Een AI-model kiezen: OpenAI vs Anthropic vs lokale LLM's
Het grootste praktische voordeel van een modelonafhankelijke assistent zoals OpenClaw is dat deze keuze omkeerbaar is. Je brengt je eigen sleutel mee, je kunt binnen een minuut van gedachten veranderen en je kunt verschillende modellen voor verschillende taken gebruiken. Deze gids gaat over hoe je de keuze goed maakt in plaats van welk merk je moet kiezen, want de merken veranderen sneller dan elke pagina kan bijhouden.
Begin met het criterium dat echt dingen kapot maakt
Controleer voordat je naar capaciteit, prijs of contextlengte kijkt één ding: ondersteunt het model tool calling? Een assistent handelt doordat het model een gestructureerde aanroep naar een tool stuurt, en niet elk model kan dat. Wijs OpenClaw op een model dat dat niet kan en je krijgt een vloeiende gesprekspartner die beschrijft wat hij gaat doen en het dan helemaal niet doet. Er komt geen foutmelding, en daarom is dit het meest verkeerd gediagnosticeerde probleem bij zelfgehoste assistenten, en waarom het een eigen sectie heeft in waarom een assistent stopt met reageren.
Een zachtere variant telt ook mee. Sommige modellen ondersteunen tool calling maar doen het onbetrouwbaar en produceren misvormde aanroepen die mislukken en opnieuw worden geprobeerd. Een model dat opnieuw moet proberen is niet goedkoper dan een sterker model dat het meteen goed doet, wat de prijs per token ook zegt.
De vier dimensies die het waard zijn om te vergelijken
- Redeneerkwaliteit. Hoe goed het een taak met meerdere stappen en wat ambiguïteit aankan. Dit merk je bij lastig werk en nooit bij makkelijk werk.
- Contextvenster. Hoeveel het tegelijk kan vasthouden. Belangrijk voor lange documenten, en duurder dan het lijkt, omdat een lang gesprek bij elke beurt de eigen geschiedenis opnieuw verstuurt.
- Latentie. Hoe lang je moet wachten. Bij een chatassistent telt dit zwaarder dan mensen toegeven: een assistent waar je dertig seconden op moet wachten, gebruik je op een gegeven moment niet meer.
- Privacybeleid. Waar de inhoud naartoe gaat en wat het beleid van de aanbieder over bewaring en training zegt. Lees het beleid voor het abonnement waarop je echt zit, want dat verschilt vaak tussen consumenten- en API-toegang.
Let op dat prijs niet op die lijst staat. Het telt, maar het komt later: een model dat minder pogingen en kortere prompts nodig heeft om je werk goed te doen, kan bij een hogere prijs per token toch goedkoper zijn.
De gehoste aanbieders
OpenAI
Een sterke algemene standaard met betrouwbaar tool-gebruik, brede ondersteuning in het ecosysteem en een breed aanbod, van kleine snelle modellen tot grote capabele modellen. Als je geen specifieke reden hebt om anders te kiezen, kost het niets om hier te beginnen en later te veranderen. Je betaalt OpenAI rechtstreeks met je eigen sleutel.
Anthropic
Claude-modellen staan bekend om zorgvuldig, goed gestructureerd redeneren, lange context en nauwgezet opvolgen van instructies. Ze passen bij een assistent die veel leest en schrijft, en bij workflows waarin je wilt dat het model precies doet wat er gevraagd is in plaats van iets wat er naast ligt.
De sterkte van Gemini is een zeer grote context, wat past bij werk dat vooral uit lange documenten, transcripties of codebases bestaat die in één keer doorgerekend moeten worden in plaats van in stukken gehakt.
Aggregators
Diensten zoals OpenRouter zetten veel aanbieders achter één sleutel en één API, wat echt handig is als je modellen wilt vergelijken of verschillende taken naar verschillende modellen wilt sturen zonder meerdere accounts te beheren. De keerzijde is een extra partij in het pad en, bij gratis abonnementen, echte limieten: gratis modelvarianten zijn per minuut en per dag begrensd, en die limieten raken een assistent harder dan een chatbot, omdat een agent per taak meerdere verzoeken doet.
Lokale modellen, realistisch bekeken
Een model op je eigen instantie draaien via Ollama is de sterkste privacygarantie die er is, omdat niets ergens naartoe gaat. Het is de moeite waard om de afweging duidelijk te zien in plaats van er romantisch over te doen.
Eerst de rekensom. Een 7B-model gekwantiseerd naar 4 bits is ongeveer 4 GB aan gewichten, nog vóór de gesprekscontext en vóór OpenClaw zelf. Het instapabonnement kan er dus geen houden, en 8 GB is de realistische ondergrens. Grotere modellen schalen mee, en zonder GPU draait de inferentie op de CPU, en dat is zo traag dat de meeste mensen die het voor dagelijks gebruik proberen weer teruggaan naar een gehost model. Zie de serververeisten voor hoe dit de dimensionering verandert.
Het eerlijke kader is dat lokale inferentie past bij specifieke taken en niet als standaard: inhoud die je nergens naartoe wilt sturen, werk dat moet blijven draaien zonder internet, of een workload met veel volume waarbij de prijs per token de beperking is. Voor al het andere houdt een gehost model bij een zelfgehoste assistent al je gespreksgeschiedenis, inloggegevens en integraties op je eigen server, en dat is het meeste van wat mensen met privacy bedoelen.
Snelle vergelijking
| Optie | Het best voor | Waar de inhoud naartoe gaat | Kostenmodel |
|---|---|---|---|
| OpenAI | Algemene standaard, betrouwbaar tool-gebruik | OpenAI API | Betalen per token, je eigen sleutel |
| Anthropic | Lange documenten, zorgvuldig schrijven en nauwgezet opvolgen van instructies | Anthropic API | Betalen per token, je eigen sleutel |
| Zeer lange context in één keer | Google API | Betalen per token, je eigen sleutel | |
| Aggregator | Vergelijken of schakelen tussen veel modellen | Aggregator, daarna de aanbieder | Betalen per token, plus een opslag |
| Lokaal via Ollama | Inhoud die niet weg mag, of geen kosten per token | Blijft op je instantie | Je eigen rekenkracht, 8 GB en meer |
Hoe je echt beslist
Vergelijkingen die anderen hebben geschreven zijn een startpunt en een slechte vervanging voor twee uur van je eigen testen. De methode die werkt:
- Kies de taak die je het liefst goed door de assistent wilt laten doen. Geen benchmark, een echte taak.
- Laat twee kandidaatmodellen dezelfde prompt uitvoeren.
- Vergelijk op de drie dingen waar je mee moet leven: was het antwoord juist, hoe lang moest je wachten, en wat zei het dashboard van de aanbieder dat er is verbruikt.
- Hou de winnaar als standaard en laat de andere geconfigureerd staan, want de volgende taak kan de andere kant op uitvallen.
Dit kost een middag en beslist de vraag veel beter dan elke tabel, ook die hierboven.
Je hoeft niet maar één te kiezen
Omdat OpenClaw modelonafhankelijk is, is het echte antwoord meestal een verdeling: een capabel gehost model als standaard, iets goedkoops en snels voor routinematig herformatteren, en een lokaal model voor de handvol dingen die je liever nergens naartoe stuurt. Wisselen kost structureel niets, want het model is configuratie en geen architectuur. Je integraties, geschiedenis en setup blijven ongemoeid bij de wissel.
Klaar om het uit te proberen? Volg de gids om OpenClaw zelf te hosten, bekijk de serververeisten als een lokaal model op je lijstje staat, of deploy vanaf de homepage.