Welk AI-model voor RAG op je documenten?
Een assistent die antwoordt op basis van je documenten (RAG): productdocumentatie, procedures, kennisbank.
DeepSeek V4.1 Flash
- Index
- 155,0
- Prijs / M tokens
- € 0,27 / € 1,07
- Kosten / 1 M
- ≈ € 1.496
Op de Pareto-lijn, capaciteitsscore van 155 voor een lage prijs: geschikt voor de lange passages die per vraag worden gelezen.
Bekijken in de ranglijst →Qwen3.8 27B
- Index
- 149,4
- Prijs / M tokens
- Gratis (lokaal)
Open gewichten onder de Apache 2.0-licentie: met een lokaal embeddingmodel verlaten documenten noch vragen je server.
Bekijken in de ranglijst →Claude Sonnet 5.5
- Index
- 165,2
- Prijs / M tokens
- € 1,78 / € 8,91
- Kosten / 1 M
- ≈ € 10.692
Op de Pareto-lijn, met een van de beste capaciteitsscores: zegt eerder “ik weet het niet” als de passages het antwoord niet bevatten.
Bekijken in de ranglijst →Waarom deze keuzes
Bij RAG hangt de kwaliteit eerst af van het vinden van de juiste passages (het embeddingmodel en hoe de documenten worden opgedeeld), daarna van het model dat het antwoord schrijft. Elke vraag leest enkele duizenden tokens: de invoerprijs telt zwaarder dan de uitvoerprijs.
Aan de slag
Gegevens: index van Epoch AI (CC BY 4.0), officiële prijzen van de ontwikkelaars omgerekend tegen de ECB-koers, bijgewerkt 2026-10-05 · Ranglijst van AI-modellen: intelligentie, benchmarks en prijs