Wat is een LLM (large language model)?
Een LLM (large language model) is een AI-model dat is getraind op grote hoeveelheden tekst en daardoor taal kan begrijpen en genereren. Het voorspelt op basis van context het meest waarschijnlijke vervolg, en kan zo vragen beantwoorden, samenvatten en code schrijven. Bekende LLM's zijn Claude, GPT en Gemini. Je kunt ze in de cloud of self-hosted draaien.
Wat een LLM is.
Een LLM is in de kern een tekstvoorspeller, maar dan een heel geavanceerde. Tijdens de training heeft het model patronen geleerd uit enorme hoeveelheden tekst: hoe zinnen lopen, hoe concepten samenhangen, hoe een antwoord eruitziet. Daardoor kan het op een vraag een antwoord formuleren dat klopt en natuurlijk leest, woord voor woord opgebouwd op basis van wat het meest waarschijnlijk past.
Belangrijk om te snappen: een LLM "weet" niets in menselijke zin. Het rekent met waarschijnlijkheden. Dat verklaart zowel de kracht (vloeiende, bruikbare taal over bijna elk onderwerp) als de zwakte (het kan met overtuiging iets verkeerds beweren, een hallucinatie).
Hoe een LLM werkt.
Tekst wordt opgeknipt in stukjes, tokens genoemd, en het model voorspelt steeds het volgende token op basis van alles ervoor. Doe dat duizenden keren achter elkaar en er ontstaat een volledig antwoord. De "context" die je meegeeft, je vraag plus eventuele documenten, bepaalt waar het model op stuurt. Dat is ook waarom de manier waarop je een LLM aanstuurt zo veel uitmaakt. Goede instructies geven het model richting, en daar gaat prompt engineering over. En het is de reden dat een LLM pas echt waardevol wordt als hij toegang krijgt tot jouw eigen data, in plaats van alleen zijn trainingskennis.
Bekende LLM's.
De bekendste families zijn Claude (Anthropic), GPT (OpenAI) en Gemini (Google). Ze verschillen in sterktes: de een redeneert dieper, de ander is sneller of goedkoper, een derde gaat beter om met lange documenten. Er is geen "beste" LLM in het algemeen, alleen het beste model voor een specifieke taak. Die nuance is precies waarom model-onafhankelijkheid telt. Bouw je je software vast op één model, dan zit je eraan vast bij prijswijzigingen of als een ander model beter wordt. Kies je per use case, dan blijf je flexibel.
Cloud versus self-hosted.
Je kunt een LLM in de cloud gebruiken via een API van de leverancier, of self-hosted op je eigen infrastructuur draaien. Cloud is vaak sneller en goedkoper om mee te starten en geeft je toegang tot de krachtigste modellen. Self-hosted geeft maximale controle over data en governance, wat telt bij strikte privacy- of compliance-eisen. Het is een bewuste afweging per project, geen automatische keuze.
LLM's in software integreren.
Een LLM wordt pas nuttig als hij meedraait in je eigen software en processen, niet als losse chat. Dan beantwoordt hij vragen op basis van jouw documentatie, vat hij dossiers samen of voert hij taken uit binnen je systemen. Dat koppelen, en het veilig houden ervan, is waar Cube AI in bestaande software bouwt.
Benieuwd naar de toegevoegde waarde van een LLM voor jouw organisatie? Wij ook.
Dit sluit mooi aan...
Wat is AI assisted coding?
Ontdek hoe AI assisted coding developers ondersteunt bij repetitieve taken, waarom menselijke expertise onmisbaar blijft en welke productiviteitswinst je realistisch kunt verwachten.
Wat is AI debugging? Definitie en uitleg.
Ontdek hoe AI assisted coding developers ondersteunt bij repetitieve taken, waarom menselijke expertise onmisbaar blijft en welke productiviteitswinst je realistisch kunt verwachten.
Self-hosted versus cloud LLMs: wat is het verschil?
Ontdek de verschillen tussen cloud- en self-hosted LLM’s en leer wanneer snelheid, kosten, controle of privacy de doorslag geven bij jouw keuze.
Vragen over LLMs? Geen probleem.
AI is de overkoepelende term voor systemen die taken uitvoeren waarvoor normaal menselijke intelligentie nodig is. Een LLM is één specifiek soort AI, gericht op taal. Elke LLM is AI, maar niet alle AI is een LLM. Beeldherkenning is bijvoorbeeld ook AI, maar geen LLM.
Ja. Er zijn open modellen die je op eigen infrastructuur kunt draaien voor maximale controle over data. Dat vraagt wel rekenkracht en beheer. Cloud-modellen zijn vaak praktischer en krachtiger om mee te starten. De keuze hangt af van je privacy-eisen, budget en governance.
Er is geen beste LLM in het algemeen. Het hangt af van de taak: het ene model redeneert dieper, het andere is sneller of goedkoper of beter met lange documenten. Daarom kies je per use case en houd je je software model-onafhankelijk, zodat je flexibel blijft.