claude.ai en de API met de juiste contractuele afspraken. Bij open source modellen die je zelf host blijft de data per definitie binnen je eigen infrastructuur. Welke AI-tools voldoen aan de AVG verschilt per leverancier en per abonnementsvorm.
Hoe leer je werken met een AI-model?
De belangrijkste stap om te leren werken met een AI-model is één model kiezen en daar een vaste werkwijze omheen bouwen. Springen tussen verschillende AI-modellen voor losse taken levert minder op dan één model goed leren kennen en je eigen processen erop inrichten. Pas als je werkwijze staat, wordt het zinvol om secundaire modellen toe te voegen voor specifieke taken.
De overstap van losse prompts naar gestructureerde workflows kwam in mijn werk niet uit één moment, maar uit fouten die in productie terechtkwamen, herhaling van dezelfde prompts en het besef dat klanten geen wisselende output accepteren. Dat dwingt tot vaste controlepunten in plaats van per taak opnieuw improviseren. De LearnLLM-aanpak is op dat principe gebouwd: één tool, een vaste werkwijze, en checkpoints die fouten opvangen voordat ze impact hebben.
De e-learnings van LearnLLM zijn opgebouwd rond dat principe. De ChatGPT e-learning en de Claude e-learning bouwen in zes modules een complete werkwijze rond één AI-model, inclusief een eindopdracht op basis van je eigen werk. Het volledige cursusoverzicht en de aanpak van LearnLLM sluit aan bij waar de meeste professionals tegenaan lopen: niet meer prompts kennen, maar dezelfde prompt elke dag op dezelfde manier kunnen herhalen met output die je kunt verantwoorden.
