Welk AI-model zet je waarvoor in? Niet de ranglijst, maar wat in de praktijk werkt: betrouwbaarheid bij agentic werk, lange context, tool- en MCP-aansturing, snelheid en kosten.
Lees dit eerst: de klassieke benchmarks zijn verzadigd. Op SWE-bench Verified zitten de topmodellen nu binnen een paar punten van elkaar (de onafhankelijke Vals AI-lijst is in september 2026 gearchiveerd omdat hij de koplopers niet meer onderscheidde). Achter die laatste punt aanjagen heeft geen zin, kies op basis van je workflow en test op je eigen repo.
De drie tiers
- Frontier (closed): de moeilijke 20%, met complexe refactors, autonome agents, lastig debuggen. Claude Opus (Anthropic), GPT-5-generatie (OpenAI), Gemini 3-generatie (Google).
- Cheap & good: dagelijks werk voor een fractie van de prijs. Claude Sonnet, Gemini Flash, DeepSeek V-serie Flash, MiniMax M-serie, Grok.
- Open-weight: self-hosting, geen vendor lock-in. Qwen3 Coder, Kimi (K2/K3), GLM-5, DeepSeek V-serie, Llama.
Een patroon dat in 2026 veel voorkomt: het gros van je agent-verkeer op een open-weight of goedkoop model, en alleen de lastigste tickets escaleren naar een frontier-API.
Modelfamilies in één oogopslag
| Familie | Aanbieder | Open weights | Waarvoor | Toegang |
|---|---|---|---|---|
| Claude Opus | Anthropic | Nee | Beste agentic coding, lange refactors, moeilijk redeneren | API, Claude-apps, Cursor, Cline |
| Claude Sonnet / Haiku | Anthropic | Nee | Dagelijks productiewerk, veel kleine taken | API, Claude-apps, IDE-agents |
| GPT-5-generatie | OpenAI | Nee | Gebalanceerde allrounder, volwassen tool-ecosysteem | API, ChatGPT, Copilot, Cursor |
| Gemini 3 Pro / Flash | Google DeepMind | Nee | Zeer grote context (hele codebases), multimodaal, snel | API, AI Studio, Vertex |
| DeepSeek V-serie | DeepSeek | Ja (MIT) | Bijna-frontier coding tegen lage kosten | API, OpenRouter, lokaal (zware HW) |
| Qwen3 Coder | Alibaba / Qwen | Ja (Apache-2.0) | Standaard open-weight codingmodel, breed scala aan maten | Lokaal (Ollama, LM Studio), API |
| Kimi (K2 / K3) | Moonshot AI | Ja (aangepaste MIT) | Agentic coding, lange-context Q&A | API, OpenRouter, self-host |
| GLM-5 | Zhipu AI | Ja | Open-weight op GPT-klasse kwaliteit | API, self-host |
| MiniMax M-serie | MiniMax | Ja | Kostenbewuste agent-loops | API, self-host |
| Llama | Meta | Ja | Self-hosting, zeer grote context, breed ecosysteem | Lokaal / API |
Exacte versienummers veranderen maandelijks, zie de families hierboven als de stabiele laag en check de actuele releases voordat je standaardiseert.
Kort advies
- Moeilijkste taken / hoogste betrouwbaarheid: een frontier-model uit de Claude Opus-klasse.
- Beste prijs-kwaliteit van een frontier-lab: Gemini Flash-klasse.
- Beste open-weight (self-host): Qwen3 Coder voor flexibiliteit; Kimi of GLM-5 voor kwaliteit dicht bij frontier.
- Goedkoopste werkbare agent-loops: MiniMax M-serie en DeepSeek Flash-klasse API’s.
- Enorme codebases in één keer: Gemini Pro-klasse (miljoen-token context).
Wat belangrijker is dan de ranglijst
- De harness. Cursor, Cline, Aider, Claude Code en eigen scripts halen heel verschillende resultaten uit hetzelfde model. De agent-loop weegt vaak zwaarder dan het model.
- Tool- en MCP-aansturing. Voor vibecadding bepaalt of een model je CAD betrouwbaar via MCP kan aansturen (schetsen, constraints, features) meer dan een paar benchmarkpunten.
- Kosten per taak, niet per token: een goedkoop model dat vijf pogingen nodig heeft, kan duurder uitvallen dan een frontier-model dat het in één keer goed doet.
- Contextvenster en hoe goed het model dat benut.
- Lokaal versus API: self-hosted open weights betekenen geen kosten per seat en volledige datasoevereiniteit, maar alleen modellen onder ~120B passen op hardware die je zelf hebt, de biljoen-parameter open modellen zijn “open” via API, niet op je bureau.
Check de actuele cijfers
Omdat scores wekelijks verschuiven, verifieer je beter zelf voordat je standaardiseert:
- swebench.com, de officiële SWE-bench-leaderboards
- Vals AI, één gestandaardiseerde harness (gearchiveerd sep 2026, verzadigd)
- Aider Polyglot leaderboard, code-editing in meerdere talen
- LMArena, menselijke voorkeur (Elo-ranking)
Laatst bijgewerkt: november 2026.