2026-08-31
Ollama is in de kern geen codeerassistent maar een manier om open source-taalmodellen lokaal te draaien, zonder dat je zelf hoeft uit te zoeken hoe je een model download, configureert en aan de praat krijgt. Installeer Ollama, kies een model zoals Code Llama of Qwen Coder, en je hebt een lokaal draaiende AI die geen enkel verzoek de deur uit stuurt. De meeste andere lokale codeertools bouwen bovenop een systeem zoals Ollama in plaats van zelf een model te trainen.
De prestaties hangen sterk af van je hardware. Een lokaal model dat vlot reageert op een machine met veel werkgeheugen en een goede videokaart, kan op een basaal laptopje merkbaar trager aanvoelen. Dat is de ruil die je maakt: volledige controle over je data, in ruil voor het zelf regelen van voldoende rekenkracht.
Continue is een open source-plugin voor VS Code en JetBrains die zich qua gebruik het dichtst bij GitHub Copilot bevindt, maar met het verschil dat je zelf kiest welk model erachter draait. Dat kan een lokaal model via Ollama zijn, of net zo goed een cloud-model als je daar wél voor kiest. Die flexibiliteit maakt Continue een logische eerste stap voor wie wil experimenteren met lokaal draaien zonder meteen alle cloud-opties overboord te zetten.
Aider werkt vanuit de command line en heeft een eigenschap die het onderscheidt van de meeste andere tools: het maakt automatisch git-commits bij elke wijziging die het aanbrengt. Dat betekent dat elke stap die de AI zet, terug te draaien is met een simpel git-commando, wat bij experimenteren met lokale modellen een prettig vangnet is. Werkt een suggestie niet zoals gehoopt, dan ga je terug naar de vorige commit in plaats van handmatig te moeten uitzoeken wat er precies veranderd is.
Lokaal draaien is niet automatisch beter dan een cloud-tool; het is een andere afweging. Werk je met code die om privacyredenen nooit een externe server mag raken, wil je onderweg zonder internetverbinding kunnen doorwerken, of wil je simpelweg geen doorlopend abonnement, dan is de investering in lokale tools de moeite waard. Voor losse, snelle klussen waarbij internet toch al beschikbaar is, blijft een cloud-tool vaak eenvoudiger en directer bruikbaar.
Een lokaal model draait het prettigst met voldoende werkgeheugen. Een RAM-upgrade naar 32 GB, zoals een Crucial-kit (circa €80), is voor de meeste desktops de goedkoopste manier om een groter lokaal model soepel te laten draaien in plaats van voortdurend te wisselen tussen geheugen en schijf. Bekijk een 32GB RAM-kit bij Amazon. Modellen zelf nemen ook aardig wat opslagruimte in beslag, dus een snelle NVMe-SSD van 1 TB (circa €70) voorkomt dat je steeds oudere modellen moet verwijderen om een nieuwe te kunnen proberen. Bekijk een NVMe SSD bij Amazon.
Begin met een kleiner model op de hardware die je al hebt, voordat je geld uitgeeft aan extra geheugen of opslag. Een compact model geeft een goed beeld van hoe lokaal vibecoden aanvoelt, en pas als dat bevalt maar te traag blijft, is een hardware-upgrade een logische volgende stap in plaats van een gok vooraf.
Nog specifieker geïnteresseerd in hoe ver je dit kunt schalen op minimale hardware? Dit artikel over vibecoden op een Raspberry Pi laat zien waar de grenzen liggen.