AI lokaal draaien: welke computer heb je écht nodig?

AI lokaal draaien begint bij het model, niet bij een indrukwekkende videokaart. Kies eerst het model en de taken die je ermee wilt uitvoeren. Voor een nieuwe computer waarop je grotere lokale modellen naast je dagelijkse software wilt draaien, adviseren we minstens 64 GB systeem-RAM. Dat is een aankoopadvies, geen harde ondergrens: een klein model probeer je nog steeds gratis op de laptop die je al hebt.

Dit artikel zet de specificaties eerlijk op een rij voor bedrijven in België en Nederland. Je leest hoeveel geheugen moderne modellen vragen, welke computers met gedeeld geheugen er bestaan en wat RAM en videokaarten nu kosten. Je leest ook wanneer de hybride route slimmer is dan alles lokaal forceren.

AI lokaal draaien op een mini-pc
Kleine modellen draaien op bescheiden hardware; zwaardere taken roepen een extern model aan.

Welke computer heb je nodig om AI lokaal te draaien?

Voor kleine modellen volstaat vaak de computer die je al hebt. Voor de grootste open modellen heb je 128 GB werkgeheugen of meer nodig, met twee niveaus daartussen. De tabel vat ze samen; de cijfers komen uit de modeltabel en uit onze eigen metingen verderop in dit artikel.

NiveauWat je nodig hebtWat je ermee draait

Instap

De computer die je al hebt, met 16 GB RAM

Kleine modellen tot ongeveer 9 miljard parameters, zoals llama3.2 en Qwen3.5-9B, via Ollama of LM Studio

Midden

Een pc met minstens 64 GB RAM en een videokaart met 16 tot 32 GB videogeheugen

Modellen van 20 tot 35 miljard parameters, zoals gpt-oss:20b en Qwen3.8:27b, voor programmeerwerk en toolgebruik

Groot

Een computer met 128 GB unified memory, zoals een DGX Spark, een Mac Studio of een Strix Halo mini-pc

Modellen rond 120 miljard parameters, zoals gpt-oss:120b en Qwen3.5:122b-a10b

Zwaar

128 GB RAM en een videokaart met 32 GB, met een runtime als Strata of Project Maya; of 256 GB geheugen

De grootste open MoE-modellen, zoals Qwen3.8-Flash-Next, GLM-5.3-Flash en DeepSeek-V4.1-Flash

Wat is een lokale AI-computer?

Een lokale AI-computer voert een taalmodel uit in je eigen omgeving (een lokaal LLM), in plaats van op de servers van een modelprovider. Dat kan een pc met een losse videokaart zijn, een compacte computer met gedeeld geheugen of een Mac met unified memory.

Bij volledig lokale verwerking hoeven je opdrachten en bestanden niet naar een externe modelprovider. Maar lokaal is geen automatische privacygarantie: een agent kan nog steeds een externe API of webzoekfunctie gebruiken. Je bepaalt dus zelf welke verbindingen toegestaan zijn. De Ollama-documentatie beschrijft bijvoorbeeld hoe je cloudfuncties volledig uitschakelt. In onze eigen opstellingen luisteren Strata en Project Maya alleen op de computer zelf (127.0.0.1); zet je zo'n runtime open voor het netwerk, stel dan ook een API-sleutel in.

Je betaalt bij lokale inferentie niet per token aan een modelprovider. Hardware, stroom, updates en support blijven wel kosten. En meer parameters betekenen niet automatisch een beter antwoord: modelarchitectuur, training en de concrete taak tellen ook mee.

Welke specificaties doen er het meest toe?

Geheugen bepaalt wat je kunt draaien: systeem-RAM, VRAM en de context die je nodig hebt, leggen samen de grens. Kijk naar het geheugenbudget van de exacte modelvariant in de tabel hieronder, niet naar een vuistregel.

Systeem-RAM is de laatste jaren onderschat. De oude richtlijn van 32 GB laat weinig werkruimte als je tegelijk een groter model, een agent, een browser en documentverwerking wilt gebruiken. De kwantisatie, contextlengte en gekozen offloadroute bepalen samen wat je nodig hebt.

Bij een losse GPU zijn systeem-RAM en videogeheugen twee verschillende dingen. Een pc met 64 GB RAM en een videokaart met 16 GB VRAM heeft niet ineens 80 GB snel GPU-geheugen. Moeten veel modelberekeningen naar de CPU omdat de gewichten niet in VRAM passen, dan kan de snelheid flink dalen. Waar het model werkelijk draait, zie je met nvidia-smi voor het videogeheugen en free -g voor het werkgeheugen, of in het dashboard van je runtime. Bij Ollama toont ollama ps het rechtstreeks.

Kwantisatie verkleint de modelgewichten door getallen met minder precisie op te slaan. De vuistregel van ongeveer een halve GB per miljard parameters bij 4-bit geldt alleen voor die gewichten; context, buffers en beeldverwerking komen daar nog bij. Bij een MoE-model moet je bovendien álle experts opslaan, niet alleen de actieve. En meer context vraagt meer geheugen: in de sessie hieronder rapporteert ollama ps 18 GB bij een contextinstelling van 32.768 tokens. Dat is één opstelling en een geheugentest, geen agentinstelling; wat een agent nodig heeft, lees je in de FAQ onderaan.

Kies daarnaast snelle NVMe-opslag met ruimte voor meerdere modellen: grote modelpakketten kunnen inmiddels honderden GB per stuk vragen. Test ook of je werkgeheugen stabiel is. Op onze workstation waren vier geheugenmodules op hun EXPO-snelheid van 6.000 MT/s niet stabiel, en het grootste deel van een model dat we in die periode downloadden, bleek beschadigd. Ze draaien nu op 5.600 MT/s, en we controleren elk modelbestand op de SHA-256-waarde die Hugging Face publiceert.

Welke lokale modellen kun je praktisch draaien?

Met 16 GB draai je kleine modellen tot ongeveer 9 miljard parameters. Modellen van 20 tot 35 miljard parameters vragen 16 tot 32 GB snel geheugen, de grootste open MoE-modellen 128 GB of meer.

Onderstaande selectie combineert veelgebruikte families uit de Ollama-bibliotheek met recente open modellen. Het is geen ranglijst van de slimste AI. De pakketgroottes komen uit de vermelde Ollama-varianten. Voor de grote MoE-modellen komen ze uit de builds die we noemen: de Atomic Dynamic-builds voor Qwen3.8-Flash-Next, de Unsloth-GGUF-bestanden voor GLM-5.3-Flash en de README van Project Maya voor DeepSeek-V4.1-Flash en MiniMax-M3.1-Flash. Downloadgrootte is niet hetzelfde als geheugengebruik: bij offload blijft een deel op SSD, en context en parallelle taken vragen extra geheugen. De cijfers voor Strata en Project Maya in de geheugenkolom zijn onze eigen metingen op één machine, van 15 oktober en 21 en 22 oktober 2026.

Model en variantParametersModelpakketPraktisch geheugenbudgetWaarvoor bekijken?

3B, dense

2,0 GB

circa 6 GB met 32K context

Leren werken met lokale AI op bestaande hardware

9B, dense

6,6 GB

12 tot 16 GB

Tekst, documentvragen en beeldbegrip met een klein model

12B, dense

7,6 GB

12 tot 16 GB

Tekst, redeneren en multimodale taken

21B, 3,6B actief

14 GB

16 GB gedocumenteerde ondergrens

Redeneren, programmeren en toolgebruik

27B, dense

18 GB

18 GB gemeten op een 32 GB GPU

Programmeerwerk, document- en beeldanalyse

35B, 3B actief

23 GB

circa 32 GB

Coding, werken met repositories en tools aanroepen

117B, 5,1B actief

65 GB

één GPU met 80 GB is gedocumenteerd

Zwaarder redeneerwerk en agenttaken

122B, 10B actief

81 GB

128 GB-systeem met circa 96 GB voor het model

Complexere tekst-, beeld- en agenttaken

125B/6B actief, plus n-gram en MTP

84,9–110,5 GB (Atomic Dynamic GGUF, excl. vision-projector)

Vanaf 64 GB unified op een Mac (passende build, n-gram op NVMe); 128 GB volledig in geheugen. Strata: ± 79 tok/s op 32 GB VRAM plus 128 GB RAM

Multimodale agents, coding, experimenteel

320B, 18B actief (MoE)

199,7 GB (UD-Q4_K_XL, dynamisch 4-bit)

256 GB aanbevolen voor deze quant; kleine quants op 128 GB; met Project Maya draait EXL3 3,05 bpw (125 GB) bij ons op 32 GB VRAM plus 128 GB RAM, ± 30 tok/s

Coding met agents en multimodaal werk

748B (MoE)

± 340 GB (Maya-S, experts in 2-3 bits, incl. Engram-tabellen)

Met Project Maya draait Maya-S bij ons op 32 GB VRAM plus 128 GB RAM, met een deel van het model op NVMe; ± 25 tok/s; reken op 350 tot 400 GB vrije NVMe-ruimte

Moeilijke problemen waarop je kunt wachten; tweede mening

30B, dense, multimodaal

18 GB

24 GB VRAM met 4-bit-quant van Meta

24/7 lokale agents met toolgebruik

30B MoE, 3B actief

25 GB

circa 32 GB

Snelle agenttaken met 1M context

744B, 40B actief (MoE)

239 GB (UD-IQ2_M, dynamisch 2-bit)

256 GB voor deze quant; 1-bitvariant past vanaf 223 GB

Vlaggenschip van Z.ai: langlopend coding- en agentwerk

428B, 23B actief (MoE), multimodaal

93 GB (Maya-XS) of 122 GB (Maya-S)

Maya-XS past volgens Project Maya volledig in het geheugen van een pc met 128 GB; niet zelf gemeten

Agents en coding met 1M context; commercieel gebruik kent licentievoorwaarden

Qwen3.8-Flash-Next met NVMe-offload

Voor Qwen3.8-Flash-Next geldt: de verpakking is groter dan het etiket doet vermoeden. Naast het hoofdmodel van 125B met 6B actieve parameters bevat het pakket een n-gram-opzoektabel en een MTP-component, samen goed voor ongeveer 180B parameters. Maar niet alles hoeft permanent in snel geheugen te passen. De Qwen-README beschrijft de n-gram-tabel expliciet als geschikt voor offload naar hostgeheugen, met asynchroon vooraf ophalen. Met geschikte runtimes kan die tabel ook op NVMe blijven, waarbij alleen de benodigde delen worden ingelezen.

Daardoor kan het model ook op minder geheugen draaien. De Atomic Chat-gids documenteert een kleine build op een Mac met 64 GB unified memory, met de n-gram-tabel op SSD. Op DGX Spark-opstellingen met NVMe-offload melden gebruikers van 22 tokens per seconde tot 40 tokens per seconde, al tonen de metingen in Hugging Face-discussie #11 dat promptverwerking trager kan worden. Dat vraagt een passende kwantisatie en een runtime met n-gram-offload, niet zomaar elk Ollama- of LM Studio-pakket. Volledig in geheugen blijft sneller en eenvoudiger; met een passende kwantisatie is 128 GB daarvoor een praktisch vertrekpunt.

Op onze eigen workstation bij Voltti draait Qwen3.8-Flash-Next nu op 128 GB werkgeheugen, met een RTX 5090 (32 GB videogeheugen) en een Ryzen 9 9950X3D. We gebruiken daarvoor Strata, een runtime die speciaal voor deze modelfamilie gebouwd is, met de 5-bitkwantisatie UD-Q5_K_XL van Unsloth. Strata houdt de experts die een gesprek het vaakst gebruikt in het videogeheugen, de volgende in het werkgeheugen en de rest op de NVMe-schijf, en verschuift ze tijdens het draaien tussen die lagen. Bij onze meting op 15 oktober 2026 haalde die opstelling na kalibratie ongeveer 79 tokens per seconde, met een contextvenster van 512K tokens (Strata noemt die verlenging zelf experimenteel). Een nieuwe meting op 21 en 22 oktober kwam op 78,8 tokens per seconde. Dat is één machine en geen benchmarkrecord; de volledige opzet en meetmethode staan in onze Engelstalige gids over Strata op 128 GB RAM.

Daarvoor draaide hetzelfde model bij ons op 64 GB werkgeheugen, als EXL3-kwantisatie van 3,05 bits per gewicht in TabbyAPI met ExLlamaV3, met ongeveer 50 tokens per seconde (zie de eerdere gids over TabbyAPI). Met een nieuwere ExLlamaV3-versie en andere instellingen werd dat later ongeveer 64 tokens per seconde. 64 GB kan dus werken, maar vrij werkgeheugen is dan de echte grens: zo'n runtime legt beslag op bijna al het RAM, en een tweede model of een browser met veel tabbladen past er niet meer naast.

GLM-5.3-Flash en GLM-5.3

GLM-5.3-Flash van Z.ai is nog groter dan Qwen3.8-Flash-Next: een multimodaal model met een MIT-licentie en een contextvenster van ongeveer 1 miljoen tokens. Unsloth's dynamische 4-bitvariant UD-Q4_K_XL is 199,7 GB; daarvoor adviseren we 256 GB geheugen. Kleinere quants, zoals de 1-bitvariant UD-IQ1_S van 93,1 GB, draaien op 128 GB, met minder precisie en weinig ruimte voor context. Let op: de Ollama-modelpagina biedt alleen glm-5.3-flash:cloud, gehost door Ollama in de VS en Europa, niet op jouw computer. Lokaal draai je de Unsloth-GGUF's via Unsloth Desktop of de llama.cpp-build uit de Unsloth-gids.

Zelf draaien we GLM-5.3-Flash ook op diezelfde workstation met 128 GB werkgeheugen, via Project Maya, een afsplitsing van Strata voor dit model. Maya leest de EXL3-kwantisatie van 3,05 bits per gewicht (125 GB) en laat de experts die niet in videogeheugen of RAM passen op de NVMe-schijf staan; de README noemt die EXL3-route experimenteel en alleen geschikt voor NVIDIA. Bij onze meting op 21 en 22 oktober 2026, met Maya 1.1.21, haalde dat ongeveer 30 tokens per seconde met 512K context: zo'n 40 procent van de Qwen-opstelling, maar voor een veel groter model (zie onze gids over Project Maya).

Het advies van 256 GB geldt dus voor UD-Q4_K_XL volledig in het geheugen; het is niet de enige lokale route. Het vlaggenschip GLM-5.3 van Z.ai (744B totaal, 40B actief) staat in de tabel: de 2-bitvariant van 239 GB vraagt een computer met 256 GB.

DeepSeek-V4.1-Flash: 748B op 128 GB

Het grootste model op diezelfde workstation is DeepSeek-V4.1-Flash, een open model van DeepSeek met 748 miljard parameters en een MIT-licentie. Dat past niet in 128 GB werkgeheugen. Project Maya heeft er een aparte engine voor, met een eigen kwantisatie: Maya-S, met de experts in 2 tot 3 bits. Met de Engram-tabellen erbij is dat ongeveer 340 GB, dus reken op 350 tot 400 GB vrije ruimte op een snelle NVMe-schijf. Tijdens het genereren leest de engine een deel van het model van die schijf.

Bij onze meting op 21 en 22 oktober 2026 (Maya 1.1.21, 262K context) haalde dat ongeveer 25 tokens per seconde, met zo'n 3 seconden wachten op het eerste token. In de praktijk neemt het de hele machine in beslag: wat je ernaast start, duwt experts uit het geheugen, en die moeten dan opnieuw van de SSD komen. De installatie en alle metingen staan in onze Engelstalige gids over DeepSeek-V4.1-Flash met Project Maya.

Welk lokaal model gebruiken we wanneer?

Er draaien nu vier grote open modellen op één machine, maar nooit tegelijk: er past er maar één in het geheugen, en wisselen betekent de ene runtime stoppen en de andere starten. Elk model heeft daarom een eigen rol. Qwen3.8-Flash-Next is onze standaard voor code en agentwerk: het is het snelst en haalde op negen taken uit ons eigen werk in beide rondes de volle score. GLM-5.3-Flash is de tweede mening, op ongeveer 40 procent van die snelheid. DeepSeek-V4.1-Flash haalde ook de volle score, maar schrijft veel trager. Dat model nemen we voor moeilijke problemen waarop we kunnen wachten, niet voor interactief werk. Toen het cloudmodel in een van onze sessies stopte, nam Qwen3.8-Flash-Next het werk over. Hoe dat verliep, lees je in ons artikel over een lokaal model als terugvaloptie.

Het vierde model, Ornith-1.5-122B, draait via TabbyAPI met ExLlamaV3 en gebruikt ruim 60 GB werkgeheugen, dus het laat de meeste ruimte vrij. Het schrijft na Qwen het snelst, maar leest lange prompts het traagst. Een eerdere lage score kwam door onze eigen instellingen: zonder samplerinstellingen koos TabbyAPI soms een heel onwaarschijnlijk woord. Met de instellingen van de modelkaart haalt Ornith 107 tot 108 op 108 punten, ongeveer even hoog als Qwen en DeepSeek. Die taken meten zorgvuldige output, geen slimheid. Draai je zelf een lokaal model? Kijk dan wat je runtime doet als een verzoek geen samplerinstellingen meestuurt. Alle cijfers staan in onze vergelijking van de vier modellen: één machine, één sessie, geen algemene benchmark.

Nieuwe modellen voor lokale agents

Wie een agent de klok rond wil laten werken, kan ook naar twee kleinere modellen voor lokale agents kijken. Muse Glimmer van Meta past met Meta's eigen 4-bit-quant in 24 GB videogeheugen, en Nemotron 3.5 Lightning van NVIDIA activeert maar 3B van de 30B parameters. De tabel geeft hun geheugenbudget.

Welke runtime kies je?

Welke runtime past, hangt af van de grootte van het model. Voor kleine en middelgrote modellen die in je videogeheugen of werkgeheugen passen, begin je met Ollama of LM Studio, allebei gratis. Ollama draait een model met één commando; LM Studio geeft een grafische omgeving om modellen naast elkaar te proberen.

Ollama werkt met NVIDIA-kaarten, met veel AMD Radeon-kaarten via ROCm en met Apple silicon via Metal. Kijk voor je iets koopt of je kaart in de hardwaredocumentatie van Ollama staat.

Voor grote MoE-modellen die nauwelijks of niet in videogeheugen plus werkgeheugen passen, gebruik je een runtime die de experts over videogeheugen, RAM en NVMe verdeelt. Strata doet dat voor Qwen3.8-Flash-Next en Project Maya voor GLM-5.3-Flash en DeepSeek-V4.1-Flash; beide runtimes zijn open source met een MIT-licentie. Past het model volledig in videogeheugen plus RAM, dan is ExLlamaV3 met TabbyAPI een alternatief.

Reken bij die route op meer werk. Project Maya compileert bij de installatie een engine voor je videokaart, wat volgens de documentatie 10 tot 30 minuten duurt, en de kalibratie op onze eigen hardware duurde per runtime 10 à 11 minuten. Tijdens het draaien is de machine in feite exclusief voor dat ene model. Onze eigen opstellingen draaien op Linux met een NVIDIA-kaart.

Hermes vraagt minstens 64.000 tokens context voor agentwerk, dus controleer die grens in elke runtime. Strata en Project Maya zetten de contextlimiet in hun eigen configuratie; bij ons staat die op 512K tokens, en op 262K voor DeepSeek-V4.1-Flash. Wil je dat niet zelf regelen, dan installeert en beheert Hermes Desktop de lokale modelserver voor je, en het kiest per machine een modelbuild met minstens dat contextvenster.

Het terminalvenster hieronder toont de instaproute met Ollama: een echte sessie van onze eigen testmachine. We laden Qwen3.8 in de 27B-variant met 4-bit-compressie, stellen één vraag en bekijken daarna met ollama ps waar het model terechtkomt.

ollama — qwen3.8:27b laden en draaien

$ ollama pull qwen3.8:27b-q4_K_M

$ ollama pull qwen3.8:27b-q4_K_M
pulling manifest
pulling ac3714bfddde: 100% ▕██████████████████▏ 931 MB
pulling f5f1dd8920d4: 100% ▕██████████████████▏  16 GB
pulling 4c6a8e842ef0: 100% ▕██████████████████▏  11 KB
pulling 448d29437397: 100% ▕██████████████████▏   92 B
pulling 492b2922d38e: 100% ▕██████████████████▏  215 B
verifying sha256 digest
writing manifest
success
$ ollama run qwen3.8:27b-q4_K_M
>>> Geef in exact één korte zin aan dat je lokaal draait.
Ik draai lokaal.
$ ollama ps
NAME                  ID               SIZE     PROCESSOR    CONTEXT    UNTIL
qwen3.8:27b-q4_K_M      25b843619e94     18 GB    100% GPU     32768      29 minutes from now
Instaproute met Ollama: een echte sessie op onze eigen testmachine met een RTX 5090 (32 GB). Het modelpakket is 16 GB, het geheugengebruik met 32K context is 18 GB.
ollama — qwen3.8:27b laden en draaien

AI-computers met unified memory

Bij unified of gedeeld geheugen gebruiken CPU en GPU dezelfde fysieke geheugenpool, waardoor je op een compacte computer modellen kunt laden die niet in het VRAM van een videokaart passen. Een losse videokaart is dus niet meer de enige route.

Maar capaciteit is niet hetzelfde als snelheid: geheugenbandbreedte, GPU-rekenkracht en softwareondersteuning blijven bepalend. Een computer waarop het model nét past, is niet automatisch een prettige werkplek voor een heel team.

Drie families domineren dit segment. De NVIDIA DGX Spark combineert de GB10 Grace Blackwell Superchip met 128 GB coherent LPDDR5x-geheugen (273 GB/s) en een 4 TB NVMe-SSD. NVIDIA omschrijft het toestel als "Designed to build and run autonomous agents" en positioneert het voor inferentie met "AI models up to 200 billion parameters". Bij onze controle op 7 september 2026 stond de Founders Edition bij Alternate in Nederland op voorraad voor € 6.399. Let op: het systeem draait op Arm, controleer dus de compatibiliteit van je andere software.

De Mac Studio kreeg op 25 augustus 2026 een nieuwe generatie met M5 Max (tot 128 GB centraal geheugen) en M5 Ultra (tot 512 GB). Volgens Apple draai je met de M5 Ultra "baanbrekende AI-modellen lokaal op je device, zonder dat je cloudtokens nodig hebt". Bij de aankondiging toonde de Apple Store in België en Nederland vanafprijzen van € 3.029 (M5 Max) en € 6.649 (M5 Ultra). Dat zijn basisconfiguraties, geen AI-maximale uitvoeringen.

En dan is er de AMD Strix Halo-familie: de Ryzen AI Max+ 395 combineert 16 Zen 5-cores met Radeon 8060S-graphics en ondersteunt tot 128 GB unified memory, waarvan volgens AMD tot 96 GB als grafisch geheugen kan dienen via Variable Graphics Memory. Compacte mini-pc's zoals de GMKtec EVO-X2 met 128 GB kosten rond de € 3.360. Het LPDDR5x-geheugen is gesoldeerd en dus niet achteraf uitbreidbaar; kies de capaciteit bij aankoop.

Wil je AI lokaal draaien op een laptop? Daar geldt dezelfde rekensom, met minder ruimte. De GeForce RTX 5090 Laptop GPU, de zwaarste laptopkaart uit de RTX 50-serie, heeft 24 GB videogeheugen, tegenover 32 GB op de desktopkaart. Een MacBook Pro met M5 Max is te configureren met tot 128 GB centraal geheugen, dat CPU en GPU delen. Voor één gebruiker die met middelgrote modellen werkt, kan zo'n laptop volstaan. Voor een team blijft één vaste machine in het netwerk logischer: een laptop gaat mee naar huis en staat 's avonds uit.

ComputerGeheugenGeheugenbandbreedtePrijsKarakter

Gewone pc + losse GPU

32-64 GB RAM + 16-24 GB VRAM

VRAM: 500-1.800 GB/s

€ 2.000 - € 5.000 (met een kaart van 16 tot 24 GB; een RTX 5090 kost alleen al meer)

Klassieke route, snelste geheugenlaag

AMD Strix Halo mini-pc

128 GB unified (96 GB GPU-toewijsbaar)

circa 256 GB/s

rond € 3.400

Veel geheugen, x86-software

Apple Mac Studio M5 Ultra

tot 512 GB unified

1,2 TB/s

vanaf € 6.649

Veel unified memory, MLX-ecosysteem

NVIDIA DGX Spark

128 GB coherent unified

273 GB/s

rond € 6.400

Compleet NVIDIA AI-platform, Arm

Enterprise-server (multi-GPU)

honderden GB HBM

enkele TB/s per GPU

Offerte op maat

Grote modellen en meerdere gelijktijdige gebruikers

RAM- en GPU-prijzen veranderen je aankoopbeslissing

RAM en videokaarten kosten veel meer dan een jaar geleden, omdat AI-datacenters een groot deel van het geheugenaanbod opkopen. Reken met actuele offertes, niet met lanceringsprijzen.

TrendForce rapporteerde dat de contractprijzen voor conventioneel DRAM in het eerste kwartaal van 2026 ongeveer 93 tot 98 procent hoger lagen dan het kwartaal ervoor, en voorspelde voor het tweede kwartaal opnieuw een stijging van 58 tot 63 procent. De industrie wijst leveranciers de richting: hoogcapacitaire servermodules voor AI-servers krijgen voorrang, waardoor er minder ruimte overblijft voor gewoon pc-geheugen. Dat is een industrieel contractcijfer, niet de winkelprijs van jouw DDR5-kit, maar de RAM-prijstracker van Tom's Hardware laat zien dat consumentenmodules dezelfde curve volgen.

Videokaarten volgen hetzelfde patroon. De GPU-prijsmeting van TechSpot van eind augustus 2026 concludeerde dat kaartprijzen in één maand tijd met zo'n 15 procent stegen, over tien landen gemeten, met GeForce-kaarten voor de grootste klappen. De oorspronkelijke adviesprijs is dus geen betrouwbaar budget meer: vergelijk complete offertes en neem RAM, opslag, voeding, koeling, installatie en support mee in de vergelijking. In deze markt kan een unified-memory-computer met vast geheugen soms voordeliger uitvallen dan een uitbreidbare pc die je vandaag alvast moet opvoeren.

Prijs van een 32GB DDR5-6000 kit (2x16GB)

Typische winkelprijs in België en Nederland: per maand de mediaan van alle 2x16GB-kits in Tweakers Pricewatch, inclusief btw. De stippellijn toont de Amerikaanse prijs in dollar, zonder Amerikaanse omzetbelasting. De sprong eind 2025 volgt uit de verschuiving van DRAM-productie naar geheugen voor AI-servers.

0200400600800apr 2025jul 2025okt 2025jan 2026apr 2026jul 2026okt 2026Verenigde Staten ($), mrt 2025: $ 120Verenigde Staten ($), jul 2025: $ 115Verenigde Staten ($), sep 2025: $ 130Verenigde Staten ($), dec 2025: $ 450Verenigde Staten ($), mrt 2026: $ 525Verenigde Staten ($), jun 2026: $ 550Verenigde Staten ($), sep 2026: $ 615Verenigde Staten ($), okt 2026: $ 650België en Nederland (€), mrt 2025: € 120België en Nederland (€), apr 2025: € 115België en Nederland (€), mei 2025: € 115België en Nederland (€), jun 2025: € 120België en Nederland (€), jul 2025: € 120België en Nederland (€), aug 2025: € 125België en Nederland (€), sep 2025: € 125België en Nederland (€), okt 2025: € 150België en Nederland (€), nov 2025: € 205België en Nederland (€), dec 2025: € 460België en Nederland (€), jan 2026: € 510België en Nederland (€), feb 2026: € 500België en Nederland (€), mrt 2026: € 480België en Nederland (€), apr 2026: € 490België en Nederland (€), mei 2026: € 490België en Nederland (€), jun 2026: € 475België en Nederland (€), jul 2026: € 490België en Nederland (€), aug 2026: € 540België en Nederland (€), sep 2026: € 575België en Nederland (€), okt 2026: € 630
  • België en Nederland (€)
  • Verenigde Staten ($)
Prijs van een 32GB DDR5-6000 kit (2x16GB). Lijngrafiek met 20 datapunten in €, laagste waarde € 115, hoogste waarde € 630. Vergelijkingslijn Verenigde Staten ($): 8 datapunten.
PeriodeBelgië en Nederland (€)Verenigde Staten ($)
mrt 2025€ 120$ 120
apr 2025€ 115–
mei 2025€ 115–
jun 2025€ 120–
jul 2025€ 120$ 115
aug 2025€ 125–
sep 2025€ 125$ 130
okt 2025€ 150–
nov 2025€ 205–
dec 2025€ 460$ 450
jan 2026€ 510–
feb 2026€ 500–
mrt 2026€ 480$ 525
apr 2026€ 490–
mei 2026€ 490–
jun 2026€ 475$ 550
jul 2026€ 490–
aug 2026€ 540–
sep 2026€ 575$ 615
okt 2026€ 630$ 650
Bronnen: Tweakers Pricewatch, stand 12 oktober 2026 · PCPartPicker, oktober 2026

De GeForce RTX 5090 maakt dat concreet. Met 32 GB videogeheugen is dit de kaart uit onze eigen testsessie hierboven. Bij de lancering in januari 2025 was de adviesprijs van de Founders Edition in Nederland € 2.369 (in de Verenigde Staten $ 1.999). In oktober 2026 lag de typische winkelprijs in België en Nederland rond € 8.000, ruim drie keer zoveel. Eind oktober lag de Amerikaanse marktprijs rond $ 4.850.

Prijs van een NVIDIA GeForce RTX 5090

Typische winkelprijs in België en Nederland: per maand de mediaan van alle RTX 5090-uitvoeringen in Tweakers Pricewatch, inclusief btw. De stippellijn toont de gemiddelde Amerikaanse marktprijs in dollar, zonder Amerikaanse omzetbelasting.

2.0004.0006.0008.000apr 2025jul 2025okt 2025jan 2026apr 2026jul 2026okt 2026Verenigde Staten ($), mrt 2025: $ 2.700Verenigde Staten ($), jul 2025: $ 3.200Verenigde Staten ($), sep 2025: $ 2.900Verenigde Staten ($), dec 2025: $ 2.850Verenigde Staten ($), mrt 2026: $ 3.650Verenigde Staten ($), jun 2026: $ 3.850Verenigde Staten ($), sep 2026: $ 4.500Verenigde Staten ($), okt 2026: $ 4.850België en Nederland (€), mrt 2025: € 3.850België en Nederland (€), apr 2025: € 3.300België en Nederland (€), mei 2025: € 2.900België en Nederland (€), jun 2025: € 2.700België en Nederland (€), jul 2025: € 2.600België en Nederland (€), aug 2025: € 2.700België en Nederland (€), sep 2025: € 2.700België en Nederland (€), okt 2025: € 2.650België en Nederland (€), nov 2025: € 2.800België en Nederland (€), dec 2025: € 3.000België en Nederland (€), jan 2026: € 3.900België en Nederland (€), feb 2026: € 3.900België en Nederland (€), mrt 2026: € 3.650België en Nederland (€), apr 2026: € 3.650België en Nederland (€), mei 2026: € 3.650België en Nederland (€), jun 2026: € 4.100België en Nederland (€), jul 2026: € 4.350België en Nederland (€), aug 2026: € 5.100België en Nederland (€), sep 2026: € 5.500België en Nederland (€), okt 2026: € 8.000
  • België en Nederland (€)
  • Verenigde Staten ($)
Prijs van een NVIDIA GeForce RTX 5090. Lijngrafiek met 20 datapunten in €, laagste waarde € 2.600, hoogste waarde € 8.000. Vergelijkingslijn Verenigde Staten ($): 8 datapunten.
PeriodeBelgië en Nederland (€)Verenigde Staten ($)
mrt 2025€ 3.850$ 2.700
apr 2025€ 3.300–
mei 2025€ 2.900–
jun 2025€ 2.700–
jul 2025€ 2.600$ 3.200
aug 2025€ 2.700–
sep 2025€ 2.700$ 2.900
okt 2025€ 2.650–
nov 2025€ 2.800–
dec 2025€ 3.000$ 2.850
jan 2026€ 3.900–
feb 2026€ 3.900–
mrt 2026€ 3.650$ 3.650
apr 2026€ 3.650–
mei 2026€ 3.650–
jun 2026€ 4.100$ 3.850
jul 2026€ 4.350–
aug 2026€ 5.100–
sep 2026€ 5.500$ 4.500
okt 2026€ 8.000$ 4.850
Bronnen: Tweakers Pricewatch, stand 1 november 2026 · PCPartPicker, oktober 2026

Wanneer is een Linux-computer logisch voor je AI-agent?

Een eigen Linux-computer in je netwerk is logisch zodra een agent terugkerende taken uitvoert. Processen blijven daar beschikbaar, met afgebakende rechten en menselijke controle op gevoelige acties.

Een model draaien en een agent laten werken zijn twee verschillende dingen. Het model genereert antwoorden; de agent koppelt daar tools, bestanden en vervolgacties aan. Onze eigen Hermes-installatie bij Voltti werkt zo, op een Linux-machine in eigen beheer.

De agentcomputer hoeft niet dezelfde machine te zijn als de modelserver. Een compacte lokale node kan taken organiseren terwijl een zwaardere computer in hetzelfde netwerk het model uitvoert. Meer over die scheiding lees je in wanneer je een Linux-computer voor een AI-agent nodig hebt.

Lokaal, cloud of hybride?

Voor de meeste bedrijven is een combinatie het praktischst. De agent en de aansturing blijven in je eigen omgeving, en geselecteerde taken gaan via een API naar een extern model. Welke taken dat zijn, hangt af van kwaliteit, snelheid, kosten en privacy.

Lokale modellen kunnen intussen meer dan korte samenvattingen: de huidige families ondersteunen coding, beeldbegrip en toolgebruik. Sommige toonaangevende modellen zijn alleen via een externe dienst beschikbaar; meer hardware maakt die niet lokaal uitvoerbaar. Vergelijk kwaliteit en snelheid op je eigen taken voordat je in een zwaardere workstation investeert.

Eén kanttekening hoort daarbij: tekst en bestanden die je in een API-verzoek meestuurt, verlaten je netwerk wel degelijk. Bepaal dus vooraf welke informatie mee mag en laat gevoelige acties door een mens goedkeuren. Updates, hersteltests en duidelijke toegangsrechten horen ook bij een bruikbare opstelling. De volledige afweging staat in onze vergelijking van lokale AI versus cloud-AI.

Hoe ziet dat eruit in de praktijk? Lees over lokale en hybride AI voor bedrijven, over wat er bij hybride AI lokaal blijft en over veilig en privé met AI werken.

Hoe begin je met AI lokaal draaien?

Begin bij wat er al staat. Noteer per computer het werkgeheugen, het videogeheugen en de vrije NVMe-ruimte, en probeer eerst een klein model op die hardware. Die eerste stap kost tijd, geen geld. Kies daarna het model bij de hardware met de tabellen hierboven. Installeer het op een machine die aanstaat wanneer je team de agent nodig heeft: een werkcomputer die 's avonds uitgaat, is geen betrouwbare plek voor terugkerende taken.

Begrens vanaf de eerste dag welke toegangen de agent krijgt; de checklist voor veilig AI-gebruik loopt daar stap voor stap doorheen. Regel ook updates en back-ups voor je live gaat. Back-ups gaan versleuteld naar een aparte locatie in je eigen netwerk, nooit naar de machine zelf; meer daarover lees je in ons artikel over back-up en herstel van je AI-omgeving. Dat een bescheiden machine al veel kan, laat onze eigen Raspberry Pi met Hermes en Home Assistant zien.

Werk je in België en Nederland, dan kan Voltti die stappen begeleiden en de installatie verzorgen, steeds met een offerte op maat.

Deel je dit artikel met Engelstalige collega's of klanten? Er is ook een Engelse versie: Running AI locally: what computer do you really need?

Portretfoto van Seppe Gadeyne

Seppe Gadeyne is developer en eigenaar van Voltti. Hij richt AI-agenten in voor bedrijven in België en Nederland.

Bijgewerkt op

Veelgestelde vragen

01Heb ik echt minimaal 64 GB RAM nodig voor lokale AI?

Niet om te beginnen: kleine modellen draaien ook op 16 GB. Maar voor een nieuwe computer die serieuze lokale AI, een agent en je gewone werksoftware moet combineren, is 64 GB systeem-RAM een verstandig vertrekpunt. Zie het als werkruimte voor nu en voor de modellen van volgend jaar, niet als harde systeemeis. Voor de grootste open MoE-modellen is 128 GB een realistischer vertrekpunt: op onze eigen workstation vullen Qwen3.8-Flash-Next en GLM-5.3-Flash dat geheugen op een paar GB na.

02Is 96 GB genoeg voor de zwaarste lokale modellen?

Soms wel, maar pakketgrootte alleen geeft geen antwoord. Als alles in geheugen blijft, kan 96 GB unified memory ruimte bieden voor een modelpakket van grofweg 80 GB, mits runtime, context en andere software in de resterende ruimte passen. Qwen3.8-Flash-Next draait met een geschikte build en de n-gram-tabel op NVMe zelfs op een Mac met 64 of 96 GB, maar dat is een modelspecifieke route. Voor GLM-5.3-Flash reken je op 128 GB of meer. Test altijd met de contextlengte en taken die je echt wilt gebruiken.

03Wat is beter: een losse videokaart of een computer met unified memory?

Dat hangt af van je doelen. Een losse GPU biedt het snelste geheugen voor modellen die erin passen en is flexibel uit te bouwen. Unified-memory-computers zoals de DGX Spark, Mac Studio of Strix Halo mini-pc's bieden veel meer capaciteit voor grotere modellen in een compact, zuinig formaat, maar het geheugen is langzamer en niet uitbreidbaar. Voor de meeste bedrijven is de keuze praktisch: welke modellen wil je draaien en welke software ondersteunt je omgeving?

04Wat is de goedkoopste manier om te beginnen?

Installeer Ollama of LM Studio op de computer die je al hebt en probeer een klein model. Dat kost niets en je voelt meteen wat je huidige machine aankan. Koop pas hardware als je weet welke modellen je echt wilt draaien. Wil je later de grootste MoE-modellen draaien, dan vraagt dat meestal meer werkgeheugen en een gespecialiseerde runtime zoals Strata of Project Maya.

05Waar blijven mijn back-ups in een lokale opstelling?

Nooit op de AI-computer zelf. Back-ups gaan versleuteld naar een aparte locatie in je eigen netwerk, zodat een defect of inbraak op de machine je data niet meeneemt. Test ook af en toe of je een back-up echt kunt terugzetten: pas dan weet je dat die werkt.

06Kun je een LLM draaien op een computer die je al hebt?

In veel gevallen wel. Kleine modellen tot ongeveer 9 miljard parameters draaien op een gewone werkcomputer met 16 GB RAM, dus begin met een inventaris van wat je al hebt. Maar een computer waarop het model nét past, is nog geen goede plek voor terugkerende taken. Gaat de machine elke avond uit of draait er tijdens kantooruren veel ander werk op, dan wil je al snel een vaste machine in het netwerk.

07Kun je AI lokaal draaien zonder videokaart?

Ja. Kleine modellen draaien ook alleen op de CPU, in het werkgeheugen. Ollama toont dat in ollama ps: 100% CPU betekent dat het model volledig in het werkgeheugen geladen is. Reken op tragere antwoorden dan met een videokaart of een computer met unified memory. Om een model te proberen of voor korte taken is dat prima, maar minder voor een agent die de hele dag lange prompts verwerkt. Begin met een klein model en test de snelheid op je eigen machine.

08Welk lokaal model kan een AI-agent aansturen?

Niet elk model dat lokaal draait, kan als brein van een AI-agent werken. Een agent werkt met tools: het opent bestanden, voert commando's uit in de terminal en gebruikt een browser. Een model zonder betrouwbare tool calling kan alleen chatten. Daarnaast vraagt Hermes minstens 64.000 tokens context voor agentwerk met tools. Ollama kiest het standaardcontextvenster op basis van je VRAM: 4K tokens onder 24 GB, 32K tot 48 GB en 256K daarboven. Onder 48 GB zet je het zelf groter; meer context vraagt meer geheugen. Meer details staan in de Hermes-handleiding voor Ollama en in de Hermes-docs over lokale modellen. Voor zware taken kan een cloudmodel als fallback dienen.

Bespreek je hardware-vragen

Bespreek je pilot