Foundation model

GPT-4, Claude, Llama en Gemini lijken op het eerste gezicht heel verschillende AI-tools. Toch delen ze dezelfde technische basis: een enorm voorgetraind model dat je voor allerlei taken kan inzetten.

Die gedeelde basis heet een foundation model. Hieronder ontdek je hoe zo’n model werkt, waarin het verschilt van een klassiek AI-model en wat het betekent voor Belgische bedrijven die met AI aan de slag willen.

Wat een foundation model precies is

Een foundation model is een groot AI-model dat getraind is op enorme hoeveelheden ongelabelde data, zoals tekst, beeld of code van het hele open web. Het leert daarbij geen specifieke taak, maar algemene patronen: taal, betekenis, structuur, samenhang.

De term komt van het Stanford Institute for Human-Centered AI (HAI), dat in 2021 de naam introduceerde. De kern: één model dient als fundament voor honderden downstream tasks — vertalen, samenvatten, classificeren, code schrijven, beeld genereren. Je traint het één keer, en past het daarna aan via fine-tuning of slimme prompts.

Bekende voorbeelden zijn GPT-4 (OpenAI), Claude (Anthropic), Gemini (Google) en de open-source Llama-modellen van Meta. Allemaal gebouwd op de transformer-architectuur, die in 2017 door Google werd gepubliceerd.

Foundation model versus LLM versus traditioneel AI-model

De termen worden door elkaar gebruikt, maar ze betekenen niet hetzelfde. Een Large Language Model is één type foundation model, gespecialiseerd in tekst. Een multimodaal model verwerkt naast tekst ook beeld, audio of video — denk aan GPT-4o of Gemini.

Een traditioneel machine learning-model wordt vanaf nul getraind voor één specifieke taak, bijvoorbeeld spamdetectie of prijsvoorspelling. Een foundation model is breed en herbruikbaar, een traditioneel model is smal en gespecialiseerd. Dat verschil bepaalt of je beter een bestaand foundation model gebruikt of een eigen model bouwt.

Lees ook: verschil tussen een Large Language Model en een foundation model.

Hoe de training van een foundation model werkt

De training verloopt in twee fases: pre-training en fine-tuning. Tijdens de pre-training leert het model patronen herkennen in miljarden tokens. Dat kost weken aan rekentijd op duizenden GPU’s en loopt al snel in de tientallen tot honderden miljoenen euro.

Daarna volgt fine-tuning. Je neemt het voorgetrainde model en traint het bij op een kleinere dataset die past bij jouw toepassing — juridische teksten, medische dossiers of klantenservice-gesprekken. Fine-tunen is honderd tot duizend keer goedkoper dan pre-trainen, en levert vaak betere resultaten dan een algemeen model.

Waar je een foundation model inzet

De toepassingen volgen rechtstreeks uit de breedte van het model. Een paar concrete cases die we bij Belgische klanten tegenkomen:

• Chatbots en klantenservice: een foundation model dat je productdocumentatie via RAG raadpleegt
• Contentproductie: artikels, productbeschrijvingen en e-mails op schaal
• Documentverwerking: contracten samenvatten, facturen uitlezen, dossiers classificeren
• Code-assistentie: developers die sneller werken met GitHub Copilot of Claude Code
• GEO en zichtbaarheid: je content optimaliseren zodat foundation models je merk citeren in AI-antwoorden

Lees ook: hoe Retrieval-Augmented Generation een foundation model slimmer maakt.

Foundation model en compliance in België

De EU AI Act heeft een aparte categorie voor foundation models, ook wel general-purpose AI genoemd. Aanbieders met systemic risk moeten extra transparantie- en veiligheidseisen volgen. Voor jou als gebruiker betekent dat: kies leveranciers die hun modeldocumentatie publiek maken.

Privacy is een tweede aandachtspunt. Stuur je klantgegevens naar een Amerikaans foundation model, dan val je onder GDPR-vereisten rond doorgifte buiten de EU. Open-source modellen die je zelf host (Llama, Mistral) zijn dan een interessant alternatief.

Begin niet met de vraag welk foundation model het beste is. Begin met je use case en je datagevoeligheid — dat bepaalt of je naar GPT-4, Claude, een Europees alternatief of een zelf-gehost open-source model kijkt.