Nederlands taalmodel Walnoot 8B uit met open gewichten

Walnoot is niet vanaf nul getraind. WAINUT, opgericht door Luciano Currie en Seleman Arefi, trainde de basisversie van Apertus-8B van het Swiss AI Initiative door op ongeveer vier miljard tokens uit 28 van de 32 delen van het openbare GPT-NL Public Corpus. De mix bestaat uit 70 procent Nederlands, 20 procent Engels en 10 procent code. Daarna volgden een instructietraining op 51.875 voorbeelden en een nabewerking op 1.157 goedgekeurde antwoorden van eerdere versies. Het trainingsrecept, de evaluatie-instellingen, de ruwe meetlogs en de herkomst per databron staan op GitHub.

Scores en vergelijking met GPT-NL

WAINUT mat het model op tien Nederlandse taken met EuroEval 17.6.0. Op de MCC-schaal, waarop 0 gelijkstaat aan gokken, scoort Walnoot 90,56 op sentiment, 37,16 op kennisvragen en 22,46 op alledaags redeneren. Het bedrijf wilde op zes vergelijkbare taken de tussentijdse scores evenaren die GPT-NL in december 2025 voor zijn basismodel publiceerde. Volgens de eigen meting is dat gelukt. De vergelijking is volgens WAINUT zelf niet eén op één: Walnoot is een instructiemodel, de GPT-NL-cijfers gelden voor een basismodel en zijn op een oudere EuroEval-versie gemeten. Een algemene voorsprong toont ze niet. Een onafhankelijke tester rekende de evaluatie na op een nieuwere versie.

Walnoot is bedoeld voor afgebakend werk, zoals gegevens uit een brief halen of een standaardtekst opstellen. Voor breed redeneerwerk en algemene kennis zijn grotere modellen sterker. Het model kan informatie verzinnen en WAINUT raadt af het als feitenbank te gebruiken, teksten naar eenvoudige taal te herschrijven of persoonsgegevens te verwijderen. Er is geen gestructureerde red-teamronde geweest en er zit geen uitvoerfilter bij. Wie het model inzet, is zelf verwerkingsverantwoordelijke.

Zestien gigabyte, alleen bf16

Het model verschijnt alleen in bf16, als safetensors- en GGUF-bestand van ongeveer 16 GB. Met 24 GB videogeheugen past het volledig op de grafische kaart. WAINUT toetste het met LM Studio en Ollama, niet met llama.cpp en vLLM. Een online demo en een gemeten doorvoer ontbreken nog.

Gebruik is gratis. Naast Apache 2.0 geldt de gebruiksvoorwaarde van het basismodel, die los van de licentie kan wijzigen. WAINUT verdient aan advies, training van medewerkers, implementatie en staffing van AI-talent.