Wat is een LLM?

De drie woorden, in de volgorde die ertoe doet

Haal de naam achterstevoren uit elkaar.

Model. Een model is een functie die een input omzet in een output, met regels die uit data zijn geleerd in plaats van door een programmeur geschreven. Het weermodel neemt de metingen van vandaag en levert de voorspelling van morgen. Een taalmodel neemt tekst en levert een kans voor wat er volgt.

Language. De input en de output zijn tekst, opgehakt in tokens, stukjes van woorden. Wat zijn tokens in AI behandelt die eenheid; kort gezegd leest en schrijft het model in fragmenten van ongeveer driekwart woord.

Large. Het model heeft een zeer groot aantal parameters, de interne getallen die training bijstelt. GPT-2 had in 2019 1,5 miljard. GPT-3 had in 2020 175 miljard. De catalogus die deze site in 2026 prijst, bevat een Qwen-model met 2,4 biljoen parameters, waarvan ongeveer 95 miljard actief zijn per token. Large doet veel werk in de naam, en het aantal is in zeven jaar meer dan duizendvoudig gegroeid.

Een LLM is dus een heel grote voorspeller van het volgende token. Elke andere eigenschap die mensen eraan toeschrijven, het redeneren, de toon, de zelfverzekerde fouten, volgt uit die ene taak.

Een LLM is geen chatbot, en dat verschil is het hele product

ChatGPT is een app. GPT is het model erin. Claude is zowel een familie modellen als de app die Anthropic eromheen bouwt. Bij Google is het hetzelfde verhaal met Gemini. Wat is een AI-chatbot behandelt de applaag; deze pagina gaat over de motor.

Het onderscheid houdt op academisch te zijn zodra je beseft dat de motor verwisselbaar is. Hetzelfde chatvenster kan je bericht naar GPT, Claude, Gemini, DeepSeek of Llama sturen, en de antwoorden verschillen in toon, kosten, snelheid en nauwkeurigheid. Een multimodel-werkruimte zoals Whizi is precies dat: één venster, 280+ modellen erachter, en een kiezer om te bepalen welk model antwoordt. De app is het stuur. De LLM is de motor, en die zijn er tientallen.

Hoe een LLM getraind wordt, in twee fasen

Fase een, pretraining. Het model leest een enorm corpus tekst en probeert, voor elke positie, het volgende token te raden. Elke foute gok stuurt de parameters een beetje bij. Meta rapporteerde dat Llama 3 vooraf getraind was op meer dan 15 biljoen tokens, wat, bij de ongeveer 100.000 tokens van een roman van 75.000 woorden (driekwart woord per token), overeenkomt met de tekst van ongeveer 150 miljoen boeken. Na deze fase is het model een uitstekende autocomplete en een matige assistent: stel het een vraag en het kan doorgaan met nog drie vragen, omdat tekst op het internet dat vaak doet.

Fase twee, post-training. Het model krijgt vervolgens voorbeelden van goede antwoorden te zien en mensen beoordelen welk van twee antwoorden beter is, een proces dat reinforcement learning from human feedback, of RLHF, heet. Hier komt het assistentgedrag vandaan: de vraag beantwoorden in het gevraagde formaat, en sommige verzoeken weigeren. Het is bijsturen, geen nieuwe kennis. De feiten komen nog steeds uit fase een.

Uit de twee fasen volgen twee dingen. De kennis van het model stopt op de datum waarop de pretrainingdata eindigt, waardoor elk model een kennisgrens heeft. En geen van beide fasen installeert een feitencontrole: het model leerde waarschijnlijke tekst produceren en daarna sympathieke tekst produceren. Waarheid is een veelvoorkomend bijeffect van beide, geen garantie. Waarom AI dingen fout heeft gaat daar dieper op in.

Waarom een LLM voorspelt in plaats van opzoekt

Een zoekmachine haalt op. Ze heeft een index van pagina's en geeft de bijpassende terug. Een LLM heeft geen index. Alles wat het tijdens pretraining las, werd gecomprimeerd in zijn parameters, en op het moment van antwoorden regenereert het tekst uit die compressie, één token tegelijk, waarbij het elk token kiest uit een kansverdeling.

Daarom kan een LLM een werkend recept schrijven voor een gerecht waarvan het de naam nog nooit zag, en daarom kan het ook een rechtbankverwijzing produceren die niet bestaat. Beide zijn plausibele voortzettingen. Het model heeft geen apart mechanisme dat controleert of een plausibele voortzetting ook een echte is.

De oplossing die producten gebruiken, is retrieval erbovenop plakken: eerst het web of je bestanden doorzoeken, en het model dan de fragmenten geven en vragen om daaruit te antwoorden. Die techniek heet RAG, en wat is RAG legt het uit. Websearch binnen een chatapp is RAG met het internet als bron. Het model voorspelt nog steeds; het voorspelt alleen uit beter materiaal.

Wat de prijs koopt binnen een familie, gemeten

Elke familie levert een ladder: een klein model, een middenmodel, een vlaggenschip. De Artificial Analysis Intelligence Index, een samengestelde score over publieke redeneer-, code- en kennisbenchmarks, zet een cijfer op elke sport, en het leaderboard vermeldt een gemengde prijs per miljoen tokens ernaast. De vier ladders hieronder zijn afgelezen op 2026-09-17.

OpenAI koopt 15 punten voor 18 keer het tarief, Anthropic 35 punten voor 36 keer, Qwen 19 punten voor 16 keer. DeepSeek breekt het patroon: V4 Flash scoort hoger dan V4 Pro voor minder dan de helft van de prijs. Daar volgen twee dingen uit. Binnen een familie zijn de laatste paar punten de dure, dus voor een korte feitelijke vraag geeft het kleine model hetzelfde antwoord als het vlaggenschip. En tussen families is prijs een zwakke maatstaf voor kwaliteit: DeepSeek V4 Flash scoort voor $0.27 per miljoen tokens twee punten boven Claude Sonnet 5 voor $5.09. Dat is het nuttigste dat je als koper over LLM's kunt weten: het model is een schuifknop, geen vaste kostenpost. Whizi rekent volgens dezelfde logica, één credit voor een bericht op het huismodel, 20 voor Claude Opus 5, en tot wel 100 voor de duurste rijen, wat hoe Whizi-credits werken per model uiteenzet.

De eerlijke kanttekening is dat een samengestelde index een gemiddelde over taken is. Voor een lange redeneerketen verdient het vlaggenschip zijn prijs; voor een herschrijving niet. Voor een vergelijking van waar elke familie echt goed in is, is welk AI-model moet ik gebruiken de beslispagina.

Wat een LLM niet kan, in één lijst

Alles hieronder is een gevolg van de architectuur, geen bug die de volgende release oplost.

• Het kan niets weten van na zijn trainingsgrens, tenzij retrieval de tekst aanlevert.
• Het kan niet betrouwbaar tellen bij lange input, omdat het werkt in tokens en kansen, niet in een lus over items.
• Het kan zijn eigen output niet verifiëren; een tweede beurt van hetzelfde model is dezelfde voorspeller die opnieuw gokt.
• Het kan zich jou niet herinneren tussen gesprekken tenzij het product notities opslaat en terugplakt; dat geheugen is een producteigenschap, geen modeleigenschap.
• Het kan niet voor altijd het hele gesprek zien. Elk model heeft een contextvenster, de maximale tekst die het tegelijk kan overwegen, en wat is een contextvenster legt uit wat er gebeurt als je die raakt.

Het praktische gevolg: behandel een LLM als een vlotte, af en toe foute collega, en houd de verificatie aan jouw kant van het bureau. De lus die van een model iets maakt dat op eigen houtje handelt, is iets anders, en wat is een AI-agent trekt die grens. Voor alles met een kostenplaatje eraan, vraag het een tweede model. Twee verschillende voorspellers die het eens zijn, is zwak bewijs; twee die het oneens zijn, is een sterk signaal om te controleren.