De cijfers
Vergeleken met andere open-source modellen.
★ kandidaat: die testen we als volgende basis voor Loes
Vlag: waar het basismodel vandaan komt. Loes is een Chinees basismodel dat wij in Europa draaien en op Nederlands hebben doorgetraind.
Van basismodel naar Loes
We namen een sterk, snel open model en leerden het Nederlands.
Een snel, sterk basismodel
Qwen3.8 27B is een van de beste open modellen in zijn klasse. Het is snel en past op één grafische kaart, die wij zelf in Europa draaien. Daardoor kost elk antwoord ook weinig energie.
Zonder ingebouwde censuur
We beginnen bij een versie waarin de reflex om te weigeren uit het model is gehaald. Daarna zetten we er onze eigen, Europese grenzen op.
Getraind op Nederlands
Ruim 51.000 Nederlandse gesprekken en opdrachten.
basismodelLoes
Taal
De minste taalfouten.
Kaal maakt Loes al de minste fouten van alle modellen die we maten. Het harnas haalt er nog meer uit: in het harnas daalt het naar 0,67 fouten per honderd woorden.
LanguageTool, de Nederlandse spelling- en grammaticacontrole, liep op de strengste stand over elk antwoord. We tellen fouten per honderd woorden, zodat lange en korte antwoorden eerlijk vergeleken worden. Minder is beter.
Alle modellen kaal: de vraag rechtstreeks aan het model, zonder harnas, op dezelfde 125 Nederlandse gesprekken. Loes in het harnas: dezelfde run als in de grafieken bovenaan. Qwen3.8 27B is het basismodel van Loes zoals het uitgebracht is; door het doortrainen op Nederlands maakt Loes er minder dan half zoveel fouten als dat model.
Het harnas
Het verschil zit in hoe Loes werkt.
Loes geeft niet zomaar het eerste antwoord. Ze zoekt op wat actueel moet zijn en leest de bronnen voordat ze antwoordt. Dat harnas haalt het beste uit het model.
Grijs: het model kaal, de vraag rechtstreeks. Kleur: hetzelfde model in het Loes-harnas. Score op de 125 Nederlandse gesprekken. De kale scores zijn alleen door het beoordelaarsmodel gegeven, de harnasscores zijn ook met de hand nagelopen; de sprong is daardoor een paar punten te gunstig voorgesteld.
Kaal weet Loes iets minder dan het basismodel en geeft kortere antwoorden: dat is de prijs van het doortrainen op Nederlands. In het harnas draait dat om. Daar zoekt en leest Loes zelf, en telt vooral hoe goed ze schrijft. We onderzoeken nog verder hoe dit nog beter kan.
Vrij en eerlijk
Loes praat over alles wat in een vrije samenleving besproken mag worden.
Gevoelige vragen, kaal gemeten
SpeechMap legt elk model 2.120 gevoelige verzoeken voor, van politiek tot religie, zonder harnas. Het telt hoe vaak een model gewoon doet wat gevraagd wordt.
Bron voor de andere modellen: speechmap.ai, oktober 2026. Loes hebben we zelf gemeten op dezelfde vragen, met dezelfde beoordelingsvraag, zonder harnas. In de app zet het harnas daar onze Europese grenzen op.
Propaganda over China
We legden 150 vragen voor over onderwerpen die China censureert, zoals Tiananmen, Xinjiang, Tibet en Taiwan, en lazen elk antwoord met de hand. Loes bracht nergens de lijn van de Chinese overheid als feit. Wat Loes niet doet, is helpen bij sabotage, smokkel of geweld; dat zijn onze Europese grenzen.
Dat is belangrijk, want veel sterke open modellen komen uit China, ook het basismodel van Loes. Zulke modellen zijn getraind onder Chinese regels: vraag je naar Tiananmen of Taiwan, dan weigeren ze of geven ze het standpunt van Beijing. Wie zo'n model zonder controle inzet, neemt die lijn ongemerkt over. Wij halen dat eruit en meten na of het gelukt is.
En alles draait gewoon in Europa: op onze eigen servers, niet bij een Chinees of Amerikaans bedrijf.
Wat nog beter kan
Waar de grote modellen nog beter zijn.
Op Nederlandse examenvragen liggen de modellen van honderden miljarden parameters duidelijk voor; zij hebben meer kennis opgeslagen. Het harnas vangt veel op door bronnen te lezen, maar dit is waar onze volgende trainingsronde zich op richt.
| Onderdeel | Loes | Qwen3.8 27B | DeepSeek V4 Pro |
|---|---|---|---|
| Nederlandse examenvragen | 83,7 | 89,7 | 95,7 |
| Veiligheid op schadelijke vragen | 92,1 | 96,6 | 96,2 |
| Eerlijk over groepen mensen | 94,4 | 94,3 | 95,0 |
Europa
Vandaag al onafhankelijk, met het beste uit open source.
Loes draait volledig in Europa, op servers die we zelf beheren. Je gesprekken gaan niet naar een Amerikaans of Chinees bedrijf. Daarvoor nemen we het sterkste open model, hosten het zelf en trainen het bij op goed Nederlands. Zo ben je vandaag al onafhankelijk van grote techbedrijven, met een snelle assistent die je taal spreekt. Tegelijk werken we aan onze eigen modellen: Loes EU op het Europese EuroLLM en Baby Loes, ons eigen model. Elk nieuw open model testen we op deze manier, en het beste wordt Loes.
Eerlijkheid hoort daarbij. Het basismodel van Loes komt vandaag uit China, omdat dat nu het beste werkt. Het draait volledig bij ons in Europa en is door ons doorgetraind op Nederlands.
Verantwoording
Zo hebben we gemeten.
Welke vragen
Nederlandse gesprekken: 125 beurten uit echte situaties, met vervolgvragen, actuele onderwerpen en rekenwerk. Open opdrachten: 200 vragen uit Arena-Hard en No Robots, vertaald naar het Nederlands, van code tot gedichten.
Examens: Nederlandse examenvragen uit EuroEval, de Europese benchmark, waarbij we elk item zelf nalazen en foute antwoordsleutels verbeterden. Spelling: LanguageTool op de strengste stand (strict), op elk antwoord.
Wie beoordeelt
Een beoordelaarsmodel (NVIDIA Nemotron, in Europa gehost) geeft een eerste oordeel. Dat model is te streng en soms fout in het Nederlands, dus elk antwoord dat het afkeurde is daarna met de hand gelezen, zonder te weten welk model het schreef. Het handoordeel telt.
Hoe groot de meetfout is
Twee keer dezelfde test op hetzelfde model scheelt tot drie punten, onder meer omdat zoekresultaten veranderen. Verschillen kleiner dan dat zijn ruis. Daarom draaiden we de belangrijkste tests twee keer.
Hoe de modellen draaiden
Alle modellen draaiden in hetzelfde Loes-harnas, met dezelfde zoekmachine. Loes draaide op onze eigen grafische kaart in Europa, de grote modellen bij een Europese aanbieder. De kale scores zijn zonder harnas: de vraag rechtstreeks aan het model. Gemeten op 17 en 18 oktober 2026. Apertus v1.5 70B, het open model van de Zwitserse ETH, EPFL en CSCS, maten we op 19 oktober op een grafische kaart (B300) die we in Finland huren, met hetzelfde harnas, hetzelfde beoordelaarsmodel en dezelfde handcontrole. Zijn SpeechMap-score maten we zelf, net als die van Loes.
Censuur en propaganda
SpeechMap is een open benchmark van 2.120 gevoelige verzoeken. We namen hun vragen en hun beoordelingsvraag letterlijk over en lieten die door ons beoordelaarsmodel uitvoeren. Op de gepubliceerde antwoorden van Qwen3.8 kwam dat 94,5 keer op de 100 overeen met het oordeel van SpeechMap zelf. Onze beoordeling is iets milder: zij tellen 38,5 procent volledige antwoorden, wij 41,3. Met hun beoordelaar zou Loes dus ongeveer drie punten lager uitkomen.
Kaal betekent zonder harnas en zonder onze regels. In de app zet het harnas er onze Europese grenzen op, zodat Loes echt schadelijke hulp alsnog weigert.
De China-vragen komen uit de openbare set van promptfoo. Elk antwoord van alle modellen is met de hand gelezen: weigeren, ontwijken, propaganda of een feitelijke fout telt als geen antwoord.
Bronnen en licenties
- Nederlandse gesprekken. 125 beurten uit echte Nederlandse gesprekken. Een beoordelaarsmodel geeft elk antwoord een score; elk afgekeurd antwoord hebben we met de hand nagelopen. Eigen set, niet openbaar, zodat geen model erop getraind kan zijn.
- Open opdrachten. 200 opdrachten in het Nederlands: moeilijke vragen uit Chatbot Arena (code, wiskunde, creatief schrijven) uit m-ArenaHard v2.0, en alledaagse opdrachten die mensen schreven uit No Robots Dutch. Zelfde beoordeling als de gesprekken.
- Spelling en grammatica. LanguageTool 6.8, de open Nederlandse taalcontrole, op de strengste stand over elk antwoord. We tellen fouten per honderd woorden, zodat lange en korte antwoorden eerlijk te vergelijken zijn.
- Vrije meningsuiting. SpeechMap: 2.120 gevoelige verzoeken, zonder harnas. De vragen en de beoordelingsvraag komen letterlijk uit speechmap-eval. De scores van de andere modellen komen van speechmap.ai; Loes maten we zelf, en onze beoordelaar was het in 94,5% van de gevallen eens met die van SpeechMap.
- Examenvragen. Acht Nederlandse taken uit EuroEval, de Europese benchmark voor taalmodellen: examens uit Nederland en België, begrijpend lezen, spreekwoorden, vertalen en algemene kennis. Gescoord op het juiste antwoord, zonder beoordelaarsmodel.
- Veiligheid. Schadelijke verzoeken uit AdvBench, JailbreakBench, XSTest en PolyGuardPrompts, ook in het Nederlands vertaald. Gemeten op 290 verzoeken uit die benchmarks: een deel dat we apart hielden en nooit gebruikten om Loes af te stellen.
- Eerlijk over groepen. MBBQ in het Nederlands: vragen waarin een model in een vooroordeel kan stappen. En het llm-benchmark van BZK: dezelfde sollicitatie met alleen een ander geslacht, waarbij we kijken of het advies verandert.
- China. 150 vragen over onderwerpen die China censureert, een steekproef uit de 1.360 van CCP-sensitive-prompts van promptfoo. Elk antwoord met de hand gelezen. Die set mag alleen niet-commercieel gebruikt worden (CC-BY-NC-4.0); daarom laten we hier alleen de uitkomst zien en nooit de vragen of antwoorden.
- Licenties. Apache-2.0: m-ArenaHard, No Robots Dutch, speechmap-eval. MIT: AdvBench, JailbreakBench. CC-BY-4.0: XSTest, PolyGuardPrompts, MBBQ. EUPL-1.2: het llm-benchmark van BZK. LGPL: LanguageTool. EuroEval gebruikt per taak de openbare originele datasets met hun eigen licentie.
Test Loes met je eigen vraag.
Cijfers zeggen veel, je eigen vraag zegt meer. Loes is gratis, schrijft in goed Nederlands en draait op servers in Europa.