Door Databricks gehoste basismodellen die beschikbaar zijn in Foundation Model-API's

In dit artikel worden de geavanceerde open modellen beschreven die worden ondersteund door Databricks Foundation-model-API's.

Opmerking

Zie Ondersteunde basismodellen op Model serving voor beschikbaarheid van regio's van deze modellen en de ondersteunde functiegebieden.

Opmerking

OpenAI- en Google Gemini-modellen zijn alleen beschikbaar via ADI Services, geleverd door Databricks. Zie ADI Services voor toegang tot deze modellen in uw Azure Databricks-omgeving.

U kunt queryaanvragen naar deze modellen verzenden met behulp van de eindpunten voor betalen per token die beschikbaar zijn in uw Databricks-werkruimte. Zie Gebruik basismodellen en de tabel met modellen die betaling per token ondersteunen voor de namen van de modeleindpunten om te gebruiken.

Naast het ondersteunen van modellen in de betalen-per-token modus, biedt de Foundation Model-API ook de gereserveerde doorvoermodus aan. Databricks raadt geprovisioneerde doorvoer aan voor productiewerkbelastingen. Deze modus ondersteunt alle modellen van een modelarchitectuurfamilie, waaronder de fijn-afgestemde en op maat vooraf getrainde modellen die worden ondersteund in de betalen per token modus. Zie Provisioned throughput Foundation Model API's voor de lijst met ondersteunde architecturen.

U kunt met deze ondersteunde modellen communiceren met behulp van de AI Playground-.

Google Gemini 3.1 Flash Lite

Belangrijk

Zie Toepasselijke modeltermen voor Gemini 3.1 Flash Lite.

Dit model wordt gehost op een globaal eindpunt en vereist dat routering tussen geografische regio's is ingeschakeld.

Eindpuntnaam: databricks-gemini-3-1-flash-lite

Ondersteunde invoer: tekst, afbeelding, video, audio

Gemini 3.1 Flash Lite is het snelste en meest rendabele model in de Gemini 3-serie, ontwikkeld en getraind door Google. Het model is gebouwd voor intelligentie op schaal en ondersteunt multimodale invoer met mogelijkheden voor afbeeldingen, functie-aanroepen en gestructureerde uitvoer. Gemini 3.1 Flash Lite is geoptimaliseerd voor implementaties met hoge doorvoer en kostenbesparing. Meer informatie over Gemini 3.1 Flash Lite.

AI-modellen kunnen fouten maken, intenties verkeerd begrijpen en hallucineeren of onjuiste antwoorden geven. Databricks raadt klanten aan hun modellen te evalueren om ervoor te zorgen dat ze werken zoals bedoeld.

Dit eindpunt wordt gehost door Databricks binnen de Databricks-beveiligingsperimeter.

Alibaba Cloud Qwen3.5 122B A10B

Belangrijk

Het Qwen3.5 122B A10B-model is in openbare preview.

Eindpuntnaam: databricks-qwen35-122b-a10b

Ondersteunde invoer: tekst

Qwen3.5 122B A10B is een hybride Mix-of-Experts -redeneringsmodel gebouwd en getraind door Alibaba Cloud, met 122 miljard totale parameters en 10 miljard actieve parameters per deductie. Het model ondersteunt een contextvenster van 256.000 en maximaal 8.000 uitvoertokens en levert sterke prestaties op redenerings-, coderings- en agentische taken. Als model met alleen redeneren kan Qwen3.5 122B A10B altijd worden gebruikt voordat ze reageren en kan redenering niet worden uitgeschakeld.

Alibaba Cloud Qwen3-Embedding-0.6B

Belangrijk

Het Qwen3-Embedding-0.6B-model bevindt zich in openbare preview.

Eindpuntnaam: databricks-qwen3-embedding-0-6b

Ondersteunde invoer: tekst

Qwen3-Embedding-0.6B is een compact model voor het insluiten van tekst met ~600M-parameters, ontworpen voor semantische taken, zoals ophalen, overeenkomsten zoeken, clusteren en classificatie. Het codeert tekst in dichte vectoren die betekenis vertegenwoordigen in plaats van oppervlaktevorm.

Het model ondersteunt meer dan 100 talen (inclusief code) en verwerkt lange contexten tot ~32K-tokens, waardoor het geschikt is voor het insluiten van lange documenten. Het produceert insluitingen met een configureerbare dimensionaliteit tot 1024 en is instructiebewust, waardoor taakspecifieke vooroordelen via prompts mogelijk zijn.

Qwen3-Embedding-0.6B is gebouwd op een transformer encoder en is specifiek afgestemd op het genereren van embeddings, waarbij het de kwaliteit van de embeddings in balans brengt met efficiënte inferentie.

Inbeddingsmodellen zijn met name effectief wanneer zij samen met LLMs worden gebruikt voor retentie-verrijkte generatie (RAG)-gebruiksscenario's. Qwen3-Embedding-0.6B kan worden gebruikt om relevante tekstfragmenten te vinden in grote stukken documenten die kunnen worden gebruikt in de context van een LLM.

Alibaba Cloud Qwen3-Next 80B A3B Instruct

Belangrijk

Het model Qwen3-Next 80B A3B Instruct is in openbare preview.

Eindpuntnaam: databricks-qwen3-next-80b-a3b-instruct

Ondersteunde invoer: tekst

Qwen3-Next-80B-A3B-Instruct is een zeer efficiënt groot taalmodel dat is geoptimaliseerd voor het uitvoeren van instructietaken en is gebouwd en getraind door Alibaba Cloud. Dit model is ontworpen voor het verwerken van ultra lange contexten en excelleert in werkstromen met meerdere stappen, generatie met behulp van opgehaalde informatie, en ondernemingstoepassingen die deterministische output vereisen bij hoge doorvoer.

OpenAI GPT OSS 120B

Eindpuntnaam: databricks-gpt-oss-120b

Ondersteunde invoer: tekst

GPT OSS 120B is een geavanceerd, redenerend model met denkproces en aanpasbare niveaus van redeneerinspanning, gebouwd en getraind door OpenAI. Het is het vlaggenschipmodel van OpenAI met een open model en heeft een contextvenster van 128k tokens. Het model is gebouwd voor redeneringstaken van hoge kwaliteit.

OpenAI GPT OSS 20B

Eindpuntnaam: databricks-gpt-oss-20b

Ondersteunde invoer: tekst

GPT OSS 20B is een state-of-the-art, lichtgewicht redeneringsmodel gebouwd en getraind door OpenAI. Dit model heeft een contextvenster van 128.000 tokens en blinkt uit in realtime copilots en batch-inferentietaken.

Google Gemma 3 12B

Belangrijk

Zie De toepasselijke modeltermen voor de Gemma 3-voorwaarden en het beleid voor acceptabel gebruik.

Eindpuntnaam: databricks-gemma-3-12b

Ondersteunde invoer: tekst, afbeelding

Gemma 3 12B is een multimodale en visiontaalmodel van 12 miljard parameters dat door Google is ontwikkeld als onderdeel van de Gemma 3-familie. Gemma 3 heeft een token context van 128K en biedt meertalige ondersteuning voor meer dan 140 talen. Dit model is ontworpen om zowel tekst- als afbeeldingsinvoer te verwerken en tekstuitvoer te genereren en is geoptimaliseerd voor gebruiksvoorbeelden voor dialoog, het genereren van tekst en het begrijpen van afbeeldingen, waaronder het beantwoorden van vragen.

Meta Llama 4 Maverick

Belangrijk

Zie De toepasselijke modelvoorwaarden voor de Llama 4-communitylicentie en het beleid voor acceptabel gebruik.

Eindpuntnaam: databricks-llama-4-maverick

Ondersteunde invoer: tekst, afbeelding

Llama 4 Maverick is een geavanceerd groot taalmodel gebouwd en getraind door Meta. Het is de eerste van de Llama-modelfamilie dat gebruikmaakt van een combinatie van experts-architectuur voor rekenefficiëntie. Llama 4 Maverick ondersteunt meerdere talen en is geoptimaliseerd voor nauwkeurige gebruiksvoorbeelden voor afbeeldingen en tekstbegrip. Meer informatie over Llama 4 Maverick.

Meta Llama 3.3 70B Instruct

Belangrijk

Vanaf 11 december 2024 vervangt Meta-Llama-3.3-70B-Instruct de ondersteuning van Meta-Llama-3.1-70B-Instruct in de pay-per-token-eindpunten van Foundation Model APIs.

Zie De toepasselijke modelvoorwaarden voor de LLama 3.3-communitylicentie en het beleid voor acceptabel gebruik.

Eindpuntnaam: databricks-meta-llama-3-3-70b-instruct

Ondersteunde invoer: tekst

Meta-Llama-3.3-70B-Instruct is een state-of-the-art groot taalmodel met een context van 128.000 tokens dat is gebouwd en getraind door Meta. Het model ondersteunt meerdere talen en is geoptimaliseerd voor gebruiksscenario's voor dialoog. Meer informatie over de Meta Llama 3.3.

Meta Llama 3.1 405B Instruct

Belangrijk

Meta-Llama-3.1-405B-Instruct wordt buiten gebruik gesteld,

Vanaf 15 februari 2026 voor workloads met betaling per token.
Vanaf 15 mei 2026 voor ingerichte doorvoerworkloads.

Zie Afgeschafte en buiten gebruik gestelde modellen voor het aanbevolen vervangingsmodel en richtlijnen voor het migreren tijdens afschaffing.

Belangrijk

Het gebruik van dit model met Foundation Model-API's is in openbare preview-fase. Neem contact op met uw Databricks-accountteam als er eindpuntfouten of stabilisatiefouten optreden bij het gebruik van dit model.

Zie De toepasselijke modelvoorwaarden voor de Llama 3.1-communitylicentie en het beleid voor acceptabel gebruik.

Eindpuntnaam: databricks-meta-llama-3-1-405b-instruct

Ondersteunde invoer: tekst

Meta-Llama-3.1-405B-Instruct is het grootste open beschikbare state-of-the-art grote taalmodel, gebouwd en getraind door Meta, en wordt gedistribueerd door Azure Machine Learning met behulp van de AzureML-modelcatalogus. Dankzij het gebruik van dit model kunnen klanten nieuwe mogelijkheden ontgrendelen, zoals geavanceerde, redenering in meerdere stappen en synthetische gegevensgeneratie van hoge kwaliteit. Dit model is concurrerend met GPT-4-Turbo in termen van kwaliteit.

Net als Meta-Llama-3.1-70B-Instruct heeft dit model een context van 128.000 tokens en ondersteuning in tien talen. Het is afgestemd op menselijke voorkeuren voor behulpzaamheid en veiligheid en is geoptimaliseerd voor gebruiksscenario's voor dialoog. Meer informatie over de Meta Llama 3.1-modellen.

Meta Llama 3.1 8B Instruct

Belangrijk

Zie De toepasselijke modelvoorwaarden voor de LLama 3.1-communitylicentie en het beleid voor acceptabel gebruik.

Eindpuntnaam: databricks-meta-llama-3-1-8b-instruct

Ondersteunde invoer: tekst

Meta-Llama-3.1-8B-Instruct is een state-of-the-art grote taalmodel met een context van 128.000 tokens die door Meta zijn gebouwd en getraind. Het model ondersteunt meerdere talen en is geoptimaliseerd voor gebruiksscenario's voor dialoog. Meer informatie over de Meta Llama 3.1.

Antropische Claude Haiku 4.5

Belangrijk

Klanten zijn verantwoordelijk voor de naleving van het gebruiksbeleid van Lantropic. Zie ook de Databricks Master Cloud Services-overeenkomst en waar van toepassing de Databricks Business Associate-overeenkomst.

Eindpuntnaam: databricks-claude-haiku-4-5

Ondersteunde invoer: tekst, afbeelding

Claude Haiku 4.5 is het snelste en meest rendabele model van Lantropic, dat een coderingskwaliteit in de buurt van de grens levert met uitzonderlijke snelheid en efficiëntie. Het excelleert in realtime toepassingen met lage latentie, waaronder chatassistenten, klantenservicemedewerkers, pair programming, en rapid prototyping. Dit model is ideaal voor kostenbewuste productie-implementaties en agentische systemen waarvoor responsieve AI-hulp is vereist.

Dit eindpunt wordt gehost door Databricks binnen de Databricks-beveiligingsperimeter.

Anthropic Claude Sonnet 5

Belangrijk

Eindpuntnaam: databricks-claude-sonnet-5

Ondersteunde invoer: tekst, afbeelding

Opmerking

Claude Sonnet 5 biedt geen ondersteuning voor de temperatureparameters , top_pof top_k steekproeven. Aanvragen met deze parameters retourneren een 400-fout.

Claude Sonnet 5 is Anthropic meest geschikt Sonnet-model, ontworpen voor codering, agentische werkstromen en professioneel werk op schaal. Het combineert bijna opus-niveau intelligentie met de kostenefficiëntie en snelheid van Sonnet, waardoor het goed geschikt is voor klantgerichte agents, productiecoderingswerkstromen en geavanceerde taken voor het genereren van inhoud.

Dit eindpunt wordt gehost door Databricks binnen de Databricks-beveiligingsperimeter.

Anthropic Claude Sonnet 4.6

Belangrijk

Eindpuntnaam: databricks-claude-sonnet-4-6

Ondersteunde invoer: tekst, afbeelding

Claude Sonnet 4.6 is het meest geavanceerde hybride redeneringsmodel van Tropic. Het biedt twee modi: bijna directe antwoorden en uitgebreid nadenken om dieper te redeneren op basis van de complexiteit van de taak. Claude Sonnet 4.6 is gespecialiseerd in toepassingen die een balans van praktische doorvoer en geavanceerd denken vereisen, zoals klantgerichte agents, productiecoderingswerkstromen en het genereren van inhoud op schaal.

Dit eindpunt wordt gehost door Databricks binnen de Databricks-beveiligingsperimeter.

Antropische Claude Sonnet 4.5

Belangrijk

Eindpuntnaam: databricks-claude-sonnet-4-5

Ondersteunde invoer: tekst, afbeelding

Claude Sonnet 4.5 is het meest geavanceerde hybride redeneringsmodel van Tropic. Het biedt twee modi: bijna directe antwoorden en uitgebreid nadenken om dieper te redeneren op basis van de complexiteit van de taak. Claude Sonnet 4.5 is gespecialiseerd in toepassingen die een balans tussen praktische doorvoer en geavanceerd denken vereisen, zoals klantgerichte agents, werkstromen voor productiecodering en het genereren van inhoud op schaal.

Dit eindpunt wordt gehost door Databricks binnen de Databricks-beveiligingsperimeter.

Anthropic Claude Fable 5

Belangrijk

Klanten zijn verantwoordelijk voor de naleving van het gebruiksbeleid van Lantropic. Zie ook de Databricks Master Cloud Services-overeenkomst en, indien van toepassing, de Databricks Business Associate-overeenkomst.

Belangrijk

Voor Claude Fable 5 worden prompts en antwoorden 30 dagen bewaard voor vertrouwens- en veiligheidsdoeleinden. Deze gegevens worden verwerkt door geautomatiseerde veiligheidssystemen en kunnen in bepaalde gevallen worden gemarkeerd voor menselijke beoordeling. De gegevens worden na 30 dagen automatisch verwijderd, behalve in het geval van een veiligheidsonderzoek of wettelijke vereisten om de gegevens langer dan 30 dagen te bewaren. Anthropic is een beperkte subprocessor voor dit veiligheidsretentiedoel.

Eindpuntnaam: databricks-claude-fable-5

Ondersteunde invoer: tekst

Claude Fable 5 is een Mythos-klassemodel uit Anthropic ontworpen voor autonome kenniswerk en codering. Met robuuste beveiligingen die zijn ingebouwd, kan het langlopende, complexe en asynchrone taken verwerken met minder behoefte aan menselijke check-ins dan eerdere modellen, waardoor het goed geschikt is voor agentische werkstromen waarvoor langdurige aandacht nodig is in uitgebreide contexten.

Dit eindpunt wordt gehost door Databricks binnen de Databricks-beveiligingsperimeter.

Anthropic Claude Opus 5

Belangrijk

Eindpuntnaam: databricks-claude-opus-5

Ondersteunde invoer: tekst, afbeelding

Claude Opus 5 is Anthropic meest geschikt hybride redeneringsmodel, dat voortbouwt op de Opus-serie met een focus op agentische codering, codebeoordeling en autonoom werken met lange horizon. Dit model excelleert bij complexe softwaretaken met meerdere bestanden, zoals grote herstructureringen en end-to-end functieontwikkeling, het vinden van fouten met hoge precisie, coördinatie van meerdere agents en vision-taken, zoals grafieken, documenten en inzicht in de gebruikersinterface. Claude Opus 5 bevat een contextvenster van 1 miljoen token dat sterke instructies onderhoudt aan het volgen, aanroepen van hulpprogramma's en redeneren in het volledige venster, en het levert bijna topkwaliteit bij lage en gemiddelde redeneringsinspanningen, waardoor het goed geschikt is voor werkstromen met lange context, kostengevoelige ondernemingen.

Dit eindpunt wordt gehost door Databricks binnen de Databricks-beveiligingsperimeter.

Anthropic Claude Opus 4.8

Belangrijk

Eindpuntnaam: databricks-claude-opus-4-8

Ondersteunde invoer: tekst, afbeelding

Claude Opus 4.8 bouwt voort op de Opus-serie met verdere verbeteringen in nauwkeurigheid, efficiëntie en redeneringsmogelijkheden. Dit model excelleert bij complexe extractie- en agentische redeneringstaken met ondersteuning voor afbeeldingen, waardoor het ideaal is voor bedrijfstoepassingen waarvoor uitgebreide analyse, documentbegrip en geavanceerde werkstromen met meerdere stappen nodig zijn.

Dit eindpunt wordt gehost door Databricks binnen de Databricks-beveiligingsperimeter.

Anthropic Claude Opus 4.7

Belangrijk

Eindpuntnaam: databricks-claude-opus-4-7

Ondersteunde invoer: tekst, afbeelding

Claude Opus 4.7 is het meest geschikte hybride redeneringsmodel van Tropic, waarbij de Opus-serie wordt uitgebreid met verbeterde nauwkeurigheid, efficiëntie en verbeterde visuele mogelijkheden. Dit model biedt betere prestaties bij complexe extractie- en agentische redeneringstaken, terwijl er minder uitvoertokens worden gebruikt dan de voorafgaande taak. Claude Opus 4.7 beschikt over een contextvenster van 1 miljoen token en verbeterde ondersteuning voor afbeeldingsresoluties, waardoor het ideaal is voor bedrijfstoepassingen die een grondige analyse, documentbegrip en geavanceerde werkstromen met meerdere stappen vereisen.

Dit eindpunt wordt gehost door Databricks binnen de Databricks-beveiligingsperimeter.

Anthropic Claude Opus 4.6

Belangrijk

Eindpuntnaam: databricks-claude-opus-4-6

Ondersteunde invoer: tekst, afbeelding

Claude Opus 4.6 is het meest geschikte hybride redeneringsmodel van Tropic met adaptieve denkmogelijkheden. Dit model introduceert een nieuw maximale inspanningsniveau voor de meest veeleisende taken, waarbij hoge inspanning is ingesteld als de standaardinstelling voor optimale prestaties. Claude Opus 4.6 excelleert bij complexe redenering, grondige analyse, het genereren van code, onderzoek en geavanceerde werkstromen met meerdere stappen. Het beschikt over een contextvenster van 1 miljoen token, waardoor het ideaal is voor bedrijfstoepassingen die zowel uitgebreide analyse als uitgebreide uitvoer vereisen.

Dit eindpunt wordt gehost door Databricks binnen de Databricks-beveiligingsperimeter.

Anthropic Claude Opus 4.5

Belangrijk

Eindpuntnaam: databricks-claude-opus-4-5

Ondersteunde invoer: tekst, afbeelding

Claude Opus 4.5 is het meest geschikte hybride redeneringsmodel van Antropic, gebouwd voor de meest complexe taken waarvoor diepgaande analyse en uitgebreid denken vereist zijn. Dit model combineert krachtige algemene mogelijkheden met geavanceerde redenering, excellerend bij het genereren van code, onderzoek, het maken van inhoud en geavanceerde agentische werkstromen met meerdere stappen. Claude Opus 4.5 ondersteunt tekst- en visieinvoer met een contextvenster van 200.000 K, waardoor het ideaal is voor bedrijfstoepassingen die zowel breedte als diepte van begrip eisen.

Dit eindpunt wordt gehost door Databricks binnen de Databricks-beveiligingsperimeter.

Antropische Claude Sonnet 4

Belangrijk

Anthropic Claude Sonnet 4 is afgeschaft. Zie Afgeschafte en buiten gebruik gestelde modellen voor de buitengebruikstellingsdatum, aanbevolen vervangingsmodel en richtlijnen voor het migreren tijdens afschaffing.

Eindpuntnaam: databricks-claude-sonnet-4

Ondersteunde invoer: tekst, afbeelding

Claude Sonnet 4 is een state-of-the-art, hybride redeneringsmodel gebouwd en getraind door Antropicus. Dit model biedt twee modi: bijna directe antwoorden en uitgebreid nadenken om dieper te redeneren op basis van de complexiteit van de taak. Claude Sonnet 4 is geoptimaliseerd voor verschillende taken, zoals codeontwikkeling, grootschalige inhoudsanalyse en ontwikkeling van agenttoepassingen.

Dit eindpunt wordt gehost door Databricks binnen de Databricks-beveiligingsperimeter.

Antropische Claude Opus 4.1

Belangrijk

Eindpuntnaam: databricks-claude-opus-4-1

Ondersteunde invoer: tekst, afbeelding

Claude Opus 4.1 is een state-of-the-art, hybride redeneringsmodel gebouwd en getraind door Antropisch. Dit algemene grote taalmodel is ontworpen voor zowel complexe redenering als echte toepassingen op ondernemingsniveau. Het ondersteunt tekst- en afbeeldingsinvoer, met een contextvenster van 200.000 token en mogelijkheden voor 32K-uitvoertoken. Dit model excelleert in taken zoals het genereren van code, onderzoek en het maken van inhoud, en werkstromen voor agents met meerdere stappen zonder constante menselijke tussenkomst.

Dit eindpunt wordt gehost door Databricks binnen de Databricks-beveiligingsperimeter.

GTE Large (en)

Eindpuntnaam: databricks-gte-large-en

Ondersteunde invoer: tekst

GTE (General Text Embedding) is een model voor het insluiten van tekst dat elke tekst kan toewijzen aan een insluitingsvector van 1024 dimensies en een insluitvenster van 8192 tokens. Deze vectoren kunnen worden gebruikt in vectorindexen voor LLM's en voor taken zoals ophalen, classificatie, vragen beantwoorden, clusteren of semantische zoekopdrachten. Dit eindpunt dient de Engelse versie van het model en genereert geen genormaliseerde insluitingen.

Inbeddingsmodellen zijn met name effectief wanneer zij samen met LLMs worden gebruikt voor retentie-verrijkte generatie (RAG)-gebruiksscenario's. GTE kan worden gebruikt om relevante tekstfragmenten te vinden in grote stukken documenten die kunnen worden gebruikt in de context van een LLM.

BGE Large (En)

Eindpuntnaam: databricks-bge-large-en

Ondersteunde invoer: tekst

BAAI General Embedding (BGE) is een model voor het insluiten van tekst dat elke tekst kan toewijzen aan een insluitingsvector van 1024 dimensies en een insluitvenster van 512 tokens. Deze vectoren kunnen worden gebruikt in vectorindexen voor LLM's en voor taken zoals ophalen, classificatie, vragen beantwoorden, clusteren of semantische zoekopdrachten. Dit eindpunt dient de Engelse versie van het model en genereert genormaliseerde insluitingen.

Inbeddingsmodellen zijn met name effectief wanneer zij samen met LLMs worden gebruikt voor retentie-verrijkte generatie (RAG)-gebruiksscenario's. BGE kan worden gebruikt om relevante tekstfragmenten te vinden in grote stukken documenten die kunnen worden gebruikt in de context van een LLM.

In RAG-toepassingen kunt u mogelijk de prestaties van uw ophaalsysteem verbeteren door een instructieparameter op te geven. De BGE-auteurs raden aan de instructie "Represent this sentence for searching relevant passages:" te proberen voor het insluiten van query's, hoewel de invloed van de prestaties afhankelijk is van een domein.

Aanvullende informatiebronnen

Feedback

Is deze pagina nuttig?

Last updated on 2026-07-23

Door Databricks gehoste basismodellen die beschikbaar zijn in Foundation Model-API's

Google Gemini 3.1 Flash Lite

Alibaba Cloud Qwen3.5 122B A10B

Alibaba Cloud Qwen3-Embedding-0.6B

Alibaba Cloud Qwen3-Next 80B A3B Instruct

OpenAI GPT OSS 120B

OpenAI GPT OSS 20B

Google Gemma 3 12B

Meta Llama 4 Maverick

Meta Llama 3.3 70B Instruct

Meta Llama 3.1 405B Instruct

Meta Llama 3.1 8B Instruct

Antropische Claude Haiku 4.5

Anthropic Claude Sonnet 5

Anthropic Claude Sonnet 4.6

Antropische Claude Sonnet 4.5

Anthropic Claude Fable 5

Anthropic Claude Opus 5

Anthropic Claude Opus 4.8

Anthropic Claude Opus 4.7

Anthropic Claude Opus 4.6

Anthropic Claude Opus 4.5

Antropische Claude Sonnet 4

Antropische Claude Opus 4.1

GTE Large (en)

BGE Large (En)

Aanvullende informatiebronnen

Feedback

Aanvullende resources