Hoe grote taalmodellen zoals Grok werken

Grok is een groot taalmodel, oftewel een LLM (large language model): een programma dat is getraind op een enorme hoeveelheid tekst om tekst op een nuttige manier aan te vullen. Je hebt geen wiskundekennis nodig om de basisprincipes te begrijpen, en je hebt er meteen wat aan. Ze verklaren waarom Grok geweldig is in het herschrijven van een alinea, waarom het soms vol zelfvertrouwen een verkeerde datum noemt, waarom het in onze chat het nieuws van vorige week niet weet en waarom een duidelijkere prompt een beter antwoord oplevert.

Het kernprincipe: voorspellen wat hierna komt

In de kern doet een LLM één ding. Op basis van bestaande tekst schat het welk klein stukje tekst logischerwijs volgt, voegt dat toe en herhaalt dit proces. Jouw vraag, eerdere berichten en de instructies die de site aan het model meegeeft, vormen samen die starttekst. Het antwoord dat je leest, is opgebouwd uit duizenden van deze kleine voorspellingen achter elkaar, telkens gebaseerd op alles wat er tot dan toe staat.

Dat klinkt te simpel om een bruikbare uitleg van belastingregels of een werkende functie te produceren. Dat het toch werkt, komt door de schaal. Om tekst goed te kunnen voorspellen op basis van miljarden voorbeelden, moet een model enorm veel opsteken van grammatica, feiten, logica, schrijfstijlen en hoe mensen dingen uitleggen. Voorspellen is de taak; een breed, globaal begrip van taal en de wereld is het bijproduct.

Er zit bij elke keuze een beetje opzettelijke willekeur in. Daarom kan dezelfde vraag steeds een net iets anders geformuleerd antwoord opleveren wanneer je het opnieuw laat genereren.

Tokens: de bouwstenen van het model

Modellen lezen geen losse letters of hele woorden. Ze lezen tokens: brokjes die vaak bestaan uit een heel kort woord, een deel van een langer woord, een spatie met een woord of een leesteken. Veelvoorkomende Engelse woorden zijn meestal één token; zeldzamere woorden en veel niet-Latijnse schriften worden opgeknipt in meerdere tokens.

Tokens zijn voor jou om twee redenen belangrijk. De limieten voor hoeveel een model kan lezen en schrijven worden gemeten in tokens, niet in woorden. En doordat het model in brokjes denkt en niet in losse letters, kunnen taken zoals het tellen van letters in een woord of het omdraaien van een tekst lastig zijn, terwijl het veel ingewikkeldere taaltaken moeiteloos uitvoert.

De Grok-modellen in onze chat accepteren ook afbeeldingen. Een afbeelding wordt omgezet in een formaat dat het model samen met je tekst kan verwerken. Zo kan het een grafiek aflezen of een foto beschrijven. Het antwoord blijft gewoon in tekst.

Training: van ruwe tekst naar een behulpzame assistent

Het bouwen van een model zoals Grok verloopt in verschillende fasen. De exacte details van het proces houdt elk bedrijf grotendeels voor zichzelf, maar de grote lijnen zijn bekend.

1. Pre-training. Het model leert tekst te voorspellen aan de hand van een gigantische verzameling boeken, websites, code en ander materiaal. Hier ontstaan de algemene kennis en de taalvaardigheid.
2. Fine-tuning. Vervolgens wordt het getraind op voorbeelden van goede gesprekken: vragen gekoppeld aan behulpzame, overzichtelijke antwoorden. Zo verandert een tekstvoorspeller in een assistent die instructies opvolgt.
3. Feedback. Mensen en geautomatiseerde checks beoordelen antwoorden, waarna het model wordt bijgestuurd om antwoorden te geven die hoog scoren: accuraat, duidelijk en veilig.

Het resultaat is een enorm bestand met getallen, zogeheten 'weights' (gewichten), die vastleggen wat het model heeft geleerd. Het model bewaart geen kopie van de trainingsbestanden om dingen in op te zoeken. Het onthoudt patronen. Daarom kan het een idee in eigen woorden uitleggen, maar soms een specifiek detail verkeerd onthouden.

Kennislimiet en geen internettoegang

De training stopt op een bepaald moment, en alles wat daarna gebeurt, weet het model niet. Dat moment noemen we de kennislimiet (knowledge cut-off). Sommige versies van Grok kunnen op het web zoeken: de officiële Grok op grok.com en X heeft live zoekfunctionaliteit. Onze chat heeft dat niet, dus Grok antwoordt hier puur op basis van zijn training en wat jij zelf in het gesprek deelt.

In de praktijk betekent dit: gebruik een actuele bron voor nieuws, prijzen, sportuitslagen, dienstregelingen, nieuwe wetten en de nieuwste softwareversies. Plak je een actueel artikel in de chat, dan kan Grok er wel mee werken, omdat de informatie dan onderdeel is van het gesprek.

Contextvenster: het werkgeheugen van het model

Het contextvenster van een model is de hoeveelheid tekst die het in één keer kan meenemen, inclusief jouw berichten, de gegeven antwoorden en eventuele instructies. De Grok-modellen van xAI hebben bijzonder grote vensters; OpenRouter vermeldt 2 miljoen tokens voor Grok 4.20, 1 miljoen voor Grok 4.3 en 500.000 voor Grok 4.7. Onze chat stuurt een veel kleiner deel mee om antwoorden snel en gratis te houden, waarbij de oudste berichten in een lang gesprek worden weggelaten.

Hieruit volgen twee dingen. Binnen één gesprek "onthoudt" Grok alleen wat nog in het contextvenster past. En tussen verschillende gesprekken onthoudt het helemaal niets: een nieuwe chat begint blanco, ook al worden je oude chats in je browser bewaard zodat je ze later kunt teruglezen. Begint een lange chat de draad kwijt te raken? Vraag dan om een samenvatting en begin daarmee een nieuw gesprek.

Redeneren: modellen die eerst nadenken voor ze antwoorden

Sommige modellen zijn getraind om eerst hun denkstappen uit te schrijven voordat ze het definitieve antwoord geven: voorwaarden op een rij zetten, een aanpak testen, controleren. Dit heet redeneren (reasoning), en het helpt vooral bij wiskunde, logica, plannen en debuggen. In onze chat redeneren Grok 4.3 Thinking en Grok 4.7 voordat ze antwoorden, terwijl Grok 4.20 juist zonder redeneerstappen draait voor maximale snelheid. Onze gids over redeneermodellen legt uit wanneer het wachten de moeite waard is.

Waarom modellen dingen verzinnen

Omdat het model altijd een aannemelijk vervolg formuleert, stopt het niet vanzelf zodra het de grens van zijn kennis bereikt. Vraag je om een bron die het nooit heeft gezien, dan verzint het gerust een overtuigende titel. Vraag je naar een klein dorp, dan combineert het mogelijk details van vergelijkbare plaatsen. Dit verschijnsel noemen we hallucineren, en het is een bijeffect van hetzelfde mechanisme dat het model zo vlot laat formuleren. Training vermindert dit, en instructies zoals "geef het aan als je het niet zeker weet" helpen, maar geen enkel hedendaags model is er helemaal vrij van. Onze gids over het controleren van AI-antwoorden laat zien waar je op moet letten.

Wat dit betekent voor je prompts

Elk van deze punten vertaalt zich naar een handige gewoonte. Het model voorspelt op basis van wat het ziet, dus geef het de juiste context. Het heeft een kennislimiet, dus plak actuele feiten er zelf in. Het kan gaan gokken, dus vraag het om twijfel direct te melden.

Zwak:
Wat zijn de regels voor mijn visum?

Sterk:
Hieronder staat de officiële tekst over mijn visumtype, vandaag
gekopieerd. Leg in eenvoudige taal uit wat ik moet regelen voordat
mijn visum verloopt en noem eventuele deadlines. Gebruik uitsluitend
deze tekst en geef het aan als er iets onduidelijk is.
---
[geplakte tekst]

Bij de zwakke prompt vraag je Grok om regels op te diepen die inmiddels gewijzigd kunnen zijn. Met de sterke prompt geef je de actuele bron mee en laat je Grok doen waar LLM's in uitblinken: lezen, uitleggen en structureren. Gebruik de samenvatter voor dit soort taken, of vraag Grok om zichzelf uit te leggen in duidelijke taal.

Veelgestelde vragen

Begrijpt Grok wat het zegt?

Daar zijn de meningen over verdeeld. Wat vaststaat, is dat het kan uitleggen, samenvatten en redeneren op manieren die vaak heel nuttig zijn, maar dat het er ook compleet naast kan zitten zonder het door te hebben. Beoordeel het dus op het resultaat, niet op hoe zelfverzekerd het klinkt.

Leert Grok op dit moment van mijn chats?

Nee, het model verandert niet terwijl je ermee chat; de gewichten liggen na de training vast. Binnen een chat gebruikt het je berichten als context, en een nieuwe chat begint weer helemaal opnieuw.

Waarom geven verschillende AI-modellen verschillende antwoorden?

Ze zijn getraind op andere gegevens, op een andere manier en met andere doelstellingen. In onze vergelijkingen van Grok met andere modellen en de pagina over wat Grok is lees je hoe de Grok-modellen zich tot de rest verhouden.

Wie maakt Grok?

Grok is gemaakt door xAI, dat in februari 2026 werd overgenomen door SpaceX. Onze site is onafhankelijk en gebruikt Grok-modellen via een cloud-API; we zijn niet gelieerd aan xAI, SpaceX of X. Op de pagina over de geschiedenis van Grok vind je de tijdlijn.