Europese Mistral brengt openweightmodel Large 4 met biljoen parameters uit

Het Franse Mistral heeft zijn krachtigste AI-model tot dusver aangekondigd, Large 4. Volgens de fabrikant presteert dit model beter dan alle andere openweightmodellen buiten China. Large 4 zou vooral goed presteren op het gebied van cybersecurity.

De Franse AI-maker trainde het multimodale Large 4-model in Europese datacenters met 3800 Nvidia Grace Blackwell-gpu's. Het model bestaat uit 49 miljard actieve en 1 biljoen totale parameters. Dat aantal zou hoger zijn dan dat van elk ander openweightmodel uit de VS en Europa. De meeste openweightmodellen komen echter uit China. Onder meer het Chinese DeepSeek heeft grotere openweightmodellen.

Mistrals vlaggenschip-llm zou vooral uitblinken in cybersecuritytaken. In de Artificial Analysis Cyber Index staat het model in de top 5, vlak achter OpenAI's GPT-6 Luna. Bij programmeertaken loopt het model nog wel enigszins achter op de concurrentie.

Large 4 is nu beschikbaar als preview. Mistral belooft het model op 27 oktober open source beschikbaar te stellen. Het is niet duidelijk onder welke opensourcelicentie. Het Large 3-model werd afgelopen december uitgebracht onder een Apache 2.0-licentie.

Artificial Analysis Cyber Index

Reacties (143)

[NoTechSupport]

Ik heb een abonnement bij Mistral voor mezelf persoonlijk wat te laten programmeren in VS Code via hun vibe plugin die als agent kan werken en ik vind het best goed (react Tauri app met tailwind). Ongetwijfeld niet het beste model, maar zeer bruikbaar.

[GewoonWatSpulle]

Als je niet anders gewend bent helemaal prima maar Luna is zo extreem goedkoop dat je veel meer waar uit je abonnement kan halen. Ik had ook Vibe maar met 2 wat grotere projecten verslikte die zich steeds vaker en ChatGPT Luna en Claude Sonnet hebben er geen enkele moeite mee. Voor mij prive nu alleen nog een ChatGPT abonnement vanwege Luna.

[Exirion]

Leuk al die gigantische modellen, maar daar kunnen alleen bedrijven en researchers met een leuk budget gebruik van maken. Onder de populairste open weight modellen zijn er veel die op een machine met 128GB of 256GB te draaien zijn. Hopelijk komt Mistral snel met een kleinere variant van hun nieuwe generatie, want de achterstand in Europa wordt steeds pijnlijker. Uit China komen aan de lopende band nieuwe modellen die steeds meer leveren met compactere netwerken. Voorlopig zie ik Europa nog geen antwoord hebben op bijvoorbeeld Qwen 3.8 Flash Next, DeepSeek V4 Flash (0731), DeepSeek V4.1 en GLM 5.3 Flash. Zeer goed bruikbare modellen voor technisch agentic werk en meer.

[YoMarK]

Mistral small 4 is anders ook een zeer goed bruikbaar model. Vibe CLI erbij, en je hebt best wat leuks. Verder kan je ook kijken naar welke voordelen een product van Europese bodem kan bieden, ipv je blind staren op allerhande benchmarks.

[Exirion]

Leuk voor hobbyisten, maar voor mensen die investeren in goeie hardware en er dagelijks mee werken, is ‘goed bruikbaar’ en ‘iets leuks’ niet goed genoeg. Dat heeft niks met benchmarks te maken, maar met praktijktests waarin ze falen waar andere modellen probleemloos slagen. Nu een paar maanden later zijn ze helemaal links en rechts ingehaald. Helaas, de harde realiteit.

[demianmonteverd]

Er is niemand die een SOTA model dat niet van mistral is in de EU lokaal kan draaien.

Mistral biedt dit wel aan met ondersteuning en begeleiding/advies voor de implementatie en integratie. Er zijn ook andere nemotron gebasseerde modellen die je lokaal kunt gebruiken natuurlijk, maar SOTA...?

Los daarvan, je kunt de hardware nauwelijks kopen, begin dit jaar, hoorde ik van een Brit dat het bedrijf waar hij voor werkte hardware kocht in de VS en dan naar UK stuurde. Dit was vorig jaar. In de UK konden ze het nauwelijks verkrijgen. Het is er niet beter op geworden.

[supersnathan94]

In de UK konden ze het nauwelijks verkrijgen.

UK is bij heel veel bedrijven een ondergeschikt land om te leveren distributie is erg veel gedoe en de afzetmarkt is relatief klein. Ook werkt het systeem gewoon niet goed meer mee en duren dingen erg lang.

Dus UK als vergelijking is ook niet helemaal eerlijk

[dmantione]

Chinese modellen zijn super, en voor veel taken prima te gebruiken, maar er zijn ook situaties waarbij je gegevens niet op het grondgebied van een vreemde mogendheid wilt hebben. Ik ben er voorstander van dat mensen zowel ervaring op doen met Chinese, Amerikaanse als Europese modellen, zodat je leert wat je er aan hebt en ook per taak kunt beslissen wat je gebruikt. Dit nieuwe model zie ik dan ook zeker niet als nutteloos.

[GoldenLeafBird]

Chinese modellen zijn super, en voor veel taken prima te gebruiken, maar er zijn ook situaties waarbij je gegevens niet op het grondgebied van een vreemde mogendheid wilt hebben.

We hebben het hier over lokale modellen, die je kan downloaden en compleet offline kan draaien. Jouw gegevens verlaten jouw apparaat niet als je dat doet.

Waar een model vandaan komt staat niet gelijk aan waar het gedraaid wordt als je een cloud provider hebt.

[dmantione]

Ik ben het met je eens dat een enorm voordeel van Chinese modellen is dat je ze lokaal kan draaien, echter, als je de hardeware-eisen bekijkt is dat vooralsnog voor een kleine minderheid haalbare kaart en voor persoonlijk gebruik is de investering doorgaans te hoog om dat rendabel te maken. Wellicht dat dit over een paar jaar anders is.

[GoldenLeafBird]

Misschien moeten we even een stapje terug nemen. Het maakt niet uit of een model Chinees, Frans, Amerikaans, of anders van herkomst is. Als het model open source of open weights is, kan je het in eigen beheer draaien.

Eigen beheer kan betekenen lokaal, eigen beheer kan betekenen op een server die je zelf hebt, of huurt.

Een Europese provider kan GLM, DeepSeek, MiMo, Mistral, zelf hosten en aanbieden. Maar zoals je elders al aangeeft is dat vaak niet financiëel aantrekkelijk tegenover abo's.
Abo's worden enorm gesubsidieerd. Anthropic, OpenAI, Alibaba, etc. gooien er echt eindeloze hoeveelheden geld tegen aan om jou maar in hun ecosysteem te krijgen, en tot op zekere hoogte toegang tot jouw data.
De API prijs is ook vele malen hoger dan de abo prijs bij die providers.

Wil je dat niet? Dan betaal je daarvoor.

[dmantione]

Ik ben beslist voorstander van modellen zelf gaan draaien, maar ik zie daar op dit moment weinig heil in. We leven in een wereld waar GPU's peperduur zijn, een RTX6000 wisselt op dit moment voor boven de €10000 van eigenaar. Als je minder hoge eisen hebt, is een RTX5090 of DGX Spark ook nog steeds geen koopje. Wat kan je dan draaien? Een vrij beperkt aantal modellen zoals Qwen 3.8 27B.

Als ik dat afzet tegen mijn totale uitgaven aan KI op dit moment: €30, waarvan €14 gebruikt, dan is lokaal draaien niet de meest slimme investering, ook al geloof ik daar zelf in. Laat ze maar subsidiëren voor hoe lang het duurt, als ze geld het raam uitgooien, dan kun je je voordeel doen door onder het raam te gaan bivakkeren... als je maar oppast voor de commerciële strategie die erachter zit.

Ik er daarom voor om op dit moment niet in zee te gaan met partijen die je abonnementen proberen aan te smeren: Doe je dat, dan ga je ook de tokens die je op dat abonnement hebt gebruiken, en gebruik je dus alleen maar KI van die ene partij. Je doet dan geen ervaring op welk model waar goed voor is. Het risico op lock-in is dan levensgroot.

Eén van de partijen die een tientje van me gehad hebben is het Zwitserse Public.AI, omdat dat aan de eisen voldoet: Proberen je geen abonnementen aan te smeren, en is een aanbieder geschikt voor de wat meer gevoelige data.

[tangentialdust]

Voor jou persoonlijke situatie komt het misschien niet uit maar 30 euro aan token kosten (ik neem aan per maand) is erg weinig vergeleken met hoe ik AI op werk gebruik. Een 27B paramater Qwen model kan zeker niet tippen aan een frontier model maar is volgens benchLM vergelijkbaar met een Sonnet 4.6/Gemini 3 Pro. Dus zeker bruikbaar voor simpel/medium simpele taken. Als je die token kosten kan afkopen met een RTX5090 kan dat al snel schelen, zelfs 10000 voor RTX6000 is niet gek als die modellen met meer parameters kan draaien.

[dmantione]

Ik heb mijn eerste tientje in juni uitgegeven, dus nee, niet per maand, geaggregeerd. Nu zitten in mijn persoonlijk gebruik ook de gratis modellen in OpenCode bij, Big Pickle kun je bijvoorbeeld best een hoop droog "bulkwerk" laten doen en je komt in ook aanraking met nieuwe modellen als Ox Alpha, MiMO en Space Bunny. Die zijn dan een paar weken gratis.

Die laatste modellen zijn volledig capabel en eigenlijk wel voor alles inzetbaar, behalve dan de eerder genoemde vertrouwelijke zaken. Alleen voor zeer specialistisch werk heb je wellicht de dure modellen nog nodig, maar dat komt zelden voor.

Om permanent toegang te houden is één van de andere partijen die ik een tientje heb gegeven B.AI. Je ziet daar dat Opus 5.5 maar liefst 286 keer duurder is dan MiMO 2.6 Flash (input) en Opus moet wel héél veel beter zijn omdat te verantwoorden. Nu is Opus ook beter, maar een paar benchmarkpunten laat zich maar moeilijk vertalen naar werkelijk praktijkvoordeel.. Die dure modellen gebruik ik daarom zeer zelden.

Wel zinnig is GPT Image waar je via B.AI ook toegang toe hebt. Als je dat in OpenCode een beetje slim inricht met een gespecialiseerde agent voor afbeeldingen, kunnen andere modellen dat aanroepen om afbeeldingen te genereren of wijzigen en dat komt in veel situaties goed van pas. Dat soort slimmigheden handig inzetten is veel belangrijker dan een model wat een paar punten slimmer of dommer is.

[tangentialdust]

Wij werken met grote codebases, om daar effectief designs in te maken voor nieuwe features moet je eigenlijk wel frontier models gebruiken. Dat is in ieder geval mijn ervaring, kleinere modellen kunnen niet de haken en ogen zien als de context ingewikkeld is. Heb dat wel geprobeerd maar kreeg dan vaak te maken met meerdere review en fix rounds waardoor ik uiteindelijk langer bezig was.

[dmantione]

Ik kan mij voorstellen dat een frontier-model op dat gebied voordelen heeft, maar ik zou dat niet als universele waarheid accepteren. Programmeursgeest blijft bij gebruik van KI belangrijk: Modulair ontwerp. Maak agenten aan en maak iedere agent eigenaar van zijn eigen module, andere agenten mogen alleen de interface bekijken en e.v.t. klagen met voorbeeldprogramma's als het niet werkt. Op manier kan ook een klein model overzicht houden over de programmacode die het beheert.

[tangentialdust]

Ik werk veel met de Matt Pocock skills, vooral grill-me voor design. Daar gebruik ik het liefst een zo groot mogelijk model voor die diepere reasoning maar dat is ook een deel gemakzucht. Kleinere veranderingen zouden waarschijnlijk ook gepland kunnen worden met kleinere modellen, het is gewoon makkelijker om een daarvoor eentje vast te zetten. Alles gaat in ieder geval naar een issue tracker die als "geheugen" fungeert voor de verschillende agent sessies. Sowieso nooit van de prompt direct naar code schrijven. Maakt me niet uit hoe goed een model zou zijn, zonder dat overzicht loopt het in mijn ervaring altijd wel ergens mis.

Een agent per module had ik nog niet zo over nagedacht en kan me voorstellen dat dat aardig zou werken inderdaad. Maar om dat in een bestaande codebase te bouwen lijkt me een flinke lift. Daarnaast lijkt het me ook een hoop management om al die module-agents up to date te houden van hun capabilities en contracten.

[n4m3l355]

Je hoeft er niet veel aan te tellen dat thuis een AI systeem draaien bij lange na niet rendabel is. Al neem je een DGX die 4000 euro kost daar kun je 200 maanden chatgpt voor betalen. Maar zoals je aangeeft dit houd natuurlijk ergens op, vroeger dan later zullen deze giganten of heel veel meer moeten vragen of ze vallen om. Echter op dat moment ga ik er dan ook vanuit dat de hardware weer naar een normaal prijs niveau gaat en dan is het wellicht wel interessant om zoiets thuis te draaien.

Als vraagje richting de mede-tweakers, als snelheid niet het meest belangrijke is, zou het een idee zijn om een 5090 te draaien met bijvoorbeeld 128/256 GB ram? En valt daar vervolgens grotere modellen mee te draaien al is het een heel stuk langzamer?

[dmantione]

Een 5090 zou bij grote modellen waarschijnlijk alleen maar bezig zijn met het uploaden en downloaden van data in plaats van rekenen, maar in theorie kan je modellen op CPU draaien. Wie weet doet een Epyc 9965 met 384 kernen nog wel wat. Deepseek is één van de meest vriendelijke modellen omdat slechts een klein deel van de parameters actief zijn. Voor V4 is ongeveer 320GB geheugen nodig. Op CPU-gebied is dat realistisch. Er zijn mensen die succes gemeld met V4.1 hebben met 384GB basisgeheugen en een 128GB GPU die de meest actieve delen draait.

[SPee]

Al neem je een DGX die 4000 euro kost daar kun je 200 maanden chatgpt voor betalen.

Dan zit je op het Plus model van €23, maar heb je wel te maken met limieten. Anders moet je naar het duurdere model en ben je al in 40 maanden uit de kosten. Of je hebt de 500 dollar versie nodig en is dat al in 8 maanden terugverdiend.
Die DGX kun je 24/7/365 voor jezelf aan het werk zetten.

Dus of het voor jou uitkomt, is een rekensom die je moet maken.

[supersnathan94]

Als ik dat afzet tegen mijn totale uitgaven aan KI op dit moment: €30, waarvan €14 gebruikt,

Maar ff. Waar hebben we het dan over?

We leven in een wereld waar GPU's peperduur zijn, een RTX6000 wisselt op dit moment voor boven de €10000 van eigenaar. Als je minder hoge eisen hebt, is een RTX5090 of DGX Spark ook nog steeds geen koopje. Wat kan je dan draaien? Een vrij beperkt aantal modellen zoals Qwen 3.8 27B.

Als dat een deel van mijn kosten kan offsetten prima. Ik heb zo’n kaart dan in principe in 2 weken terugverdiend.

Binnen bedrijven is het niet gek dat API token cost equivalent tegen de $20k/maand/persoon aan tikken. Dus dan zijn dit soort bedragen echt peanuts. Zolang de output maar bruikbaar is.

[dmantione]

Als dat je gebruik is, dan moet je lokaal draaien, zo simpel is het.

[TMC]

Er zijn allerlei cloud providers die LLM inference aanbieden via Europese server met open-weight Chinese modellen.

[dmantione]

De vraag is tegen welke prijs en hoe goed. Er is veel voor te zeggen om een tientje in bijv. Deepseek te werpen, gaat vele maanden mee, topsnelheid. Zolang je je maar bewust bent waar je het voor gebruikt. Je kan ook bij Europese partijen Deepseek krijgen, maar als ze je een abonnement willen aansmeren of dat het traag gaat, dan wordt het plaatje toch weer anders.

[TMC]

Het antwoord op die vraag is dat het vele malen goedkoper is dan je eigen hardware kopen, wat jouw bezwaar was tegen open weight modellen. Maar dat is dus geen issue. Je kan tegen een normale prijs tegen Chinese modellen aanpraten op Europese servers.

[Exirion]

Wat heeft grondgebied hiermee te maken? Het gaat hier over open weight modellen, dus die draai je in eigen beheer, al dan niet op eigen hardware. Waar een model vandaan komt is dan irrelevant.

[demianmonteverd]

Het is irrelevant voor heel zaken, maar niet voor alles. De trainer van de modellen beinvloed wat ze doen en kunnen.

[OruBLMsFrl]

Een Chinees of willekeurig ander open weight model kun je lokaal draaien, dat hoeft niet op het grondgebied van een vreemde mogendheid.
Voor zo'n gigant als Mistral Large v4 heb je waarschijnlijk al minimaal 256GB VRAM nodig als die tuned varianten ervan uitkomen, dus hiervoor heb je lokaal dan wel een AI server, zwaar multi-gpu workstation of maxed out Mac pro/ultra nodig.

[SPee]

Alleen de Chinese modellen bevatten data gezien uit het oogpunt van China.
Laat China nou op veel onderwerpen een andere opvatting hebben dan het westen. Voor die gevoelige onderwerpen zou je ook andere modellen moeten gebruiken.

Misschien kan er nog eens een onderzoek hiernaar worden uitgevoerd op welke punten het sterk afwijkt.

[dmantione]

Daarom is uitsluitend Chinese modellen gebruiken niet goed: Dit nieuwe Franse model is beslist heel goed nieuws. Dat gezegd, ik betwijfel toch of ze in China hele andere opvattingen over programmeerkunst hebben dan hier: Voor heel veel werk maakt het niet uit en omdat je, in tegenstelling tot de Amerikaanse modellen, ze lokaal of in Europa kunt draaien, ook soms een goede keus voor zaken die wat gevoeliger liggen.

[flossed]

ja voor dit model zal idd wel aardig in de buidel moeten tasten om wat significante hardware te hebben waarop je het kan laten draaien. zal niet voor je laptopje zijn in iedergeval. maar het is niet alleen geheugen hebben (ram of vram), maar ook bandbreedte. quantization levert ook niet veel verbetering op. blijft groot en lomp.

[Exirion]

Laptopje is natuurlijk een breed begrip. Op een M5 Max 128GB kun je zeer capabele modellen met behoorlijke snelheid draaien. Dat geldt nog meer voor een M5 Ultra 256GB, maar dan heb je het al over aanzienlijk bedragen en de vraag is of dit model zich leent voor sterke quantization en expert streaming om ook maar enigszins in de buurt te komen van 'draaibaar op bereikbare hardware'.

[Bark_At_The_Cat]

Ik heb even een Mac Studio (welliswaar geen laptop) in elkaar geklikt bij Apple. M5 Ultra met 256GB ram en 2TB storage (kan meer voor meerprijs): €13029. M5 Max, 128GB, 2TB opslag: €6769.

Voor beide opties heb ik uiteraard de duurdere variant van de chip gekozen voor meer performance.

Het bedrijf waar ik werk gaat iets vergelijkbaars doen uit privacyoverwegingen, maar ik geloof dat ze voor de pilot slechts €4000 hadden uitgetrokken.

[Sissors]

Dat je het niet lokaal kan draaien, betekend niet dat je er niks aan hebt zonder groot budget. Dan moet je alleen rekenkracht van een derde partij gebruiken.

Ik zou me zelf ook meer zorgen maken erover dat Europa geen alternatief heeft voor de grote modellen (Mistral is de beste, als je alle serieuze concurrenten niet meeneemt).

[Ossi]

Het zou mij verbazen als deze partijen geen illegaal verkregen materiaal gebruiken om hun middelen te trainen. Waar een partij als Mistral zich niet aan zou mogen wagen. Dus die strijd is zo scheef als wat.

[demianmonteverd]

Elke iteratie verbeteren de modellen. Ook deze is weer beter dan de vorige versie.

[eli_r]

In mijn volledige leven op deze aardbol heb ik misschien 3x iets met LLM gedaan. Wat is de usecase voor een gewone burger?

[imp4ct]

Dat lijkt me raar, want gewoon wat zaken zitten opzoeken gebruikt al een LLM volgens mij. Het vertaalt je vraag naar hetgeen waar je naar wilt zoeken naar iets wat voor het zoek model optimaal is.

De woordvoorspeller van bv. je berichten app op je mobiele telefoon bevat tegenwoordig ook een zeer kleine LLM en ga zo maar door.

Ik denk dat in je dagelijkse leven op deze aardbol je vaker in aanraking komt met een LLM dan je zou denken

[dormamu]

De woordvoorspeller van bv. je berichten app op je mobiele telefoon bevat tegenwoordig ook een zeer kleine LLM en ga zo maar door.

Volgens mij gebruikt een woordvoorspeller n-grams om het volgende woord te voorspellen. Is een n-gram tabel ook een LLM?

[Caelorum]

Een hybride architectuur van SLMs + n-grams. Zie bijv. https://jackcook.com/2023/09/08/predictive-text.html voor hoe Apple het doet en iets van achtergrond voor Google's GBoard: https://research.google/b...n-device-language-models/
Er zijn ook wat papers over zoals bijv. https://www.researchgate....xt-Word_Prediction_Models

Eigenlijk is er een hoop de afgelopen jaren in de SLP en NLP space richting transformers gegaan.

[Reactie gewijzigd door Caelorum op 6 oktober 2026 20:21]

[Kheos]

da's zoals in het jaar 2008 zeggen dat je misschien 3x iets met het internet hebt gedaan en dat je je afvraagt wat de use case is.

[eli_r]

Maar is dat echt zo? Ik kan nog steeds alles op internet vinden wat ik wil en ik kan er nog steeds op doen wat ik altijd deed, en m'n dagelijkse leven gaat gewoon door zoals het de afgelopen 40 jaar heeft gedaan. Wat voegt "ai" toe wat ik niet al deed kon?

[latka]

Niets nieuws. Maar wel een stuk sneller. Ik weet niet wat je qua werk doet maar ik zie dit de komende 10 jaar heel wat kantoorwerk wezenlijk anders worden: boekhouden, programmeren, marketing zijn allemaal vakgebied die op zijn minst geraakt worden door llms of deels overbodig worden (deels want iemand zijn kop moet kunnen rollen als het mis ging)

[Niemand_Anders]

Het is niet alleen meer kantoorwerk. Robotics gaat ook steeds sneller en dat icm AI maakt een zeer sterke combinatie. Begin dit heb ik (wij) voor een Duitse apotheek formule een magazijn robot systeem moeten neerzetten welke met dezelfde (afsluitbare) kasten moet werken als reguliere apothekers. Deze robot kan dus een lade opentrekken, het juiste doosje pakken, AI controlleert of het juiste medicijn is gepakt, maakt het doosje open en haal er een bepaalde hoeveelheid uit, af het doosje leeg is wordt het weggegooid, anders wordt het doosje gesloten en gaat het terug in de la en wordt de lade weer dichtgedaan.

Recepten welke in het systeem komen worden hierdoor automatisch klaar gezet. Bij de uitgifte controleert men nogmaals de inhoud. Niet alleen is het aantal fouten afgenomen, personeel is nu minder tijd bezig met saaie taken, daarnaast heeft men minder personeel nodig. Vorig jaar hadden wij al een AI module geschreven om pallet wagentjes volautomatisch door het magazijn te laten racen. Voor een andere partij welke magazijnkasten op wieletjes had, hebben wij een 'Harry Potter Staircase' module welke continue kasten aan het verplaatsen is op basis van gebruik en als je het van boven aanschouwd zijn het net de trappen met een eigen mening van Harry Potter. Personeel loopt niet meer het magazijn in, maar de kast komt naar de medewerker toe en zwaardere producten worden via robots uit een kast gehaald (batterijen/accu's bijvoorbeeld) en op een pallet gezet. Het is nu nog aanvullend, maar het zal niet lang meer duren voordat het een vervanging wordt...

[Cyberpuppy]

Praktisch voorbeelden.

Ik heb een bedrijfslogo en voor een toepassing wilde ik de kleur aanpassen. Even geen photoshop of andere tools bij de hand. Dus gooi logo in ChatGPT en zeg dat je graag je logo in de door jou gekozen kleur wilt.

Ander voorbeeld. Ik zocht een AC naar AC tranformator van 230V naar 12V. Als ik dit in Google zoek dan krijg ik eerst duizenden pagina's met transformators van 230V AC naar 12V DC, want alle gevraagde woorden komen daarin voor. Een LLM "begrijpt" de context van wat ik vraag en zoekt specifiek naar de juiste transformator.

Maar ook. ChatGPT leest mijn inbox en ziet er als er uitgaande facturen zijn. Slaat vervolgens de factuur op in de juiste map (inclusief indeling in jaren) en stuurt die door naar de boekhouding. Iets wat ik met regels in outlook of powerautomate niet voor elkaar kan krijgen.

[Scriptkid]

Iets wat ik met regels in outlook of powerautomate niet voor elkaar kan krijgen.

Dan doe je ergens iets verkeerd wat ze praten bijde met de zelfde api 😂

[Snippo]

Daarmee bevestig je wel precies zijn punt: hij krijgt het zelf niet voor elkaar maar ChatGPT dus blijkbaar wel. Juist in dit soort simpele gevallen is het gewoon veel sneller (want het leest de complete documentatie in een fractie van een seconde).

[CoMaestro]

Dat, én de LLM baseert natuurlijk zijn werk op dat van vele miljoenen voorbeelden van mensen die zelf dingen hebben gemaakt die vergelijkbaar zijn

[Cyberpuppy]

Regels in Outlook praten niet met een api en kunnen "by design" geen document opslaan in een map.

Ik ben opgegroeid met programmeren in Z80 assembly en beschik over een behoorlijk abstractievermogen. Maar PowerAutomate is geen doorkomen aan. Zal vast aan mij liggen, maar deze taak lukt gewoonweg niet. Hoe dan ook. Prima use-case voor een LLM die het voor mij in minuten automatiseert.

[Scriptkid]

kan prima,

Foreach each item -> abstract data -> scan for hit -> if hit move item ; if not leave item,

Kan met PS, PA, Copilot, Coworktaak

Ze gebruiken allemaal de zelfde API nl graph .

[Cyberpuppy]

Ik beweer nergens dat het niet kan. Stappen zijn mij volkomen duidelijk. Die stappen werkend krijgen in PowerAutomate is voor mij tot nu toe onmogelijk gebleken.

[Genosha]

Een LLM "begrijpt" de context van wat ik vraag en zoekt specifiek naar de juiste transformator.

Ik doe soortgelijke dingen als ik weer eens zit te stuntelen in een spreadsheet en de syntax niet meer weet. Zowel Excel als Google Speadsheets of LibreCalc hebben wel gewoon een Help maar het is veel eenvoudiger je bestaande syntax door ChatGPT te knallen met uitleg wat je probeert te bereiken. Je krijgt een oplossing én uitleg over hoe de syntax in elkaar steekt.

[killerdemon]

Het ligt eerder aan jouw zoekopdracht, vrees ik.

Je zou 12VAC kunnen gebruiken, of "12V AC"

Maar effectieve sleutelwoorden zijn blijkbaar niet meer nodig, tegenwoordig met AI.

[Reactie gewijzigd door killerdemon op 7 oktober 2026 12:03]

[david-v]

Je kan niet echt iets nieuws met een llm, het gaat om de snelheid waarmee je iets opzoekt, of het opstellen van een plan als je iets wilt gaan doen. Als je ergens op reis gaat kan je het vragen om een 3, 5 of 7 dagen schema te maken voor het bezoeken van bezienswaardigheden bijvoorbeeld. Er zal vast ergens op internet iemand zijn met een blog met vergelijkbare informatie, maar met een llm heb je sneller antwoord op je vraag.

Ook als je een document schrijft of een email moet schrijven kan je een llm de tekst bieden en vragen om het zakelijker, korter of eenvoudiger te schrijven.

Je kan ook zonder, maar soms sta je verbaasd van hoe goed een llm is met teksten genereren. Wel altijd opletten dat het kan hallucineren en de uiteindelijke tekst goed nalezen.

[Zorg]

Moeten we dit soort reacties serieus nemen op een tech site? Als technologische vooruitgang niet erkent wordt, wat is dan de waarde van de discussie?
Zit een beetje op het niveau waarbij grotendeels vd mensen al een mobiele telefoon heeft en een enkeling nog zegt ja maar ik heb thuis toch een telefoon? Waarom een PS5? Ik heb toch ganzebord?

Helemaal correct, technisch wel compleet achterhaald.

[bzuidgeest]

Jij weet niet hoe hip mijn ganzebord is. Touch screen, rfid pionnen, hologrammen

[arjankoole]

linkje graag. ;-)

[bzuidgeest]

https://board.fun/

https://explore.motioncube.io/en/space/table


thanks google

[bzuidgeest]

Ik zou zeggen mogelijk niets, maar dan betekend dat ook dat je waarschijnlijk nooit echt iets nieuws doet. Of nooit iets sneller doet dan je al deed. Nooit buiten je comfort zone komt (en dat kan prima zijn)

Simpelweg dat betekend dat je stilstaat. Of op zijn minst langzamer dan net zo slimme mensen die AI wel weten te integreren om een nuttige manier.

Het gaat er voor mij niet om of ik het kan. De vraag is, kan ik het sneller. De andere vraag is, hoeveel kan ik in mijn eentje en in welke tijd. Met en zonder AI. In veel gevallen is AI sneller. En in plaats van een "muziekkant" ben ik nu de Dirigent. Beide hebben een echte functie, beide doen creatief werk, alleen doen ze wel ander werk en hebben andere verantwoordelijkheden. Een andere manier van kijken is van programmeur ga je meer naar architect. Voor architect moet je wellicht nog wel meer weten dan programmeur om het goed te doen. Maar meer high level en minder detail focussed (geen micro management)

[Genosha]

Ik kan nog steeds alles op internet vinden

Nou nee. We hebben dankzij zaken zoals Discord enorme link rot ontwikkel de afgelopen jaren. Internet forums gaan dicht, content wordt verwijderd en discussies verplaatst naar Discord. Een gesloten model waar geen zoekmachine of archiver bij kan. En dan kan je misschien zeggen; ja maar The Web Archive, maar daar heb je op een gegeven moment ook niets meer aan als je recente informatie zoekt. Of gewoon de url van de website niet meer weet.

Helaas gebruikt Google nu standaard voor elke zoekopdracht AI. Het eerste result is AI. Dus of je nu zelf wel of geen LLM gebruikt voor persoonlijk gebruik, Google doet dit wel voor je.

[killerdemon]

Ik hoop dat het zo blijft want ik wil gewoon mijn eigen info vinden (incl sidequests) en geen selectie van wat AI denkt dat ik zoek.

[g4wx3]

• gebruik ai om je belastingaangifte te controleren
• gebruik ai om een officiële brief of email te schrijven
• gebruik ai om te zoeken hoe je best iets administratiefs afhandelt
• gebruik ai om uit te zoeken of het überhaupt de moeite is om een advocaat te consulteren, of om naar de rechtbank te gaan voor iets.
• iets leren over een heel nieuw onderwerp (bv radiotransmissie)
• hoe een oldtimer voertuig importeren, inschrijven, en hoe best verzekeren.
• helpen een business case uit te schrijven, zonder marktonderzoek (dat doet ai).

Misschien heb jij een simpel en eenvoudig leventje, dan ben ik jaloers op je, maar ik wil van alles...

[jorisvergeerTBA]

Dat hangt zeer af van je eigen vrije tijd en werk. Maar LLM zijn zeer goed in staat om informatie te verwerken.

Het kan een interface zijn voor een zoekmachine.

Het kan gestructureerde informatie uit lappen tekst halen. Of andersom, een enorme lap tekst maken van prima leesbare gestructureerde informatie.

Het kan je home assistant specifieke integraties en systemen schrijven exact naar jouw wens.

Het kan hele code reviewen, schrijven, fixen en precies dingen laten werken zo goed als van ze gevraagd word.

Eigenlijk kan het net zoveel als de prompt schrijver kan specificeren.

[Wodanford]

Enige nuance is wel op zijn plaats. Llm's hallucineren er nog altijd op los. Ook laten ze zich heel makkelijk sturen door de vraag, waardoor je stevig naar de mond (vingers?) gepraat kan worden. Het schrijven van een prompt is een kunst die het grote publiek niet beheerst, terwijl ze de output van llm's voor waar aannemen.

[Boy]

Ik ben iemand die dagelijks enorm veel met Claude en Gemini werk. Ik herken dit niet meer echt. Claude is echt wel kritisch op me en heb 'm ook verteld in het verleden dit te zijn.

Is dit je eigen ervaring? In welke situaties kom je dit tegen?

[CipherdevNL]

Zelf gister nog met Gemini Flash geprobeerd door de catalogus van Busch-Jaeger te ploeteren, maar kwam toch met een artikelnummer wat niet bestond.

[PatrickH89]

Grotere modellen met hogere 'reasoning' zullen minder hallucineren als ze het antwoord niet kunnen vinden. Gemini Flash heeft zijn usecases, maar zal vaker hallucineren omdat het een kleiner model is.

[keroner]

Recent chatgpt om hulp gevraagd bij het installeren van haos, bare metal op een x86 machine.
Had even zelf bedacht dat dit gewoon via een usb iso moet.

[Wodanford]

Dit is inderdaad mijn eigen ervaring, n=1. Ik merk het bij GPT 5, Gemma 4 en whatever modellen Mistral en Google op het moment van dit schrijven gebruiken. Ik kom het tegen als ik om advies vraag en als ik op zoek ga naar bronnen voor informatie. Ik ben best tevreden over Claude bij het helpen schrijven van code, maar ook daar kan hij nog wel eens in een lus raken bij het proberen oplossen van een bug of het verfijnen van een vraag.

[Cybje]

Ik merk eigenlijk dat het schrijven van een prompt geen kunst meer is. De tijd van de echte prompt engineering lijkt in die zin wel voorbij. Je kunt gewoon je gedachten in Claude Code typen en het ding doet tegenwoordig heel goed de juiste aannames, of stelt vragen, of gaat er simpelweg tegenin als iets een slecht idee is. Zeker Fable 5.1 en Astra 6 zijn hier bijzonder goed in. Je kunt met een prompt van 2 of 3 zinnen echt iets groots bouwen waarbij hij de hele planning en het ontwerp op zich neemt.

[Wodanford]

Welk deel van het grote publiek maakt gebruik van Fable of Astra bij het verzamelen van informatie? Merk op dat dit draadje is ontstaan naar aanleiding van eli-r's vraag wat de usecase is voor de gewone burger. Niet voor de developer die betaalde abonnementen op (redelijk dedicated) modellen gebruikt bij het schrijven van code.

[Reactie gewijzigd door Wodanford op 7 oktober 2026 08:09]

[logisch]

Ik gebruik Astra voor het verzamelen van informatie en allerlei andere dagelijkse taken. En de performance van Astra en Fable wordt over een tijdje natuurlijk overtroffen door "gratis" modellen. De huidige modellen zijn de slechtste die ooit nog zullen bestaan.

Kortom: de usecase is er nu al en de mogelijkheden nemen in rap tempo toe.

[Cybje]

Ik merk dat best veel gewone mensen een ChatGPT Plus subscription hebben en ChatGPT Work inzetten voor van alles en nog wat. Daarmee kun je gewoon Astra 6 gebruiken.

[Wodanford]

Dan zitten wij in totaal verschillende bubbels. 🤪 Op mijn werk wordt er natuurlijk volop gebruik gemaakt van betaalde of on premise draaiende llm's. Maar in mijn sociale kring is niemand bewust bezig met AI, laat staan dat men bereid is om ergens voor te betalen.

[jorisvergeerTBA]

In codex en clause code zit ook al een enorme systeem prompt die al een gigantisch deel van het programmeer prompt engineeren voor zich neemt. Dat doet die LLM niet helemaal uit zichzelf.

[demianmonteverd]

Ze kunnen dat wellicht ook oplossen met post training op termijn. Ze hebben de prompts immers al.

[Cybje]

Uiteraard, maar pak een model van een jaar geleden en je merkt wel echt een gigantisch verschil. De LLM's zijn veel beter in inschatten wat jij bedoelt, als je informatie achterwege laat.

En het effect van de system prompt is wel duidelijk, vooral als je eens zelf tegen de API aan ontwikkelt met eigen tooling. Maar ook dan merk je dat recentere modellen veel beter presteren.

[kaaas]

Ik laat een llm agent de bizarre chaos die de elektronische leeromgeving van mijn kinderen is omzetten naar een kloppende agenda en een map structuur gevuld met de les stof.

Samenvattingen maken doet ie ook als de beste. Vervolgens maak je er een podcast van.

[bilgy_no1]

Gezien de doen die er regelmatig uitrollen moet je vooral niet blind vertrouwen op die modellen.

Juist kinderen (maar zekeroook veel volwassenen) moeten echt leren om de resultaten kritisch te bekijken.

En zoiets simpels als informatie ordenen: ik had laatst weer zoiets soms. Voetbal opstelling maken voor een jeugdteam inclusief een wisselschema en ongeveer gelijke speeltijd voor alle spelers. Daar komt dia gewoon klinkklare onzin uit met oa en speler die tegelijkertijd op 2 posities zou moeten spelen... Klein voorbeeldje, maar geloof maar niet dat die leeromgeving van je kinderen betrouwbaar wordt omgezet in een gestructureerd leerplan

[kaaas]

Ik genereer geen leerplan. Ik genereer een agenda met huiswerk en opdrachten. Samen met een mappen structuur waar al het lesmateriaal dat via de elo gedeeld wordt in komt. Dit omdat docenten opdrachten,planningen, lesmateriaal, bronnen en studie wijzers niet op de plekken zetten waar ze zouden moeten komen, bijv onder opdrachten een opdracht die als titel heeft opdracht 3, waar geen opdracht in staat, maar een document wat er geleerd moet worden voor de toets. Nu voegt de llm de toets toe samen met wat er geleerd moet worden aan een agenda. Het document zelf komt met een correcte titel in de map van het vak.

De verantwoordelijkheid dat je de juiste dingen doet blijft bij je zelf, maar de kans dat ze de juiste info hebben is echt een stuk groter met deze hulp dan zonder.

Ik ben trouwens heel erg onder indruk hoeveel beter ai geworden is het laatste half jaar. Waar het nog niet zo lang geleden echt aan modderen was vind ik ze nu echt heel bruikbaar zeker als je er een agent over heen legt.

[Reactie gewijzigd door kaaas op 6 oktober 2026 22:29]

[Hijdaar95]

Middelbare school leeftijd? Neem je je kinderen nou niet een leermoment weg? "Als de leeraar niet duidelijk is, is het ok om dat aan te geven."

Alhoewel, als ik naar die van mij kijk, zou zo'n systeem ons kunnen helpen. Hun leraren zijn allemaal 20-40 jaar en ongelooflijke digibeten. Je zou zeggen dat Somtoday niet zo moeilijk is.

[kaaas]

Ja middelbare school, dat is al lang gebeurd, door zowel de kinderen als de ouders. Het probleem is dat er in theorie een structuur is waar alles in zou moeten zitten, maar dat in de praktijk bijna (alleen wiskunde niet) elke docent de structuur negeert en alles op verschillende plaatsen zet.

Ik scrape alles en laat de ai zoveel mogelijk structureren, totaal belachelijk, maar het scheelt enorm veel tijd en vooral frustratie.

Het leermoment dat ze hier door missen is wel een belangrijke namelijk structuren doorgronden en deze gebruiken de juiste info te vinden. Maar ik denk niet dat ze dat leren van deze voorbeelden.

[Fjodor_NL]

Voor de gewone burger worden LLM's gebruikt als zoekmachine, spellcheck, vertaalhulp, maar ook email-schrijver en online vriend/support persoon is niet ongebruikelijk.

Of het voor al deze functies ook goed/ideaal/handig is is een ander verhaal natuurlijk (zeker ook in de context van het gebruik van resources in verhouding met het nut)

[flossed]

Best veel usecases, maar miet wel bedacht mee omgaan. Als je chatgpt of claude gebruikt komen de gegevens terecht bij die bedrijven. Zelf een mistral thiis draaien kan dat oplossen. Maar over de usecases, je belasting aangifte , bloedresultaten van het lab , koopactes van huis, gelijk welke contract dan ook. Zaken die je normaliter aan een professional vraagt, met een llm kan je gerichter acteren, de winst op je zonnepanelen simuleren kijken hoe groot je thuis batterij is. Zien of er hsndige besparingen gemaakt kan worden op je huishoud boekje. De footprint van je nieuwe computer betekenen , issues met embedded systemen oplossen? Zelf rss readers maken of je eigen firewall recursive dns.

[squareware]

Waar ik het voor gebruik: ben nu bezig met m'n huis opruimen. Ik maak een hele rits aan foto's met items die ik wil verkopen. De ai zoekt uit wat het is, maakt een beschrijving en zoekt een prijs die markttechnisch gangbaar is + 20% voor onderhandelings ruimte. Ik vertel welke parameters een advertentie moet hebben (verzend methodes / bieden / standaard tekstje als: verzending k.k. endergelijke en de AI zet de advertenties online. Ik zou dagen werk aan hebben voor maar slechts een uurtje werk voor AI.

Ik kan zelfs de AI vragen om te onderhandellen maar dat gaat me net even te ver misschien volgende maand eens proberen :-)

[Reactie gewijzigd door squareware op 7 oktober 2026 09:28]

[RoyD]

Laat je de AI de advertenties ook zelf plaatsen op Marktplaats, Facebook, Tweakers, enz.?

[squareware]

Ja.

[jj71]

Waarschijnlijk gebruik je elke dag systemen waar LLM's achter zitten, alleen weet je het zelf niet. Google Search en alle andere grote search engines maken tegenwoordig gebruik van LLM's, en ook zit het in telefoons, smartwatches, Windows en macOS, en natuurlijk ChatGPT, Claude en alle andere AI tools waar mensen mee werken.

[DrVic]

Ik kan je deze serie podcasts aanraden.

https://www.theguardian.com/technology/series/blackbox

Geeft een van de use cases (met goede en slechte voorbeelden). Ik gebruik het zelf als Wiki vervanger - Als ik op mijn xbox een spel speel, vraag ik (voice chat) aan Claude dingen op te zoeken over Palworld . Maar ook om snel een introductie over een bepaald onderwerp te krijgen.

[Gemeni]

Wat jij als gewone burger ermee doet maakt weinig uit, maar het is fijn dat we een Europees open model hebben zodat alle bedrijven waarmee je wel zaken doet en die wel LLMs gebruiken een alternatief hebben.

Wel blijven we de VS hierbij nodig met Nvidia hardware.

Wat dat betreft blijft China zelfvoorzienender.

[madcow22]

Voor gewone man is vertaling ongeveer de meest usefull feature.

In japan kon ik foto's van items maken en het kon vertalen voor mijn. Kon vragen hoe ik iets in japans moest zeggen dergelijke.

[sdziscool]

Jij bent onderdeel van 98% van de bevolking die nauwelijks direct baat heeft bij AI/LLMs.

Betekent niet dat er geen nut voor is voor jou, we hebben al gezien dat het veel software ontwikkeling enorm kan versnellen, ten goede en ten slechte, waar uiteindelijk iedereen baat bij heeft, zo kunnen mensen in de zorg of zelfs gewoon in de geneeskunde oppeens veel makkelijker zelf aan de slag met programmeren en automatiseren.

Maar voor de gewone burger? daarvoor waren de modellen van een jaartje terug al meer dan goed genoeg voor, vraagjes stellen over hoe je een pannekoekenrecept kan verbeteren, of hulp met belastingregels uitvogelen etc. zijn leuke toevoegingen op het leven voor de gewone burger.

[Umbrah]

Het is, mits voorzien van de juiste tools, een minder irritante zoekmachine dan de zoekmachine zelf die AI inbouwt (je kunt zelf bijvoorbeeld een crawler thuis hosten die websites voor je samenvat), zeker als sommige sites amper bruikbaar zijn vat het een hoop samen. In de context van een tweaker kan het zo eenvoudiger (pricewatch is echt lastig geworden, zoekknop is verstopt en sommige specs zijn niet meer zoekbaar) dingen samenvoegen. Voor bepaalde werkzaken kun je met MCP deterministische tools aan elkaar knopen, en zelf bepaalde analyses uitvoeren. Stel je voor dat je een GIS systeem hebt gekoppeld aan een beheersysteem en ERP, en je kan feitelijk gewoon vragen stellen als: "hoeveel vuilnisbakken hebben we, wanneer zijn ze voor het laatst geleegd, en welk type doet dit en dat". De hallucinaties vang je af door tools er aan te knopen die data opzoeken, en het taal gebeuren is vervolgens een gebruikerservaring die voor een bedrijf veel "simpele kleine BI" dingen verkleint naar citizen development.

Mocht je een programmeur hebben dan kan je naast code auto-suggest ook veel modules, unit tests, en met tools als playwright: zelfs interactie-tests uit-automatiseren. Een senior/specialist blijft nodig, en de security modellen zijn altijd goed in ondersteunen van dingen als pentests, maar modellen stroomlijnen het proces wel enorm.

De kracht van openweight modellen + tools + centrale API's (zoals LiteLLM) en integraties (zoals Kilo); gekoppeld met MCP lagen over je organisatie z'n MCP laag heen maakt LLM's eigenlijk heel nuttig, maar biedt ook het veiligheidsnet om het op een goede manier te doen. Immers niet jouw hardware, niet jouw model, niet jouw data. Met een groter, open model als dit kan een bedrijf in principe zelf hosting doen. Veel van wat de "grote AI" clubs doen zoals OpenAI, en Anthropic, is niet alleen het model, maar ook de tools er omheen. Daar zit nog wel de grootste uitdaging denk ik.

Overigens is veel van hoe we onze wereld bekijken taal. Als je ooit van STEP files hebt gehoord (een uitwissel standaard voor CAD), en weet hoe CAD zelf eigenlijk parametrisch en "taal" is, dan ga ik persoonlijk graag denken: met de juiste tools (zoals materiaal simulatie tools, staal constructie zaken, etc...), zou je een taal model ook dingen als bruggen kunnen laten ontwerpen, wetende dat een IFC eigenlijk ook gewoon "taal" is. Omdat kracht bij te zetten is er ook een andere coole AI benchmark:

LLM AssBench

Eigenlijk heel simpel: "hey AI, je hebt X minuten om een HTML te maken die een interactief derrière weergeeft in 3D en 60FPS, GO!". Sommigen zijn heel goed, sommigen zijn héél grappig, maar het geeft wel een beetje een stijgende lijn weer: vertaal de echte wereld (of de reet er van) naar taal, en een deep learning model wat goed is in taal-voorspelling met de juiste tools kan je helpen de echte wereld te ontwerpen.

Het is en blijft echter gereedschap. Net zoals een boorhamer (die een amateur in een gipsmuurtje ramt en vervolgens dat gipsmuurtje verdampt waarna die amateur het muurtje in ademt) krachtig, en daarmee ook in potentie risicovol. Ik ben compleet GEEN fan van hoe de huidige hyperscalers hun ding doen, tante truus vervolgens "leuke plaatjes en filmpjes" laten maken, en daarna nepnieuws verspreiden, erg goeie scams doen, of erger nog: het als een buddy zien en parasociale relaties mee aan gaan. Of Feesboek marketplace compleet onder regie zetten van hun Facebook AI modelletje wat je vervolgend doxed en je een wildvreemde aan de deur hebt om je PS5 voor €5 over te nemen... het is zeker een techniek met schaduwzijde die het best werkt als hij verantwoord en "klein" ingezet wordt. Dit openweight model is daarvoor een kans.

[Standeman]

Je klinkt als mijn vader in 1994, maar vervang dan LLM met het woord internet. Of het woord computer wanneer je terug wil gaan naar 1984..

[Madshark]

Wat is de usecase voor een gewone burger?

Ik denk vooral lastigere vragen?

Je kunt GPT vragen stellen om iets voor je uit te zoeken. Dat kun je nu natuurlijk ook met je favoriete zoekmachine, maar een AI leest razendsnel meerdere bronnen en maakt daar een goed samenvattend antwoord van, met bron vermeldingen.

Mijn meest recente 'gewone burger' usercase:
Ik had onlangs last van een nieuw geplaatste kunstof buitendeur dat niet lekker sloot en klemde behoorlijk. Behoorlijk zwaar ding met triple glas en sluitwerk van een kluis
De leverancier wilde wel een monteur sturen voor deze garantie service, maar hadden het druk, moest een ruim week wachten. Natuurlijk eigenlijk geen zin om daarop te wachten, dus ik maak fotos van de deur, scharnieren en een kort filmpje.
En leg GPT het probleem uit.

Na 45 seconden kreeg ik een idiotproof antwoord inclusief instructie afbeeldingen en alles stap voor stap uitgelegd.
GPT heeft het merk en type deur herkent, heeft vervolgens de Duitse installatie handleiding doorgespit, geïnterpreteerd, en dat als een prettig kort Nederlandstalige instructie van gemaakt, die zo professioneel en duidelijk is opgezet, dat je bijna zou denken dat het een officiële instructiehandleiding is.
Dat afstellen is schijnbaar een wat complex dingetje wat je wel moet weten wat je doet. Maar met die instructies ging dat dus perfect.

Ja, ik had ook zelf kunnen spitten om te achterhalen wie de fabrikant van de deur was, en dan ook nog eens het juiste model met de juiste soort scharnieren zien te achterhalen.
Vervolgens een Duitse installatie handleiding van 115 paginas doorspitten (ik ken amper Duits), en vervolgens zien te begrijpen hoe je zo'n zwaar kreng netjes en professioneel afstelt.
Maar AI als GPT doet dat in 45 seconden.
Ik was eerder met de deur klaar dan dat ik überhaupt het merk en model had kunnen achterhalen.

[Reactie gewijzigd door Madshark op 6 oktober 2026 23:36]

[davekok]

Gewoon als zoekmachine gebruiken. Heel handig als je niet precies weet hoe iets heet. Kun je het omschrijven.

[Bever!]

Ongeveer ons hele bedrijf werkt ermee, en alle bedrijven waar ik kom idem.. get with the program?

[DurQ]

Dat is niet een antwoord op zijn vraag.

Ik gebruik LLM's prive en op het werk. Vooral om snel informatie op te zoeken zonder zelf allerhande bronnen uit te hoeven kammen. En dat kan natuurlijk voor uiteenlopende onderwerpen zijn.

[GrooV]

ChatGPT is ook llm

[eli_r]

Dat heb ik dus driemaal gebruikt.

[pietvelleman]

Als je google gebruikt en de resultaten leest (laat ik het heel precies formuleren)... dan heb je LLM's een stuk vaker gebruikt dan 3x...

[Rob Voets]

DuckDuckGo en ai uit.

[Travelan]

De groep die zowel DDG gebruikt is al relatief klein, laat staan die groep die dat gebruikt en ook nog de ingebouwde AI uitgezet heeft...

[cnoobie]

Joe

[bazs2000]

Meldt zich.

Waarom zou ik 3 bomen ontbladeren tijdens een zoekopdracht naar een oscure website dat specifieke keukenproducten verkoopt? AI staat dus uit.

Voor werk gebruik ik het (heeft lang geduurd). Privé niet.

[pietvelleman]

Precies!
En je hebt vast ook een goudengids ergens liggen (2e hands). Daar kun je ook alle bedrijven in vinden. Nou... tot 2018 dan. Maar er staan waarschijnlijk meer dan voldoende keuken-bedrijven in. Werkte decennia lang prima!

[Subae]

Best indrukwekkend om tegelijk in de groep te zitten met een account op Tweakers, én amper of geen LLM's te gebruiken. Het gekke is dat je een LLM zelf kan vragen om use cases voor te stellen.

[Scribe]

Heb ik ook wel eens gedaan, maar nog nooit echt iets nuttigs uitgekomen...

Komt vaak neer op dat ik iets in de helft van de tijd kan doen met ook de helft van de kwaliteit. Als kwaliteit niet uitmaakt zijn het vaak ook dingen die je of gewoon zelf kan doen of gewoon beter helemaal niet kan doen.

[HDoc]

Mijn e-mail wordt netjes door mijn lokale agent gesorteerd die mijn lokale LLM draait en als ik iets wil weten vraag ik een van mijn vaste agents om het voor mij op te zoeken met referenties er bij.

Zij weet dat ze wordt uitgezet als ze iets zomaar verzint..

[Microwilly]

Welke llm gebruik je? Als ik vragen mag.

[Unstable Element]

Ik laat mijn vergaderingen notuleren door een LLM en dat is eigenlijk super praktisch. Na afloop heb ik een transcriptie en een samenvatting met de actie punten en losse eindjes in een mooi markdown bestand. Dat scheelt mij al snel een uur of meer per dag vergaderingen uitwerken.

[Travelan]

ChatGPT is net zoveel LLM als een auto een carborateur is. Het is maar een klein (doch essentieel) deel van wat het geheel laat werken.

[Ed Vertijsment]

Heeft een moderne auto geen directe injectie?

[peewee.]

Hij bedoelde: motor.

[ikbentochniegek]

De mijne injecteert de electronen direct in de koperwikkelingen van de motor 😁

[Ed Vertijsment]

Goed punt

[PjotterP]

Vraag het eens gratis aan google ai search..

[Jazco2nd]

Je gebruikt vast wel regelmatig een zoekmachine? Dit is wat het voor jou kan vervangen. En zonder dat je het misschien doorhad: bij Google staat als eerste hit tegenwoordig het antwoord van Gemini, hun llm based chatbot. Dus dan gebruik je het eigenlijk zonder dat je er bewust voor kiest altijd al..

[imqqmi]

Publieke LLMs zoals google search kun je open vragen stellen, bijvoorbeeld iets specifieks over een game, hoe dingen werken waarbij deze op zoek gaat naar info van verschillende websites en informatie combineert tot een uittreksel waar je nog verder vervolg vragen kan stellen. Of je kunt een film waarvan je de titel niet meer weet beschrijven en de LLM zoekt uit welke dat zou kunnen zijn. Ook kun je vragen stellen over het nieuws om bepaalde informatie eruit te halen die onduidelijk voor je is.

Lokale LLMs, die je op je eigen computer draait kun je ook persoonlijke vragen stellen, bijvoorbeeld over je gezondheid, en als je een goede system prompt maakt kun je deze ook voor psychische klachten bevragen, hoewel je altijd in je achterhoofd moet houden dat wat zo'n LLM zegt niet hoeft te kloppen.
Je kunt ook overzichten laten genereren van je persoonlijke documenten, financien etc. zaken die je beter niet via publieke/cloud LLMs kunt laten uitvoeren omdat deze informatie met derden wordt gedeeld en je de controle over deze gegevens kunt verliezen.

Het werkt dus anders dan zoeken met een zoekmachine met sleutelwoorden, je kunt open vragen stellen en/of dingen combineren die met elkaar te maken hebben. Ik stel regelmatig vragen over FreeCAD bijvoorbeeld, hoe dingen werken en of bepaalde functies aanwezig zijn en anders naar workarounds te kijken. Dat gaat sneller dan de handleiding of fora doorspitten. Alweer, de LLM kan het mis hebben, zo worden er soms dingen beweert die niet kloppen, of niet meer kloppen door verouderde data in de training set.

Het hangt ook sterk af van je eigen nieuwsgierigheid en leergierigheid. Als opzoeken van info je verder koud laat dan kan een LLM je niet heel veel bieden vermoed ik. Maar als je wel eens bezig bent met een project en je wil wat info inwinnen wat een aantal manieren is om ermee om te gaan kun je je ideeën voorleggen en kijken wat ie erover te zeggen heeft. Waar je tegenaan loopt, wat het gaat kosten, keuze voor gereedschappen enz. Je kunt 't gebruiken als sparringspartner om je ideeën tegen te botvieren bijvoorbeeld. Zo kan deze een plan opstellen om je tijd een beetje efficiënt in te richten.

[Firestorm666]

Dat je NOG luier kan zijn dan je al bent . Waarom zelf nog klommelen aan iets, als AI het ook voor je kan doen?

Nu, er is wel wat te bedenken over waarom dat een slecht idee is, maar dat is buiten de scope van je vraag .

[FiberSam]

In mijn volledige leven op deze aardbol heb ik misschien enkele tientallen jaren niets met LLM gedaan, en het laatste jaar wel honderden keren per dag.

De use case is voor een gewone burger enorm, als je het prettig vindt dat een systeem je helpt snel antwoorden te vinden op al je vragen. Veel beter dan iets googlen.

[Noedell]

Ik zou zeggen, copy paste deze vraag binnen een LLM

[Zenomyscus]

Af en toe geef ik Mistral weer een kans voor een feature binnen ons product, dit model ga ik ook proberen. Tot nu toe komt geen enkel model in de buurt van deepseek-v4.1-flash wat betreft resultaat en prijs. Dit overigens een zeer specifieke taak die wij uit laten voeren. Maar ik ga dit model ook zeker weer testen. Af en toe worden we verrast.

[yaml]

Ze hosten tegenwoordig ook modellen van derde partijen. In dit geval Zai. GLM 5.3 is echt top via Mistral, met ongeveer 200 tok/s is het ook echt razendsnel.

[Zenomyscus]

Ze hosten tegenwoordig ook modellen van derde partijen. In dit geval Zai. GLM 5.3 is echt top via Mistral, met ongeveer 200 tok/s is het ook echt razendsnel.

Helaas liep ik met GLM tegen dezelfde problemen aan als Mistral. Net als wat andere modellen overigens. Het is een vrij specifieke taak en ik heb soms de indruk dat de instellingen via OpenRouter niet altijd goed doorkomen. Het risico is dat een model dan te lang blijft denken zonder iets binnen de tijd te genereren. Met GPT, Gemini en Deepseek hebben we consistent werkende resultaten. Opus en Sonnet werken ook, maar zijn veel te duur voor onze taak. GPT had lang de beste resultaten voor ons, waarbij het beter presteerde ten opzichte van Gemini, maar ook 5x zo duur is. Toen Deepseek met 4.1 flash kwam lag de prijs lager en het resultaat kwam in de buurt van GPT. Uiteindelijk hebben we met Deepseek verder 'getrained' en halen we daar nu hele mooie resultaten. Eigenlijk zou ik GPT nog eens moeten proberen en Gemini. Na alles wat we ontwikkeld en verbeterd hebben. GLM en Mistral bleven veel te lang hangen. Grok gaf ook resultaat, maar dat was ondermaats en kunnen wij niet mee werken.

Dit is geen standaard programmeer / code taak.

[dmantione]

Let op dat Z.AI zowel "GLM 5.3 Flash" als "GLM 5.3 FlashX" aanbiedt. Het is hetzelfde model, met verschillende QoS. FlashX moet gebruikt worden in situaties waar snelle antwoorden vereist zijn.

[yaml]

Flash is dan weer niet beschikbaar via Mistral

[page404]

Ik gebruik nu mistral small 3.2 en die doet het echt lekker met Nederlandse taal. Geheugengebruik is nog acceptabel. Hoeveel geheugen heb ik dan nodig voor dit nieuwe model?

[Scribe]

Weights zijn nog niet publiek maar ben bang dat het flink tegen gaat vallen. Dit komt toch wel echt in de categorie "Mac Studio / (meerdere) DGX Spark's nodig" qua RAM-gebruik ben ik bang

[Exirion]

Het kan meevallen. Het is vrijwel zeker een Mixture of Experts (MoE) model waarvoor inmiddels volop mogelijkheden zijn om met een snelle SSD of secundair geheugen aan expert streaming te doen. Daarnaast hebben bijvoorbeeld DeepSeek V4 modellen experts die op 4-bit resolutie getraind zijn. En verder werken enkele recente modellen met n-grams die niet in het geheugen hoeven zitten. Dit alles reduceert de effectieve footprint van een model nogal.

[dmantione]

Ik denk nog best behoorlijk veel. Het aantal actieve parameters is daarvoor bepalend, gecombineerd met contextvenster. Met 49 miljard heb je aan 1 GPU niet genoeg, ik denk dat je naar iets zoals een Gigabyte G383 moet kijken.

Wellicht komen er gereduceerde versies van dit model.

[Reactie gewijzigd door dmantione op 6 oktober 2026 21:02]

[Crim]

Dit zit in de categorie minstens 8x een H200 of B200. Kost je enkele tonnen als je er al aan kan komen.

[brickconomy]

Strategisch gezien best interessant dat zij nog kansen zien in het ontwikkelen van nieuwe, grote modellen die (enigszins) competetief zijn. Nu open-source LLMs (voornamelijk uit China) steeds krachtiger worden en door andere bedrijven zonder licensing fees gehost kunnen worden, zoals door Mistral, zou je zeggen dat inzetten op infastructuur op de lange termijn een strategischere zet is dan de ontwikkeling van modellen zelf. Met andere woorden: het geld valt niet te verdienen met het model, maar het serveren ervan en het bouwen van systemen eromheen.

Het leek even alsof Mistral dezelfde realisatie had, na hun laatste zeer matige modelreleases en een relatief lange tijd zonder een nieuw model. Maar dat tij lijkt gekeerd. Sterker nog, een onderzoeker van Mistral plaatste ook op X dat ze aan het werken zijn aan een nog groter model (bron: https://x.com/albertqjiang/status/2107467354225447320). Benieuwd wat hieruit komt en of dit op de lange termijn de juiste investering is, in plaats van meer infrastructuur. Wellicht valt er wat te zeggen voor een volledige pre-training op data volgens Europese normen en waarden, maar de business value zie ik er nog niet direct in.

[Reactie gewijzigd door brickconomy op 6 oktober 2026 21:05]

[Moortn]

Vanuit een Europees standpunt is het hebben van een eigen model wel enorm belangrijk. Als we afhankelijk zijn van Amerikaanse en Chinese modellen, zijn we enorm kwetsbaar voor chantage. Die open-weight modellen zijn heel leuk, maar China (lees: Xi) kan besluiten om daarmee te stoppen en toegang tot Chinese AI te knijpen om ons onder druk te zetten. De Amerikanen zullen zoiets iets minder snel doen, al is Trump hartstikke onvoorspelbaar en kunnen ze ook modellen binnen de VS houden vanwege 'nationale veiligheid'.

Dus het zou me niks verbazen als sommige investeerders van Mistral, zoals ASML, ook graag eigen modellen zien om een veilig alternatief te hebben mochten de handelsoorlogen weer uit de hand lopen.

[Evanesco]

Ik zal vast niet de enige zijn die zich dit afvroeg:

Een open-weight LLM is een groot taalmodel waarvan de getrainde parameters (de “gewichten”) publiek beschikbaar zijn om te downloaden, lokaal te draaien en eventueel aan te passen. Het tegenovergestelde wordt meestal closed-weight (of “closed/API-only”) genoemd: de gewichten zijn niet beschikbaar en je gebruikt het model alleen via een API of webinterface van de aanbieder.

[demartijn]

Nog meer goed nieuws! Eerst de belastingdienst die niet naar MS cloud gaat migreren. Eerder DigID, dat in eigen handen blijft. En nu Mistral dat gewoon lekker bezig is.

Zie je wel, dat het wel gewoon kan hier in Europe.

En nu kappen met dat gecalimero en doorpakken.

[Bouwer21000]

Eindelijk, Le Chaton Fat!

[desalniettemin]

Komt dat even mooi uit:

Het Franse Mistral heeft zijn krachtigste AI-model tot dusver aangekondigd, Large 4. Volgens de fabrikant presteert dit model beter dan alle andere openweightmodellen buiten China. Large 4 zou vooral goed presteren op het gebied van cybersecurity:

nieuws: 'Duizenden systemen wind- en zonneparken zijn kwetsbaar voor cyberaanvallen'