Checklist: gratis LLM’s voor programmeren in 2026

Hoe je deze checklist gebruikt voordat je een gratis LLM voor code kiest

Een taalmodel kiezen om te programmeren gaat niet over welke de meeste punten scoort in een benchmark, maar over of het past bij je echte workflow. Deze checklist is bedoeld om van boven naar beneden door te nemen met de editor open: het zijn criteria die je binnen vijf minuten gebruik merkt, niet in een marketingdemo.

Een voorafgaande waarschuwing, en die is belangrijk: gratis plannen veranderen zonder voorafgaande kennisgeving. Berichtlimieten, tokenquota en beschikbare modellen worden regelmatig aangepast volgens de officiële documentatie van elke aanbieder. Wat vandaag werkt, werkt volgend maand misschien niet meer, dus valideer elk punt op het moment dat je een abonnement neemt of je registreert.

Blok 1: Modellen die je gratis kunt gebruiken en waarvoor elk dient

Er bestaat geen absolute winnaar. Er zijn modelfamilies met verschillende profielen en het is goed om duidelijk te hebben welke bij elke taak past.

Generalistische modellen met een royale gratis laag

• ChatGPT (gratis versie): nuttig voor het uitleggen van fragmenten, het genereren van tests en het refactoren van losse functies. In het gratis plan is de toegang tot het krachtigste model meestal beperkt, dus het presteert beter bij afgebakende taken dan bij volledige projecten.
• Claude (gratis plan): blinkt uit in het lezen van lange code en in het behouden van samenhang wanneer je meerdere bestanden plakt. Het gratis quotum is restrictiever dan bij anderen, en dat merk je in intensieve debugsessies.
• Gemini (gratis niveau): goede integratie met het Google-ecosysteem en een ruim contextvenster, wat helpt wanneer je met middelgrote repositories werkt.
• DeepSeek: model met een open versie en gratis webtoegang; presteert goed in code en wiskunde, hoewel de latentie en beschikbaarheid van de dienst op bepaalde momenten onregelmatig zijn geweest.
• Qwen Coder en open varianten: specifiek bedoeld voor code, met licenties die lokale uitvoering toestaan. Ze vereisen hardware, maar elimineren het quotum.

Assistenten geïntegreerd in de editor

• GitHub Copilot Free: biedt een beperkt aantal aanvullingen en verzoeken per maand. Het dient voor inline-autocomplete, niet voor lange chatsessies.
• Codeium / Windsurf (gratis niveau): in veel gevallen onbeperkte autocomplete en chat met quotum. Een goede optie als je vooral de focus in de editor niet wilt verliezen.
• Continue of Cline met gratis modellen via API: maken het mogelijk open modellen of gratis lagen van aanbieders te koppelen. Meer configuratie, meer controle.

Blok 2: Technische controles die het verschil maken

Contextvenster: hoeveel code past er echt in

Een model met 200.000 tokens context betekent niet dat je het hele project erin kunt plakken en dat het goed uitpakt. De kwaliteit van de aandacht neemt af bij zeer lange contexten, en veel gratis plannen beperken die limiet. Probeer het met een bestand van 500 regels en kijk of het kruisverwijzingen tussen functies behoudt.

Kwaliteit in talen die geen Python of JavaScript zijn

Hier breken veel vergelijkingen. De modellen blinken meestal uit in Python en JavaScript en blijven achter in Kotlin, Swift, Rust of complexe SQL met specifieke dialecten. Als je met COBOL, ABAP of niche-talen werkt, verwacht dan onregelmatige resultaten en verifieer altijd de output.

Omgaan met afhankelijkheden en versies

Een veelgemaakte fout: het model genereert code met API’s van oude versies. Dit gebeurt vaak bij bibliotheken die snel veranderen (React, Next.js, Tailwind). Vraag expliciet naar de versie en controleer de officiële documentatie. Hier is geen snelkoppeling voor.

Code-uitvoering en sandbox

Sommige assistenten voeren de code die ze genereren uit in een geïsoleerde omgeving. Dat is handig om scripts te valideren, maar vervangt je tests niet. Als het model zegt dat de code werkt omdat het die heeft uitgevoerd, controleer dan of de omgeving gelijkwaardig is aan de jouwe.

Blok 3: Reële limieten van gratis plannen

• Quotum per tijdsvenster: veel diensten beperken berichten per X uur. Plan lange sessies daarop.
• Verlaagd model: het gratis niveau gebruikt meestal een inferieur model dan het betaalde. Vergelijk de echte kwaliteit, niet de naam.
• Privacy van je code: controleer of de aanbieder je gesprekken gebruikt voor training. Bij propriëtaire code is dit een beslissende factor. Sommigen laten je dit uitschakelen in de instellingen; anderen niet.
• Gegevensbewaring: hoe lang je prompts en antwoorden worden bewaard. Voor projecten met klanten kan dit een juridisch probleem zijn.
• Beschikbaarheid: gratis plannen hebben minder prioriteit tijdens piekuren. Als je er afhankelijk van bent om te werken, heb een plan B.

Blok 4: Praktische validatiechecklist in 15 minuten

Voordat je een keuze maakt, doe deze test met dezelfde prompt bij elke kandidaat:

1. Plak een functie met een subtiele bug en vraag die te lokaliseren zonder haar te herschrijven. Meet of het model het juist heeft of verzint.
2. Vraag een uitleg van een fragment legacy-code zonder context. Kijk of het gaten opvult met verzinsels.
3. Vraag een unit test voor die functie en voer die uit. Veel modellen genereren tests die per constructie slagen en niets testen.
4. Vraag naar een beperking van het model zelf of over een onderwerp dat het niet kent. Een goed model erkent wat het niet weet.
5. Vraag code met een specifieke versie van een bibliotheek en verifieer de syntaxis tegen de officiële documentatie.

Een concreet geval dat illustreert waarom dit belangrijk is: wanneer je verschillende modellen vraagt om een functie voor het parsen van datums in een specifieke bibliotheek, is het gebruikelijk dat ze syntaxis teruggeven die niet meer bestaat in de huidige versie. De code lijkt correct, compileert in een geïsoleerd voorbeeld en faalt in productie. De controle tegen de documentatie is niet optioneel.

Blok 5: Wanneer een gratis LLM niet voor je werkt

Dit werkt niet voor alle scenario’s, en het is goed om dat duidelijk te zeggen:

• Grote refactorings met kruisafhankelijkheden: het gratis quotum is uitgeput voordat je klaar bent en de samenhang gaat verloren tussen sessies.
• Code onder NDA of met gevoelige gegevens: als je niet kunt garanderen dat er niet met je gegevens wordt getraind, gebruik het dan niet.
• Taken die reproduceerbare uitvoering vereisen: je hebt tests en CI nodig, geen chat die zegt dat het werkt.
• Leren vanaf nul: een model kan je een oplossing geven die je niet begrijpt. Zonder basis detecteer je niet wanneer het zich vergist.

Blok 6: Strategie voor gecombineerd gebruik

In de praktijk gebruiken de meeste ontwikkelaars die ik ken er niet maar één. Ze combineren een assistent in de editor voor autocomplete en snelle vragen met een generalistische chat voor uitleg en debugging. Die combinatie dekt meer dan inzetten op één enkele aanbieder. Houd rekening met de leercurve van elke tool: een lokale assistent configureren met open modellen kost tijd, maar elimineert de quotumlimieten.

Volgens sectoranalyses is de kwaliteit van open modellen bij codetaken dichter bij die van gesloten modellen gekomen, zij het met meer hardwarevereisten. Als je een GPU met voldoende geheugen hebt, is een lokaal model draaien een reëel alternatief, geen experiment.

Samenvatting van de checklist

• Begrijpt het model je belangrijkste werktijd?
• Dekt het contextvenster de bestanden die je gebruikt?
• Ken je de berichtlimiet en hoe die je sessies beïnvloedt?
• Weet je of je code wordt gebruikt voor training?
• Heb je de output gevalideerd tegen officiële documentatie?
• Heb je een plan B als de dienst uitvalt of zijn voorwaarden wijzigt?
• Herken je wanneer het model het niet weet en dat toegeeft?

Als je deze vragen bevestigend beantwoordt voor een specifieke kandidaat, heb je een solide keuze. Als het op twee of drie punten faalt, blijf testen. Geen enkel gratis model vervangt code review, en geen enkel garandeert dat de output correct is zonder die te verifiëren.