Lokale AI op je eigen pc: gids voor tekst, beeld, video en audio
Met lokale AI draai je krachtige tekst-, beeld-, video- en muziekmodellen rechtstreeks op je eigen videokaart. Zonder abonnementen, zonder cloud en met volledige privacy.
👁 126 keer gelezen
Met lokale AI draai je geavanceerde kunstmatige intelligentie rechtstreeks op je eigen computer: modellen schrijven teksten, genereren realistische beelden, renderen videoclips en produceren complete liedjes. Zonder maandelijks abonnement, zonder account en zonder dat je bestanden naar een externe server worden gestuurd. Alles wat hier wordt besproken, heb ik zelf op mijn pc met een RTX 4090 (24 GB VRAM) geïnstalleerd en doorgemeten op rekentijd, geheugengebruik en licentievoorwaarden.
Update 20 oktober 2026: vier nieuwe open-weight modellen - Muse Spark Open, DeepSeek V4.1 Flash 1017, Step 5 en Nemotron 3.5 Super VL - zijn veel te groot voor één GPU met 24 GB. Groottes, licenties en mijn test: Open source AI, oktober 2026: 4 open source LLMs getest.
Een bredere vergelijking van AI video generators, met mijn testresultaten, prijzen in USD en gratis opties: Beste AI video generator 2026: testresultaten en prijzen.
Situatie op 17 oktober 2026
- Tekst: Gemma 4 31B haalt 41-43 tok/s bij 19,2 GB VRAM. Voor kleinere kaarten (8-12 GB) volstaat Gemma 4 12B op volle snelheid.
- Beeld: FLUX 3 Image Klein genereert een afbeelding in 6-7 seconden en vraagt slechts 7,5 GB VRAM.
- Video: Kandinsky 6.0 Lite genereert een clip van 5 seconden inclusief audio in ongeveer 2 minuten onder een vrije MIT-licentie.
- Muziek: ACE-Step 1.5 genereert complete tracks met zang en scoort 95,6% herkenbare woorden (MIT-licentie).
De beste lokale AI-modellen per categorie
Op basis van mijn doorlopende benchmarks op een RTX 4090 heb ik de sterkste open modellen geselecteerd. Omdat je met open gewichten zelf verantwoordelijk bent voor de naleving van de voorwaarden, staat de commerciële status er direct bij vermeld.
| Categorie | Beste model | Mijn meetresultaat | Commercieel |
|---|---|---|---|
| Tekst (24 GB GPU) | Gemma 4 31B | 42 tok/s, 19,2 GB VRAM | Ja (Apache 2.0) |
| Tekst (8-12 GB GPU) | Gemma 4 12B | 91-104 tok/s, ~8 GB | Ja (Apache 2.0) |
| Tekst (Poolse taal) | Bielik 11B v3 | 72 tok/s, 16,7 GB | Ja (Apache 2.0) |
| Beeld (allround) | FLUX 3 Klein | 6-7 s, 7,5 GB VRAM | Ja (tot $5M omzet) |
| Beeld (snelheid) | Qwen-Image 2.1 Turbo | 3-4 s, 17-19 GB VRAM | Nee (Research) |
| Beeld (productie) | Z-Image Turbo | 4,2 s per afbeelding | Ja (Apache 2.0) |
| Video met audio | Kandinsky 6.0 Lite | 1:51-2:28 min per 5 s | Ja (MIT) |
| Zang en muziek | ACE-Step 1.5 | 34-91 s per nummer | Ja (MIT) |
| Spraaksynthese (TTS) | XTTS v2 | 17,6 s per 53 s audio | Nee (CPML) |
| Transcriptie (STT) | Whisper large-v3 | Nauwkeurigste open STT | Ja (MIT) |
AI lokaal draaien in 4 overzichtelijke stappen
- Controleer je videogeheugen (VRAM). Open in Windows 11 Taakbeheer (Ctrl + Shift + Esc), klik op Prestaties en selecteer je GPU om de Dedicated GPU Memory af te lezen. Bij Nvidia-kaarten kun je in de opdrachtprompt ook het commando
nvidia-smiuitvoeren. Dit aantal gigabytes bepaalt welke modellen volledig in je grafische kaart passen. - Installeer het juiste programma voor je doel.
- Voor tekst en documenten: LM Studio (gebruiksvriendelijke interface) of Ollama (lichtgewicht achtergronddienst met API).
- Voor een complete webinterface zoals ChatGPT: combineer Ollama met Open WebUI.
- Voor beelden, video en muziek: ComfyUI (uitgebreid knooppuntensysteem).
- Voor gesproken audio transcriberen: Whisper.
- Download een compact basismodel. Begin voor tekst met Gemma 4 12B (bestand van ongeveer 7 GB). Kies voor beeldcreatie FLUX 3 Klein of Z-Image Turbo. Haal modellen uitsluitend binnen via betrouwbare platforms zoals de officiële Hugging Face-pagina’s van makers of de ingebouwde bibliotheken van LM Studio en Ollama.
- Controleer of het model 100% in het VRAM past. In Ollama voer je in de terminal
ollama psuit: daar moet strikt 100% GPU worden weergegeven. Zodra lagen naar het reguliere werkgeheugen (RAM) verhuizen, zakt de rekensnelheid dramatisch in.
Tekst: lokale LLM-prestaties gemeten
Een lokale LLM (Large Language Model) fungeert als een volwaardig alternatief voor commerciële clouddiensten. Je kunt ermee redeneren, programmeren, samenvatten en documenten analyseren. Ik draai deze modellen hoofdzakelijk via llama.cpp, LM Studio en Ollama. Omdat al deze applicaties op dezelfde inferentiemotor steunen, blijven de prestatieverschillen onderling minimaal.
| Model | VRAM-piek | Generatiesnelheid | Taalscore |
|---|---|---|---|
| Gemma 4 31B QAT | 19,2 GB | 41-43 tok/s | 9,5/10 (5 taken) |
| Qwen 3.8 27B (Q4_K_M) | 17,0 GB | 50 tok/s | 72,2 / 100 pt |
| Bielik 11B v3 (Q8) | 16,7 GB | 72 tok/s | 64,4 / 100 pt |
| GPT-OSS 20B | 12,2 GB | 218 tok/s | 52,4 / 100 pt |
| Gemma 4 12B | ~8,0 GB | 91-104 tok/s | 72,3 / 100 pt |
| Gemma 4 E4B | 5,4-6,1 GB | 110-129 tok/s | Niet gemeten |
De puntentellingen (op een schaal van 0 tot 100) zijn afkomstig uit mijn gestandaardiseerde benchmark van 26 september 2026, waarin 7 modellen werden beoordeeld via AI-evaluatie. Ter vergelijking: Claude Haiku 4.5 behaalde in exact dezelfde test 62,7 punten. Bielik 11B v3 is een specifiek model van het Poolse SpeakLeash dat in een Poolstalige test uitblonk met de minste grammaticale fouten, al scoorde het bij algemene opdrachten lager dan Gemma 4. Alle hier geteste tekstmodellen vallen onder de Apache 2.0-licentie, wat commerciële implementaties zonder restricties toestaat.
Beeld: lokale generatoren in de praktijk
Beeldgeneratie vindt hoofdzakelijk plaats binnen ComfyUI. Recente open architecturen renderen handen, composities en tekstelementen aanzienlijk betrouwbaarder dan vroege versies van Stable Diffusion. Onderstaande metingen zijn uitgevoerd op mijn RTX 4090 zonder de initiële laadtijd vanaf de opslag mee te rekenen (de eerste generatie kost doorgaans 10 tot 45 seconden extra).
| Model | Tijd per beeld | VRAM (piek) | Commercieel |
|---|---|---|---|
| FLUX 3 Image Klein (int8) | 6-7 s (1024×1536) | 7,3-7,5 GB | Ja (< $5M omzet) |
| Qwen-Image 2.1 Turbo | 3-4 s | 16,8-18,6 GB | Nee (Research) |
| Qwen-Image 2.1 (25 stappen) | 13-20 s | Tot 19,0 GB | Nee (Research) |
| Z-Image Turbo | 4,2 s (1344×768) | Tot 18,0 GB | Ja (Apache 2.0) |
FLUX 3 Klein en Qwen-Image 2.1 Turbo heb ik op 17 oktober 2026 gemeten binnen ComfyUI 0.41, terwijl de meting van Z-Image Turbo stamt van 26 september 2026. FLUX 3 Klein viel op door zijn lage VRAM-piek van maximaal 7,5 GB, waardoor dit model moeiteloos draait op gangbare consumentenkaarten met 8 of 12 GB geheugen. Wie absolute snelheid zoekt, kiest Qwen-Image 2.1 Turbo (3-4 seconden), maar let op de niet-commerciële onderzoekslicentie. Voor zakelijk werk zonder inkomensdrempels is Z-Image Turbo onder Apache 2.0 de stabielste keuze.
Videomodellen lokaal renderen
Videomodellen vormen de zwaarste belasting voor lokale hardware. Zelfs op een videokaart met 24 GB VRAM ben je in de praktijk gebonden aan modellen tot ongeveer 5 tot 13 miljard parameters, waarbij een clip van enkele seconden al snel meerdere minuten rekentijd eist.
| Model | Cliplengte en rekentijd | Geheugengebruik | Commercieel |
|---|---|---|---|
| Kandinsky 6.0 Lite | 5 s + audio, 1:51-2:28 min | 19-20 GB VRAM | Ja (MIT) |
| Kandinsky 6.0 Pro (int8) | 5 s + audio, 6:18-6:52 min | 21 GB VRAM + 29 GB RAM | Ja (MIT) |
| Wan 2.2 TI2V 5B | Zonder audio, ~1 min (960×544) | Tot ~20 GB VRAM | Ja (Apache 2.0) |
| LTX-Video 13B | 58 s inclusief laden | Niet los gemeten | Ja (< $10M omzet) |
Kandinsky 6.0 werd doorgemeten op 17 oktober 2026 en genereert synchrone beelden en achtergrondgeluid in één inferentieronde. Wan 2.2 TI2V 5B heb ik op 27 september 2026 gemeten in ComfyUI met de vlag --disable-smart-memory; zonder deze parameter liep de rendertijd fors op zodra andere achtergrondprocessen actief waren. LTX-Video 13B vereist dankzij destillatie aanzienlijk minder rekenstappen en haalt een clip in 58 seconden inclusief het inladen van de gewichten.
Muziek, zang en stemmodellen
Lokale audioproductie heeft in het najaar van 2026 enorme sprongen gemaakt. Naast achtergrondmuziek en geluidseffecten (zoals via Stable Audio 3) kunnen open modellen nu complete zanglijnen synthetiseren.
Zanggeneratie met zanglijnen
Op 17 oktober 2026 heb ik een test uitgevoerd met vier lokale muziekgeneratoren op basis van identieke lysteilanden. Elk model kreeg drie pogingen toebedeeld, waarna de opnames door Whisper large-v3 werden gehaald om het percentage correct herkende woorden vast te stellen.
ACE-Step 1.5 genereert een nummer van 2 minuten in 34 tot 91 seconden bij een VRAM-piek van 10,7 tot 20 GB en valt onder de vrije MIT-licentie. YuE2 behaalde bij Engelstalige zang 100% woordherkenning, maar de CC BY-NC 4.0-licentie sluit commerciële exploitatie uit. MiniMax Music 3 vertoonde in mijn tests de neiging om tracks voortijdig af te kappen. DiffRhythm 2 ondersteunt uitsluitend Engels en Chinees en strandde in de meertalige test op 4,8%.
Spraaksynthese (Text-to-Speech)
| Model | Uitspraakscore | Hardware en tijd | Commercieel |
|---|---|---|---|
| XTTS v2 | 10 / 15 pt | 3,0 GB VRAM, 17,6 s per 53 s audio | Nee (CPML) |
| Piper (stem gosia) | 6 / 15 pt | Alleen CPU, 5,8 s per 36 s audio | GPL-3.0 (stem per modelkaart) |
| Chatterbox Multilingual | 4 / 15 pt | 5,3 GB VRAM, 26,4 s per 33 s audio | Ja (MIT) |
In dezelfde testreeks van 8 oktober 2026 behaalde de commerciële clouddienst Eleven v4 de maximale score van 15/15 punten. Lokale open TTS-modellen blijven op het vlak van intonatie en getalverwerking dus nog achter bij gesloten cloudoplossingen.
Hardwarevereisten: wat draait op 8, 12, 16 en 24 GB?
Bij het lokaal draaien van AI is de hoeveelheid en de bandbreedte van je videogeheugen de doorslaggevende factor. Om de prestaties op kleinere configuraties nauwkeurig in kaart te brengen, heb ik op mijn RTX 4090 via Ollama simulaties uitgevoerd door het aantal model-lagen op de GPU kunstmatig te begrenzen tot het niveau van kaarten met 8, 12 en 16 GB geheugen.
| VRAM | Tekstmodellen (LLM) | Beeldgeneratie | Video en muziek |
|---|---|---|---|
| 8 GB (RTX 4060, 3070) | Gemma 4 E4B volledig; Gemma 4 12B op 48 tok/s (simulatie) | FLUX 3 Klein nét passend (piek 7,5 GB) | Onvoldoende capaciteit |
| 12 GB (RTX 3060, 4070) | Gemma 4 12B volledig; GPT-OSS 20B op 165 tok/s (simulatie) | FLUX 3 Klein ruim voldoende | ACE-Step 1.5 op de grens (vanaf 10,7 GB) |
| 16 GB (RTX 4060 Ti 16G, 4080) | Qwen 3.8 27B: 33,4 tok/s (64 van 65 lagen) | Z-Image Turbo (vereist 16 GB) | YuE2 op de grens (13,3-16,3 GB) |
| 24 GB (RTX 3090, 4090, 5090) | Gemma 4 31B, Qwen 3.8 27B, Bielik 11B (Q8) | Alle geteste modellen inclusief Qwen Turbo | Kandinsky 6 Lite, Wan 2.2 5B, ACE-Step |
Zodra een model niet volledig in het videogeheugen past en moet uitwijken naar het reguliere RAM via de processor, stort de rekensnelheid in. Hieronder zie je mijn metingen van 3 oktober 2026 met Qwen 3.8 27B binnen Ollama bij een contextvenster van 4096 tokens:
De verwerkingssnelheid hangt primair samen met de geheugenbandbreedte van de architectuur. De openbare llama.cpp-benchmarks voor het gestandaardiseerde model Llama 2 7B Q4_0 laten dit verband duidelijk zien:
Voor macOS geldt dat Apple Silicon-chips werken met een gedeelde geheugenarchitectuur (Unified Memory). Op een Mac met 16 GB draait Gemma 4 12B in Q4-kwantisatie (7,0 GB) vlot; systemen met 32 GB kunnen ook Gemma 4 31B QAT (17,65 GB) en Qwen 3.8 27B inladen. Wie uitsluitend op de CPU rekent, kan kleine taalmodellen en stemmen zoals Piper draaien, maar beeld- en videoverwerking is zonder videokaart onwerkbaar traag.
Programma’s voor lokale AI
De softwarelaag om open modellen te draaien is volledig kosteloos beschikbaar en dekt uiteenlopende toepassingen af.
Overzichtelijke chatinterface met handige zoekfunctie die toont welke modellen in je VRAM passen.
Draait tekstmodellen via de terminal en fungeert als lokale API-server voor achtergrondtaken.
Webinterface met het uiterlijk van ChatGPT voor Ollama-modellen, inclusief chathistorie en documentbeheer.
Geavanceerde node-gebaseerde software voor het renderen en automatiseren van beelden, video en muziek.
Desktopbrowser waarmee je complexe AI-applicaties met één muisklik installeert op Windows.
Toegankelijke chat-app voor beginners met een eenvoudige downloadknop voor lokale LLM’s.
- llama.cpp: De fundamentele C++-engine achter applicaties als Ollama en LM Studio. Kies op een Nvidia-kaart altijd voor de CUDA-build; in mijn metingen presteerde de Vulkan-backend 1,9 tot 2,6 keer langzamer.
- Whisper: Het referentiemodel van OpenAI voor spraak-naar-teksttranscriptie, licentieerbaar onder MIT.
- Pinokio: Een desktopbrowser die installaties van complexe AI-tools automatiseert.
Licenties: commercieel gebruik en Europese beperkingen
Het label open weights betekent geenszins dat alles wettelijk is toegestaan. Controleer de voorwaarden per release zorgvuldig:
| Model | Licentietype | Commercieel inzetbaar |
|---|---|---|
| Gemma 4, Qwen 3.8, Bielik, GPT-OSS | Apache 2.0 | Ja, zonder beperkingen |
| Z-Image Turbo, Wan 2.2 | Apache 2.0 | Ja, zonder beperkingen |
| Kandinsky 6.0, ACE-Step 1.5, Chatterbox, Whisper | MIT | Ja, zonder beperkingen |
| FLUX 3 Image Klein | FLUX Kommunity | Ja, tot maximaal $5.000.000 omzet |
| LTX-Video (Lightricks) | LTX-2 Community | Ja, tot maximaal $10.000.000 omzet |
| Qwen-Image 2.1 & 2.1 Turbo | Qwen Research | Nee, strikt niet-commercieel onderzoek |
| YuE2 | CC BY-NC 4.0 | Nee, commercieel gebruik verboden |
| XTTS v2 | Coqui Public Model License | Nee, niet commercieel |
| MiniMax H3, HunyuanVideo | Regionale uitsluiting | Niet toegestaan in de Europese Unie |
Let specifiek op modellen als MiniMax H3 en HunyuanVideo: de licentievoorwaarden van de makers sluiten gebruik binnen de Europese Unie uitdrukkelijk uit. Zelfs compacte afgeleiden zoals FastH3 veranderen niets aan deze juridische status.
Is lokale AI de investering waard?
Het draaien van lokale modellen vraagt om een investering in krachtige hardware. In een directe stroommeting kostten 13 taken op een lokaal draaiende Gemma 4 12B mij slechts een fractie aan elektriciteit vergeleken met dezelfde verzoeken via de commerciële GPT-6 Luna API. Een afbeelding via Z-Image Turbo kostte eveneens verwaarloosbaar weinig stroom. Een dure grafische kaart verdien je desondanks pas terug na honderden uren intensief rekenwerk, temeer omdat gesloten clouddiensten op deelgebieden nog altijd superieur presteren. De echte winst van lokale AI zit dan ook niet primair in geld, maar in absolute privacy (er lekt geen byte naar buiten), onbeperkte autonomie zonder censuur of filters, en de garantie dat je workflow offline blijft functioneren.
Verdiepende handleidingen op dit platform
- In de handleiding over Open WebUI met Ollama lees je hoe je binnen enkele minuten een lokale chatinterface opzet.
- Mijn praktijktest van ACE-Step 1.5 op een RTX 4090 toont hoe je zelf complete nummers met zanglijnen produceert.
- In het artikel over GGUF-kwantisatie: Q4_K_M vs Q6_K vs Q8_0 ontdek je welke compressiekwaliteit het beste bij jouw VRAM past.
- Voor wie installatieprocessen wil vereenvoudigen, bespreekt de gids over Pinokio hoe je AI-tools met één klik configureert.
- Het stappenplan voor een lokale AI-influencer maken laat zien hoe je consistente karakters zonder plastic look rendert.
- Vervolgens toont de handleiding AI-influencer video lokaal hoe je met Kandinsky 6 en Wan 2.2 dynamische clips animeert.
- De benchmark Ollama vs LM Studio vergelijkt beide LLM-beheerders op geheugengebruik en inferentiesnelheid.
- In de review van LTX-Video lokaal meet ik de prestaties van dit open videopodel op eigen GPU.
- Voor zware tekstmodellen kun je terecht bij mijn eerdere test van Gemma 4 31B op de RTX 4090.
- De economische analyse lokale AI vs API kosten berekent het omslagpunt tussen stroomverbruik en API-facturen.
- Voor gedetailleerde fotobewerking vind je handvatten in de Qwen-Image 2.1 review.
- Wil je spraakkwaliteit vergelijken, lees dan de test van AI-stemmen en spraaksynthese.
- Mijn bevindingen met Chinese audioproductie staan in het verslag over MiniMax Music 3 lokaal.
- Instrumentale soundscapes genereer je volgens de handleiding Stable Audio 3 in ComfyUI.
Veelgestelde vragen
Wat is lokale AI precies?
Lokale AI betekent dat een kunstmatige intelligentie rechtstreeks op de processor en videokaart van je eigen pc draait in plaats van in een datacenter van een cloudaanbieder. Je downloadt de gewichten van een model en draait deze via programma’s als LM Studio, Ollama of ComfyUI. Hierdoor werkt het systeem na installatie volledig zonder internetverbinding en blijven je gegevens privé.
Hoeveel VRAM heb ik minimaal nodig voor lokale modellen?
Voor tekstmodellen volstaat een videokaart met 8 GB VRAM om modellen zoals Gemma 4 E4B of lichte kwantisaties te draaien, al begint comfortabel werken bij 12 GB. Beeldgeneratoren zoals FLUX 3 Klein vereisen 7,5 GB, terwijl videomodellen en muziekgeneratie met zanglijnen minimaal 16 tot 24 GB VRAM vragen. Zodra het VRAM tekortschiet, vertraagt het systeem drastisch door uitwijken naar het werkgeheugen.
Welke videokaart is het meest geschikt voor lokale AI?
De totale hoeveelheid VRAM is de belangrijkste factor, gevolgd door de geheugenbandbreedte. Nvidia-kaarten hebben de voorkeur omdat het open-source ecosysteem rond AI primair voor CUDA is geoptimaliseerd. In benchmarks is de RTX 4090 met 24 GB het snelst, terwijl een oudere RTX 3090 met eveneens 24 GB slechts zo’n 14% langzamer rekent bij llama.cpp.
Kan ik AI lokaal draaien zonder videokaart?
Compacte tekstmodellen en spraaksynthese via Piper kunnen prima op een moderne processor draaien. Zware taken zoals het genereren van afbeeldingen of videoclips zijn op een processor in de praktijk echter onbruikbaar traag. Zelfs als slechts een deel van een tekstmodel naar de CPU verhuist, daalt de tokensnelheid merkbaar.
Werkt lokale AI ook op een Apple Mac?
Ja, applicaties zoals Ollama, LM Studio en ComfyUI hebben native versies voor macOS met Apple Silicon. Dankzij het gedeelde geheugen kan een Mac met 32 GB of meer zelfs relatief grote modellen inladen. Volgens openbare llama.cpp-metingen haalt een M4-chip ongeveer 24 tok/s, een M4 Pro circa 51 tok/s en een M4 Max rond de 83 tok/s op een 7B-model.
Is lokale AI volledig gratis te gebruiken?
De benodigde softwaretools en veel open modellen zijn kosteloos te downloaden. Je betaalt uitsluitend voor je eigen computermateriaal en het stroomverbruik. Let bij commerciële plannen wel goed op de specifieke modelkaart, aangezien sommige licenties commercieel gebruik beperken of uitsluiten.
Werkt lokale AI zonder werkende internetverbinding?
Zodra de software en de bijbehorende modelbestanden op je schijf staan, werken tools zoals LM Studio, Ollama, ComfyUI en Whisper volledig offline. Er wordt geen data uitgewisseld met externe servers, wat maximale vertrouwelijkheid garandeert.
Mag ik gegenereerde beelden en teksten commercieel verkopen?
Dat hangt volledig af van de licentie van het specifieke model. Modellen onder Apache 2.0 of MIT (zoals Kandinsky 6.0 of Gemma 4) staan vrije commerciële exploitatie toe. Modellen met licenties zoals Qwen Research of CC BY-NC verbieden commerciële toepassingen daarentegen strikt.
Geraadpleegde bronnen
- Eigen hardwaremetingen op RTX 4090 24 GB (Windows 11, i9-14900KF, 64 GB RAM): tekstbenchmarks van 26 september 2026 en Ollama-geheugensimulaties van 3 oktober 2026.
- Metingen van ComfyUI 0.41 op 17 oktober 2026 (FLUX 3 Klein, Qwen-Image 2.1 Turbo, Kandinsky 6.0, YuE2 en ACE-Step 1.5).
- llama.cpp benchmarks op Nvidia-hardware, discussie #15013, geraadpleegd op 9 oktober 2026.
- llama.cpp inferentie op Apple Silicon, discussie #4167, geraadpleegd op 9 oktober 2026.
- Officiële ACE-Step 1.5 modelkaart (MIT-licentie) op Hugging Face, geraadpleegd op 17 oktober 2026.
- FLUX 3 Image Klein modelkaart en licentievoorwaarden, geraadpleegd op 17 oktober 2026.
- Wan 2.2 TI2V 5B modelrepository (Apache 2.0), geraadpleegd op 17 oktober 2026.
- Artificial Analysis Speech-to-Text vergelijkingsdata, geraadpleegd op 9 oktober 2026.
- Testmethode: Helder Lab
Gecontroleerd op 17 oktober 2026.
More on this from HELDER
handleidingen·Lokaal AI-model of API: wat kost AI echt op je eigen GPU?Lokaal AI-model of API? We maten het stroomverbruik van een RTX 4090 bij 13 taken en vergeleken dat met GPT-6 Luna, Claude Haiku en Opus 5.5 in de cloud.