Welk lokaal AI-model is het beste voor coding in 2026? Praktische gids voor developers, SRE's, testers, security- en netwerk-engineers

De vraag "wat is het beste lokale LLM voor coding" is verkeerd gesteld. Het juiste antwoord hangt af van drie dingen: je rol, je hardware, en je workflow. Een SRE die Terraform-modules schrijft heeft iets anders nodig dan een test-engineer die Cypress-scripts genereert. En een MacBook Air M2 heeft andere mogelijkheden dan een werkstation met een RTX 4090.

Deze gids geeft je per rol een concrete aanbeveling — op basis van het actuele modellenlandschap van mei 2026.

Het actuele lokale LLM-landschap

Eerst de spelers op het veld. Dit zijn de modellen die ertoe doen voor coding, gerangschikt naar VRAM-vereiste (Q4_K_M kwantisering, via Ollama):

| Model | VRAM nodig | Actieve params | Sweet spot hardware | Beste voor | |---|---|---|---|---| | Gemma 3 12B | ~8 GB | 12B | MacBook Air, 12 GB GPU | Lichtgewicht, snel — boilerplate, simpele refactors | | Phi-4 14B | ~9 GB | 14B | 12-16 GB GPU | Beste onder 16 GB VRAM — verrassend sterk in logisch redeneren | | Codestral 22B | ~14 GB | 22B | MacBook Pro M4, RTX 3080 | Beste latency/kwaliteit-ratio — de daily driver | | Qwen 3.6 Coder 27B | ~16 GB | 27B | RTX 4090, Mac Studio | De benchmark-koning — breedste taalondersteuning | | Qwen 3.6 Coder 35B-A3B (MoE) | ~20 GB | 3B actief / 35B totaal | RTX 4090, multi-GPU | Snelste iteratie — Mixture of Experts, 3B actief per token | | DeepSeek Coder V4 Flash | ~16 GB | 16B (MoE) | RTX 4090, werkstation | Lange context — complexe refactoring over vele bestanden |

Wat is MoE (Mixture of Experts)? Bij modellen zoals Qwen 35B-A3B en DeepSeek V4 Flash worden per token slechts een deel van de parameters geactiveerd. De 35B-A3B heeft 35 miljard parameters in totaal, maar gebruikt er per token slechts 3 miljard. Resultaat: de snelheid van een 3B-model met de kennis van een 35B-model. Ideaal voor interactieve coding waar latency telt.

Per rol: wat heb je nodig?

Developer

Jouw workflow: Code genereren, refactoren, PR's reviewen, documentatie schrijven, bugs fixen. Je werkt met meerdere talen (TypeScript, Python, Go, Rust) en wisselt constant tussen bestanden.

Wat je nodig hebt:

• Brede taalondersteuning — je model moet TypeScript én Python én Rust snappen
• Goede code-completion — fill-in-the-middle (FIM) voor snelle autocomplete
• Redelijke context — minimaal 8K tokens om een volledige module te overzien

Aanbevolen model:

| Je hardware | Model | Waarom | |---|---|---| | MacBook Air / 12 GB GPU | Phi-4 14B | Beste onder de 16 GB-grens. Sterk in logisch redeneren, redelijke code-kwaliteit. | | MacBook Pro M4 / RTX 3080 (16 GB) | Codestral 22B | Beste prijs/kwaliteit. Snelle respons, prima in TypeScript, Python en Go. De dagelijkse workhorse. | | RTX 4090 / Mac Studio (24 GB) | Qwen 3.6 Coder 27B | De benchmark-koning. Breedste taalondersteuning (90+ talen), uitstekende code review, sterke refactoring. | | RTX 4090 / werkstation (24+ GB) | Qwen 3.6 Coder 35B-A3B (MoE) | Als je latency écht telt. 3B actief per token = razendsnelle iteratie, met 35B aan kennis in de achterzak. |

Praktische setup (OpenCode + Ollama):

ollama pull qwen3-coder:27b
opencode --model ollama/qwen3-coder:27b

---

SRE / DevOps Engineer

Jouw workflow: Terraform-modules, Kubernetes-manifests, CI/CD pipelines (GitHub Actions, GitLab CI), Ansible-playbooks, incident response scripts. Je werkt met declaratieve configuratie én imperatieve scripts.

Wat je nodig hebt:

• Sterk in YAML, HCL, JSON — je leeft in configuratie-bestanden
• Infrastructuur-begrip — het model moet begrijpen wat een kubernetes_deployment is
• Fouttolerantie — configuraties zijn foutgevoelig, het model moet valide output genereren
• Shell-scripting — bash, PowerShell, Python voor automation

Aanbevolen model:

| Je hardware | Model | Waarom | |---|---|---| | MacBook Pro / 16 GB GPU | Codestral 22B | Uitstekend in YAML en HCL. Begrijpt Kubernetes en Terraform-semantiek. Lage latency voor snelle fixes. | | RTX 4090 / werkstation | Qwen 3.6 Coder 27B | Sterker in shell-scripting en multi-file refactoring. Beter voor complexe pipeline-debugging. | | Werkstation / multi-GPU | DeepSeek Coder V4 Flash | Lange context (128K) — kan een volledige Terraform-codebase overzien en cross-module refactoring doen. |

Praktische setup:

ollama pull codestral:22b
opencode --model ollama/codestral:22b

SRE-specifieke prompt-tip:

Review deze Terraform-module op: (1) security misconfiguraties,
(2) ontbrekende depends_on relaties, (3) hardcoded values die
variabelen zouden moeten zijn. Geef gecorrigeerde code.

---

Test Automation Engineer

Jouw workflow: Testscripts genereren (Cypress, Playwright, JUnit, pytest), testdata fabriceren, edge cases identificeren, test-rapportages schrijven. Je werkt veel met fixtures, mocks, en assertions.

Wat je nodig hebt:

• Sterk in test-frameworks — Cypress, Playwright, Selenium, pytest, JUnit
• Edge case-detectie — het model moet "wat als?"-denken
• Testdata-generatie — realistische mock-data, fixtures, factories
• Assertie-logica — correcte verwachtingen formuleren

Aanbevolen model:

| Je hardware | Model | Waarom | |---|---|---| | MacBook Air / 12 GB GPU | Gemma 3 12B | Goed genoeg voor simpele testscripts en boilerplate. Snel, lichtgewicht. | | MacBook Pro / 16 GB GPU | Phi-4 14B | Sterk in logisch redeneren — edge cases bedenken is letterlijk logica. Goede prijs/kwaliteit. | | RTX 4090 / werkstation | Qwen 3.6 Coder 27B | Beste voor complexe test suites. Begrijpt Cypress, Playwright én pytest. Kan volledige spec-bestanden genereren. |

Test-specifieke prompt-tip:

Genereer Playwright-tests voor deze login-pagina. Dek af:
(1) happy path (geldige credentials), (2) foutieve wachtwoord,
(3) lege velden, (4) SQL injection in gebruikersnaamveld,
(5) brute force rate limiting. Gebruik page objects pattern.

---

Security Engineer

Jouw workflow: SAST/DAST-regels schrijven, vulnerability scanning, security code review, OWASP-top-10 checks, compliance-validatie (BIO2, NIS2, ISO 27001). Je kijkt met andere ogen naar code — niet "werkt het?" maar "kan het misbruikt worden?"

Wat je nodig hebt:

• Security-kennis — OWASP top 10, CWE, MITRE ATT&CK
• Patroonherkenning — hardcoded secrets, unsafe deserialization, injection points
• Compliance-bewustzijn — moet BIO2/NIS2/GDPR-relevante issues herkennen
• Nauwkeurigheid boven snelheid — een false negative is erger dan traag

Aanbevolen model:

| Je hardware | Model | Waarom | |---|---|---| | MacBook Pro / 16 GB GPU | Codestral 22B | Goede patroonherkenning, begrijpt security-context. Lage false-positive rate. | | RTX 4090 / werkstation | DeepSeek Coder V4 Flash | Lange context = volledige codebase scannen op secrets en kwetsbaarheden. Sterk in diff-analyse. | | Werkstation / cloud | DeepSeek V4 Pro (cloud) | Max kwaliteit voor kritische security audits. Gebruik alleen bij air-gapped of zero-retention deployment. |

Security-specifieke prompt-tip:

Voer een BIO2 security review uit op deze Python API. Rapporteer:
(1) OWASP top 10 kwetsbaarheden, (2) hardcoded secrets of tokens,
(3) unsafe deserialization, (4) privilege escalation risico's,
(5) logging van security events. Gebruik CWE-nummers. Geef
concrete fixes met code.

---

Netwerk Engineer

Jouw workflow: Netwerkconfiguraties genereren (Cisco IOS, Juniper JunOS, VyOS), firewall-regels (iptables, Palo Alto, FortiGate), BGP/OSPF-routering, netwerkdiagrammen (in code), troubleshooting-scripts. Je werkt met vendor-specifieke syntax en protocollen.

Wat je nodig hebt:

• Vendor-specifieke syntax — Cisco IOS, Juniper JunOS, Arista EOS
• Netwerkprotocol-kennis — BGP, OSPF, VLAN, MPLS, VXLAN
• Firewall-logica — rule ordering, NAT, stateful inspection
• IP-berekeningen — subnetting, supernetting, ACL-ranges

Aanbevolen model:

| Je hardware | Model | Waarom | |---|---|---| | Elke hardware (16+ GB) | Codestral 22B | Beste vendor-specifieke syntax. Begrijpt Cisco én Juniper. Sterk in ACL-logica. | | RTX 4090 / werkstation | Qwen 3.6 Coder 27B | Breedste protocol-kennis. Kan BGP-route-maps en OSPF areas valideren. Goede Python voor netwerk-automation (Netmiko, NAPALM). |

Netwerk-specifieke prompt-tip:

Genereer een volledige VyOS-configuratie voor een BGP-edge-router:
- AS 65001, peer met AS 65002 (192.168.1.1)
- Adverteer 10.0.0.0/16
- Implementeer prefix-filtering (max /24 prefixes ontvangen)
- Rate-limit ICMP op de internet-facing interface
- Genereer ook de bijbehorende firewall-regels in iptables-syntax

---

De drie hardware-tiers samengevat

| Tier | VRAM | Hardware | Aanbevolen model | |---|---|---|---| | Instap | 8-12 GB | MacBook Air, RTX 3060, gaming-laptop | Phi-4 14B of Gemma 3 12B | | Midden | 16-24 GB | MacBook Pro M4, RTX 3080/4080, Mac Studio | Codestral 22B (daily driver) of Qwen 3.6 Coder 27B (max kwaliteit) | | High-end | 24-48+ GB | RTX 4090, Mac Studio M2 Ultra, multi-GPU werkstation | Qwen 3.6 Coder 35B-A3B (MoE) (snelste) of DeepSeek Coder V4 Flash (lange context) |

Lokaal ≠ tweederangs

Het gat tussen lokaal en cloud is kleiner dan ooit. Qwen 3.6 Coder 27B (lokaal, 16 GB VRAM) scoort op LiveCodeBench binnen 5-10% van Claude Sonnet 4.5 (cloud). Voor 80% van de dagelijkse coding-taken — refactoren, testen schrijven, configuraties genereren, security reviews — is het verschil niet merkbaar.

En je krijgt er iets voor terug: volledige privacy, geen vendor lock-in, geen API-kosten, geen rate limits, en geen code die ooit je machine verlaat.

Dat laatste is voor security engineers en netwerk-engineers geen luxe — het is een compliance-eis.

Aan de slag

Alles wat je nodig hebt is gratis en open-source:

# Ollama installeren
curl -fsSL https://ollama.ai/install.sh | sh

# Een model pullen (kies op basis van je hardware-tier)
ollama pull codestral:22b        # Midden-tier daily driver
ollama pull qwen3-coder:27b      # High-tier benchmark-koning
ollama pull phi-4:14b            # Instap-tier

# OpenCode installeren
pip install opencode

# Starten met je gekozen model
opencode --model ollama/qwen3-coder:27b

---

Dit artikel is gebaseerd op het actuele modellenlandschap van mei 2026, praktijktests op het DjimIT-werkstation (RTX, 125 GB RAM), en de benchmark-analyses van o.a. LiveCodeBench, Aider Polyglot, en het Data Science Collective. Modellen veranderen snel — DjimIT publiceert elk kwartaal een update. Neem contact op voor advies op maat over jouw specifieke setup.