# Welk AI-model?

- Link: https://vibecad.nl/ai-models-for-vibecadding/
- Published: 2026-10-15T16:44:32+02:00
- Author: Marijn van den Heuvel \+ AI

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](https://www.swebench.com/), de officiële SWE-bench-leaderboards
 * [Vals AI](https://vals.ai/benchmarks/swebench), één gestandaardiseerde harness(
   gearchiveerd sep 2026, verzadigd)
 * [Aider Polyglot leaderboard](https://aider.chat/docs/leaderboards/), code-editing
   in meerdere talen
 * [LMArena](https://lmarena.ai/), menselijke voorkeur (Elo-ranking)

_Laatst bijgewerkt: november 2026._