Lokale LLM’s voor programmeren in 2026
MarkdownDe 8 beste lokale LLM’s voor programmeren in 2026 — HumanEval-scores, bestandsgroottes en praktijkervaringen met modellen die je op een Mac of gaming-pc kunt draaien.
← Terug naar de blogoverzichten
Met «lokale LLM’s voor programmeren» bedoelen we modellen die je op je eigen laptop, Mac of gaming-pc kunt draaien — zonder API-aanroepen, zonder cloud en zonder je bedrijfseigen codebase naar een derde partij te sturen.
Naar de tabel. Wil je deze modellen vanuit de Claude Code CLI gebruiken? Bekijk Use Claude Code with local models.
De volledige benchmarks vind je hieronder.
PocketLLM wordt binnenkort gelanceerd. Privé-AI op je apparaat, eerst op iPhone en iPad, met meer platforms op de planning. Geen account nodig, geen tracking in de app en chatverwerking blijft op je apparaat. Meld je aan voor de lanceringslijst en wees er als eerste bij.
Hoe we hebben vergeleken
De benchmarkcijfers, bestandsgroottes en licenties hieronder zijn de gepubliceerde gegevens van elk model, gecontroleerd aan de hand van de modelkaart of repository.
Een ruwe indicatie van het niveau, geen vervanging voor zelf proberen met je eigen code.
- Bestandsgrootte: bij Q4-kwantisatie. Het hele idee van lokaal gebruik is dat het model «op je apparaat past».
- Licentie: Apache en MIT scoren het hoogst; niet-commerciële licenties lager.
- Ecosysteem: of er werkende conversies voor llama.cpp, Ollama, MLX en Core ML bestaan. Dat bepaalt of je het model daadwerkelijk kunt draaien.
Lokale LLM’s voor programmeren in 2026
Qwen 2.5 Coder 32B
Je hebt een workstation nodig (Mac Studio, pc met meerdere GPU’s of een MacBook Pro M3 Max met 48 GB), maar voor die investering krijg je programmeerhulp die Claude 3.5 Sonnet dicht benadert. De juiste keuze als je code vertrouwelijk is en je budget workstationhardware toelaat.
DeepSeek Coder V2 Lite 16B
Vereist bij Q4 ongeveer 10 GB RAM. Op een MacBook Pro met 16 GB is dit de ideale middenweg. De licentie valt onder de aangepaste voorwaarden van DeepSeek — toegestaan voor de meeste toepassingen, maar lees de voorwaarden voordat je het model commercieel gebruikt.
Qwen 2.5 Coder 14B
De middelste trede van de Qwen 2.5 Coder-reeks. Past op een laptop met 16 GB en laat nog ruimte over. Scoort op benchmarks iets lager dan DeepSeek V2 Lite, maar heeft een duidelijkere licentie en een eenvoudigere architectuur met een dense transformer.
Qwen 2.5 Coder 7B
Draait op een MacBook Air met 8 GB (krap) of comfortabel op een apparaat met 16 GB. Heb je een M2 Air en wil je serieus lokaal programmeren, dan is dit jouw model.
Mistral Codestral 22B
Het speciale programmeermodel van Mistral. Sterk in Python en TypeScript, redelijk in andere talen. De Mistral Non-Commercial-licentie is beperkend — controleer de voorwaarden zorgvuldig als je het model voor je werk gebruikt. Ongeveer 14 GB bij Q4; draait op een Mac met 24 GB of meer.
StarCoder 2 15B
Een gezamenlijk ontwikkeld programmeermodel van Hugging Face, ServiceNow en NVIDIA. Getraind op code met permissieve licenties, wat van belang is als je je zorgen maakt over de herkomst van de trainingsdata en de vraag «waar heeft dit model van geleerd?».
Phi-3.5 Mini 3.8B
MIT-licentie, 2.4 GB bij Q4, klein genoeg om op een telefoon te draaien. PocketLLM is ontwikkeld om dit model als download met één tik aan te bieden (binnenkort) — meld je aan voor de lanceringslijst.
Qwen 2.5 Coder 1.5B
Het kleinste gespecialiseerde programmeermodel dat de moeite waard is om te draaien. Apache 2.0. 900 MB bij Q4. Ideaal als snel lokaal aanvullingsmodel voor inline suggesties of als draftmodel voor speculatieve decodering vóór een groter programmeermodel.
De overzichtstabel
| Model | Grootte (Q4) | Min. RAM | Licentie |
|---|---|---|---|
| Qwen 2.5 Coder 32B | 20 GB | 32 GB | Apache 2.0 |
| DeepSeek Coder V2 Lite 16B | 10 GB | 16 GB | DeepSeek |
| Qwen 2.5 Coder 14B | 9 GB | 16 GB | Apache 2.0 |
| Qwen 2.5 Coder 7B | 4.5 GB | 8 GB | Apache 2.0 |
| Mistral Codestral 22B | 14 GB | 24 GB | Mistral NC |
| StarCoder 2 15B | 9 GB | 16 GB | BigCode OpenRAIL |
| Phi-3.5 Mini 3.8B | 2.4 GB | 4 GB | MIT |
| Qwen 2.5 Coder 1.5B | 0.9 GB | 2 GB | Apache 2.0 |
Een lokaal programmeermodel kiezen
Mac Studio / workstation-pc (32 GB+): Qwen 2.5 Coder 32B. Geen compromissen.
MacBook Pro met 16 GB / gaminglaptop: DeepSeek Coder V2 Lite 16B. Door de MoE-architectuur voelt het model veel lichter aan dan je op basis van het aantal parameters zou verwachten.
MacBook Air met 8 GB: Qwen 2.5 Coder 7B. Krap, maar bruikbaar. Sluit alle andere programma’s wanneer je het model draait.
iPhone of oudere Mac: Phi-3.5 Mini of Qwen 2.5 Coder 1.5B. Je bouwt er niet in één keer een Rails-app mee, maar je krijgt zeker hulp bij het begrijpen en aanpassen van bestaande code. Beide zijn opgenomen in PocketLLM.
Commercieel gebruik waarbij de licentie zwaar weegt: kies de Qwen 2.5 Coder-reeks — Apache 2.0 biedt momenteel de duidelijkste voorwaarden voor lokaal programmeren.
Zo draai je deze modellen
Op Mac: installeer LM Studio of Ollama, kies het model in de catalogus en klik op Download. Bekijk Ollama vs LM Studio vs PocketLLM. Op Linux met een GPU: gebruik llama.cpp, gecompileerd vanuit de broncode, of Ollama. Op iPhone: gebruik een native app die op het apparaat zelf draait — bekijk ons overzicht van iPhone-apps.
De integratie met je editor is een aparte kwestie en verdient een eigen artikel. Kort gezegd: plugins in de stijl van Continue.dev, Cody en Cursor ondersteunen Ollama of een OpenAI-compatibel localhost-eindpunt. Daarmee werken alle modellen in deze lijst.
Samenvatting
32B als je een workstation hebt, 14B op een gaminglaptop, 7B op een goedkope laptop, 1.5B op een telefoon. DeepSeek Coder V2 Lite is de uitzondering: heb je precies 16 GB RAM, dan levert DeepSeeks MoE-architectuur aanzienlijk betere kwaliteit dan Qwen 14B bij ongeveer hetzelfde geheugengebruik. Alle andere modellen in deze lijst zijn specialisten.
Lokale programmeerhulp op je iPhone.
PocketLLM is ontwikkeld om Phi-3.5 Mini en Qwen 2.5 Coder 1.5B als downloads met één tik aan te bieden. Privé, snel en zonder account. Binnenkort — meld je aan voor de lanceringslijst.
Aan de slag met deze gids en Ailoot
Koppel AI-modellen via één Ailoot API aan je applicaties, agents en automatiseringen. Kies het model dat bij je taak past en volg de Ailoot-documentatie om aan de slag te gaan.