Google brengt lokale modellen naar de Antigravity SDK
De SDK ondersteunt lokale agents via LiteRT en kan koppelen met Ollama. Let op: een hybride workflow is niet volledig offline.
Nederlandstalige duidingKLEINE TAALMODELLEN, HELDER UITGELEGD
AI hoeft niet altijd
groter. Wel slimmer
gekozen.
Wat kunnen kleine taalmodellen écht? Ontdek wanneer lokale AI werkt, wat je nodig hebt en waar de grenzen liggen.
01 Begrijp de mogelijkheden02 Ken de beperkingen03 Test op je eigen taak
VOLG DE ONTWIKKELINGEN
Recent uit de bron.
Vaste selectie · bronfeeds worden gecontroleerd…
Ollama gebruikt MLX voor Apple Silicon
De MLX-engine richt zich op efficiënter lokaal draaien op Apple-hardware. De winst hangt af van het model en je configuratie.
Nederlandstalige duidingEERST BEGRIJPEN. DAN BOUWEN.
Klein is een keuze.
Geen kwaliteitslabel.
Een kleiner model kan goed passen bij een specifieke taak. De afweging gaat over meer dan het aantal parameters.
Lees het basisartikelEEN STARTPUNT, GEEN RANGLIJST
Drie modellen om te verkennen.
Concrete varianten, verschillende afwegingen.
Inhoud gecontroleerd op 25 september 2026.
GoogleMultimodaal
Gemma 4 E2B
2,3B effectief
Tekst en beeld op een lokaal apparaat. Ondersteuning verschilt per runtime.
- Geheugenindicatie
- ca. 2,9 GB
- Licentie
- Apache 2.0
Google: Q4_0 laadindicatie, exclusief context.
Let op
Bekijk de modelkaart Effectieve parameters zijn niet gelijk aan alle opgeslagen gewichten.
QwenTekst & tools
Qwen3-4B
4B parameters
Meertalige teksttaken en experimenten met toolgebruik.
- Geheugenindicatie
- ca. 2 GB*
- Licentie
- Apache 2.0
Theoretische 4-bit gewichten, geen RAM-advies.
Let op
Bekijk de modelkaart Thinking kost extra tijd en tokens. Test de Nederlandstalige kwaliteit.
MicrosoftTekst & instructies
Phi-4-mini-instruct
3,8B parameters
Afgebakende teksttaken, instructies en gestructureerde uitvoer.
- Geheugenindicatie
- ca. 1,9 GB*
- Licentie
- MIT
Theoretische 4-bit gewichten, geen RAM-advies.
Let op
Bekijk de modelkaart Een groot contextvenster betekent niet dat lange prompts weinig geheugen vragen.
* Rekenvoorbeeld: parameters × 4 bits ÷ 8. Werkelijk geheugenverbruik is hoger door onder meer quantisatie-overhead, runtime en context. De Gemma-indicatie komt uit Googles documentatie ↗ en is niet rechtstreeks vergelijkbaar met de theoretische gewichten. Dit zijn geen minimale systeemeisen.
VAN MODEL NAAR WERKPROCES
Waar lokale AI iets kan toevoegen.
Voorbeelden om te onderzoeken.
Geen kant-en-klare oplossingen of dienstenaanbod.
Van tekst naar
bruikbare velden.
Haal gegevens uit documenten en controleer de uitvoer op schema en inhoud.
Meet vooralVeldnauwkeurigheid en correctietijd
De juiste vraag
op de juiste plek.
Classificeer binnenkomende berichten. Laat twijfelgevallen door een mens beoordelen.
Meet vooralGemiste categorieën en escalaties
Een eerste versie.
Geen laatste oordeel.
Maak conceptsamenvattingen in een begrensde omgeving, met controle op feitelijke fouten.
Meet vooralFeitelijke juistheid en tijdwinst
De eerste stap is geen installatie.
Het is een toetsbare vraag.