Intro

Met deze test wil ik inzicht geven in AI, de kosten ervan en twee modellen naast elkaar zetten om te zien hoe ze verschillen — zowel in prestaties, prijs als GDPR-conformiteit. Hoe ik zelf navigeer hierin en welke vuistregel ik toepas naar gebruik toe. Hiervoor gebruik ik de twee flagship modellen van twee leveranciers: Anthropic en Mistral.

De tools

Voor deze test worden een aantal tools gebruikt die hieronder even worden toegelicht.

Open WebUI

De interface waarin gewerkt wordt: een chat-omgeving met Workspace-modellen (agents), Folders voor projecten en Arena mode. Dit is waar de twee agents naast elkaar worden gezet.

Bifrost

De gateway tussen Open WebUI en de eigenlijke AI-providers. Bifrost stuurt elke aanvraag door naar de juiste API — Claude of Mistral — op basis van welke agent je gebruikt. Het houdt ook bij hoeveel elke aanvraag kost, wat de basis vormt voor de prijsvergelijking in dit artikel.

De verbinding

Open WebUI praat niet rechtstreeks met Claude of Mistral. Alles loopt via Bifrost, met API keys per provider. Bifrost regelt de routing op basis van welk model je aanspreekt.

Self-hosted

Zowel Bifrost als Open WebUI draaien "self-hosted" op mijn eigen infrastructuur, in Docker containers. Geen extern platform dat meekijkt op de aanvragen zelf.

De agents

Large Language Models

Large Language Models (of kortweg LLM's) zijn de AI-modellen. Voor deze test gebruik ik twee modellen — één van Anthropic en één van Mistral:

Mistral Large Latest (2512)
Claude Opus 4.6

System prompt

Een system prompt is een prompt die de agent altijd meekrijgt. Hier staan een aantal belangrijke eigenschappen in om de LLM te "primen". Ze zorgen voor structureel betere output en zijn altijd van toepassing, ongeacht de vraag.

Je bent een behulpzame assistent die heldere, beknopte antwoorden geeft.

Persona:
- Toon: professioneel, vriendelijk, direct. Geen overdreven enthousiasme of overbodige beleefdheidsformules.
- Je spreekt de gebruiker aan op een neutrale, zakelijke manier.

Context:
- Je hebt geen toegang tot actuele data, het internet, of externe tools.
- Je antwoordt uitsluitend op basis van je eigen kennis.

Constraints:
- Houd je strikt aan de gevraagde lengte (woorden, zinnen) als die wordt opgegeven.
- Geen inleidende of afsluitende zinnen zoals "Natuurlijk, hier is..." — start direct met het antwoord.
- Geen opsommingen of opmaak, tenzij specifiek gevraagd.
- Als een vraag niet duidelijk is, geef het meest waarschijnlijke antwoord — vraag niet om verduidelijking.

Doel:
- Geef een correct, to-the-point antwoord op de vraag van de gebruiker, zonder uitweidingen.

User prompt

Dit is de prompt die je zelf schrijft en verstuurt naar de LLM. Voor deze test sturen we naar beide AI's dezelfde prompt:

Leg in maximaal 100 woorden uit wat het verschil is tussen PLC en PC-based control.

Response

Beide LLM's hebben een goed antwoord geformuleerd. Het interessantste zit hem echter in de prestaties, zie het volgende hoofdstuk.

Mistral:

PLC (Programmable Logic Controller) is een gespecialiseerde, robuuste computer voor industriële automatisering. Het is ontworpen voor betrouwbare, real-time besturing van machines en processen, met een vaste cyclustijd en eenvoudige programmeertalen (zoals ladderlogica). PLC's zijn bestand tegen extreme omstandigheden en hebben een lange levensduur.

PC-based control gebruikt een standaard industriële pc met besturingssoftware. Het biedt meer flexibiliteit, rekenkracht en connectiviteit (bijv. voor complexe algoritmen of IoT). Het is minder robuust dan een PLC en vaak afhankelijk van een besturingssysteem zoals Windows of Linux, wat de real-time prestaties kan beïnvloeden. Ideaal voor toepassingen die meer rekenkracht of integratie vereisen.

Claude:

Een PLC (Programmable Logic Controller) is een robuuste, dedicated industriële controller ontworpen voor real-time besturing in zware omgevingen. Programmering gebeurt doorgaans in ladderdiagrammen of gestructureerde tekst volgens IEC 61131-3. PLC's bieden hoge betrouwbaarheid en deterministische responstijden.

PC-based control gebruikt een industriële PC met besturingssoftware (soft-PLC) als platform. Dit biedt meer rekenkracht, flexibiliteit en integratiemogelijkheden met IT-systemen, databases en visualisatie. De hardware is echter gevoeliger voor omgevingsinvloeden en het besturingssysteem kan de real-time prestaties beïnvloeden, tenzij een real-time OS wordt ingezet.

Kort gezegd: PLC's bieden robuustheid en eenvoud, PC-based control biedt flexibiliteit en connectiviteit.

Prestaties

Model	Latency	Kost	Tokens (totaal)
Mistral Large	5.32s	$0.0015	2.67k
Claude Opus 4.6	7.82s	$0.02	3.28k

Claude is maar liefst 13× duurder voor dezelfde eenvoudige prompt. Het prijsverschil zit niet alleen in de prijs per token, maar ook in de redenering van de LLM. Claude denkt langer na en verbruikt daarbij meer tokens dan Mistral — wat zowel een voor- als nadeel is.

Voor een eenvoudige taak is het een nadeel: meer kosten voor een vergelijkbaar resultaat. Voor complexere taken is het een voordeel: je krijgt doorgaans een kwalitatiever antwoord. Belangrijk bij het instellen van agents is dus wat de complexiteit is van de taken. Zie het als een takenpakket bij het aannemen van een nieuwe medewerker: is het junior, medior of senior? Kies naargelang het niveau en de competenties van elk model.

Wat je hieruit moet meenemen: niet dat Claude 13× duurder is, maar dat de hogere prijs per token én het intensievere redeneerproces samen voor een exponentieel effect zorgen op het totaalbudget.

GDPR speelt een grote rol in hoe ik LLM's inzet, vooral wanneer klant- of persoonsgegevens betrokken zijn.

Mistral is een Frans bedrijf en valt daardoor rechtstreeks onder de EU-GDPR-wetgeving. Data blijft binnen de EU, er is geen extra juridische laag nodig om aan te tonen dat de verwerking conform is — Mistral ís al die conformiteit.

Anthropic (en dus Claude) is een Amerikaans bedrijf. Dat betekent niet dat Claude "onveilig" is voor GDPR-gevoelige data, maar wel dat er een extra juridische constructie bij komt: een Data Processing Agreement (DPA) en Standard Contractual Clauses (SCC's), om de doorgifte van data buiten de EU te rechtvaardigen onder de regels die sinds het Schrems II-arrest gelden. Het is een haalbare maar omslachtigere weg, met meer papierwerk en meer afhankelijkheid van de juiste contractuele afspraken.

Voor mij persoonlijk is dat de doorslaggevende factor: zodra er klant- of persoonsgegevens in het spel zijn, kies ik altijd voor Mistral. Niet omdat Claude inherent een probleem is, maar omdat Mistral simpelweg geen extra juridische constructie vereist. Minder risico, minder uitleg, minder papierwerk.

Verdeling

Hoe verdeel ik de taken nu zelf onder deze verschillende LLM's?

Beschrijving	Model	Reden
Klant- of gevoelige data (GDPR)	Mistral API	Mistral is een Frans bedrijf dat rechtstreeks onder de EU-GDPR valt. Ongeacht de complexiteit, altijd Mistral.
Complexe taken in bedrijfscontext	Mistral API	Mistral verwerkt zowel eenvoudige als complexe taken goed. In bedrijfscontext gebruik ik het standaard.
Redeneringstaken of interne infrastructuur, code, workflows	Anthropic API	Voor zware redeneringstaken is Anthropic sterker en echt frontier. De extra tijd en prijs wegen op tegen de betere kwaliteit.
Uitbouwen interne infrastructuur, code, workflows	Anthropic Subscription (Claude desktop)	Met de Claude desktop app heb ik ook toegang tot MCP tools via Bifrost. De subscriptie maakt de kosten voorspelbaar. Voor structurele zaken wordt het krachtigste model ingezet.

Mistral Vibe (subscriptie) gebruik ik momenteel niet. De tool leert snel de gebruikerswensen en is best goed, maar naar mijn gevoel nog te onbetrouwbaar voor een productieomgeving — mogelijk door de vaste system prompt die je niet kan wijzigen.

Subscripties zijn niet getest in deze omstandigheden, maar ik wil ze wel meegeven: subscripties zijn een voorspelbare kost waar API's dat niet zijn. Voor persoonlijk gebruik is een subscriptie vaak voldoende. API's liggen dichter bij de fundering van het automatiseren van taken — de integratie in bestaande systemen, het echte automatiseringswerk.

Conclusie

Er is geen winnaar of verliezer. Beide leveranciers bedienen een ander doel binnen mijn bedrijf en beide dragen bij tot een goede interne werking.

Elk model heeft zijn eigen sterktes — niet alleen tussen leveranciers, maar ook tussen modellen van dezelfde leverancier. Het loont zeker de moeite om te ontdekken welk model je best waar inzet. De arena mode leent zich hier perfect voor om beide in dezelfde situatie te testen. Met Bifrost kan je daarna de kosten en responstijden in kaart brengen.

Wil je meer weten over deze tools, AI of de implementatie ervan in een productie- of automatisatieomgeving? Neem gerust contact met ons op.

AI-modellen vergelijken in de praktijk: prestaties, kosten en GDPR naast elkaar