Gratis afbeeldingen van hoge kwaliteit maken in Claude Code: het beste model en de opzet (november 2026)

Claude kan geen afbeeldingen maken. Dat staat letterlijk in de documentatie van Anthropic: Claude begrijpt beelden, maar kan ze niet genereren of bewerken. Toch maakte Claude Code deze week op mijn laptop een coverfoto van een kapsalon, met de naam van de zaak foutloos op de spiegel. Het keurde de eerste versie zelf af, omdat de tekst op de muur stond in plaats van op de spiegel. Het beeld zelf kostte niets: geen API-sleutel en geen abonnement op een beelddienst.

Het werk gebeurde in een gratis open model op de videokaart van de laptop. Claude Code schreef de prompt, startte het model, bekeek het resultaat en besliste of het goed genoeg was. In dit artikel staat hoe je dat opzet, welke gratis opties er in november 2026 zijn en welk model het beste is. Alles is op 5 november 2026 gemeten of nagelopen, op een laptop met een RTX 4070 met 8 GB videogeheugen.

Kort antwoord. De beste gratis route is een open beeldmodel dat lokaal draait, aangestuurd door Claude Code via een skill. Neem FLUX.3 Image Klein als je beelden niet commercieel gebruikt, of als je bedrijf onder de 5 miljoen dollar omzet blijft. Van de open modellen die ik op 8 GB liet draaien, scoort het het hoogst: 1043 op de ranglijst van Artificial Analysis. Neem Z-Image-Turbo (Apache 2.0) als je zonder voorwaarden commercieel wilt gebruiken. Draai ze met stable-diffusion.cpp in een gekwantiseerde versie: op 8 GB duurt een beeld van 1024 × 1024 dan 22 tot 28 seconden. Van de API's die ik naliep, geeft alleen Cloudflare nog een dagelijks gratis tegoed voor beelden.

Kan Claude Code zelf afbeeldingen maken?

Nee. Claude Code kan beelden wel bekijken, en dat is de helft van het werk. Volgens de tools-referentie van Claude Code geeft de Read-tool PNG-, JPEG-, GIF- en WebP-bestanden terug als beeld dat Claude ziet, niet als bytes. Grote beelden worden eerst verkleind.

Daardoor kan Claude Code de rol van art director spelen. Het vertaalt jouw vraag naar een gedetailleerde Engelse prompt, laat een beeldmodel tekenen, opent het resultaat en controleert of de tekst klopt, of het aantal vingers klopt en of alles uit de vraag erin staat. Het tekenen zelf doet een ander model.

Voor schema's, grafieken en tabellen heb je geen beeldmodel nodig. Claude Code schrijft dan HTML of SVG, en een headless browser maakt er een screenshot van. Zo zijn alle grafieken op deze site gemaakt, ook de tabel verderop in dit artikel. Dat is gratis en de getallen kloppen altijd, omdat ze uit je data komen. Een diffusiemodel verzint een grafiek. Dit artikel gaat over het andere soort beeld: foto's en illustraties.

Welke gratis opties zijn er in november 2026?

Ik liep de bekende gratis routes na bij de bron. Er blijft minder over dan je zou denken.

• Google Gemini API: geen gratis laag voor beeldmodellen. Op de prijspagina staat in de kolom Free Tier bij elk beeldmodel "Not available". Gemini 2.5 Flash Image kost $0,039 per beeld, Nano Banana 2.1 $0,0336 per beeld van 1K. Elke MCP-server voor Gemini-beelden heeft dus een betaalde sleutel nodig.
• Hugging Face Inference Providers: gratis accounts krijgen geen maandelijks tegoed meer. Volgens de prijsdocumentatie krijgt PRO $2 per maand, en gratis gebruikers moeten tegoed kopen.
• Pollinations: het nieuwe endpoint gen.pollinations.ai gaf in mijn test een 401 met de melding dat een API-sleutel verplicht is. Het oude endpoint image.pollinations.ai antwoordde nog zonder sleutel, maar gaf 768 × 768 terug in plaats van de gevraagde 1024 × 1024. Het gebruikte model was Sana, en er stond een watermerk in, ondanks de parameter nologo=true. Het resultaat zie je in de vergelijking hieronder.
• Cloudflare Workers AI: de enige grote aanbieder met een gratis dagtegoed. Volgens de prijspagina (bijgewerkt 20 oktober 2026) is dat 10.000 neurons per dag, en het tegoed wordt om 00:00 UTC ververst. De prijs staat per tegel van 512 × 512 en per stap, niet per beeld. Mijn eigen rekensom: FLUX.1 [schnell] op 1024 × 1024 met vier stappen kost ongeveer 58 neurons, dus zo'n 170 beelden per dag. FLUX.2 [klein] 4B kost ongeveer 104 neurons, zo'n 96 per dag. FLUX.2 [klein] 9B kost 1.364 neurons per beeld, dus 7 per dag. Die aantallen heb ik niet getest. Er is ook een kanttekening: schnell en klein 4B staan op plaats 104 en 96 van de ranglijst.

Lokaal draaien blijft over als de route zonder limiet. Je betaalt de stroom en je hebt een videokaart nodig, maar er gaat geen prompt naar een server en je hebt geen dagtegoed.

Welk beeldmodel is het beste, en welk is gratis?

Artificial Analysis houdt een ranglijst bij (AA-Image-T2I v2.1). Beoordelaars zien twee beelden van dezelfde prompt en kiezen het beste, zonder te weten welk model wat maakte. Op 5 november 2026 stonden bovenaan alleen gesloten, betaalde modellen: GPT Image 2.5 Sunburst met 1225 punten, daarna GPT Image 2.5 Flare (1208), GPT Image 2 (1188) en Nano Banana 2.1 (1175).

De beste open modellen scoren zo'n 130 tot 180 punten lager:

• Qwen-Image-2.1: 1044 punten, maar met een onderzoekslicentie die commercieel gebruik uitsluit. Het model gebruikt Qwen3-VL-8B als tekstencoder. Ik heb het niet getest op 8 GB.
• FLUX.3 Image Klein van Black Forest Labs: 1043 punten. Het model heeft 5,6 miljard parameters en staat sinds oktober 2026 op Hugging Face.
• Ideogram 4: 1026 punten, ook alleen niet-commercieel.
• Z-Image-Turbo van Alibaba's Tongyi-lab: 935 punten. Het is ouder (november 2025), maar staat onder Apache 2.0 en kan volgens de modelkaart tekst in beeld zetten, in het Engels en het Chinees.

Het verschil tussen 1043 en 935 is groot. In mijn eigen tests was het kleiner dan dat getal doet vermoeden: de beelden van beide modellen zou ik zonder uitleg voor een foto houden. FLUX.3 Image Klein volgde de prompt wel nauwkeuriger. Als de licentie het toelaat, kies ik dat model. Z-Image-Turbo kies ik als het beeld commercieel gebruikt wordt door een bedrijf boven de omzetgrens, of als ik geen licentie wil hoeven lezen.

Wat ik gemeten heb op een laptop met 8 GB

De testmachine is een laptop met een RTX 4070 Laptop (8 GB videogeheugen), een i9-13980HX, 16 GB werkgeheugen en Windows 11. Als motor gebruikte ik stable-diffusion.cpp, release master-1050 van 4 november 2026. Dat is een C++-programma onder MIT-licentie dat beeldmodellen in het GGUF-formaat draait, net zoals llama.cpp dat doet met taalmodellen. Je hoeft er geen Python voor te installeren en geen server voor te draaien. Het bestaat uit één programma met een handvol DLL's.

Volgens de modelkaart heeft FLUX.3 Image Klein op volle precisie 25 tot 31 GB videogeheugen nodig. Z-Image-Turbo past volgens de modelkaart "comfortabel in 16 GB". Op 8 GB moet je dus kwantiseren: de gewichten in minder bits opslaan. Hoeveel bits je kunt houden, heb ik gemeten.

Drie uitkomsten vielen op:

• FLUX.3 Image Klein in Q8_0 past niet. Het model zelf is 6,2 GB, maar tijdens het rekenen is er nog 1,8 GB extra nodig. stable-diffusion.cpp stopte met de melding dat het niet genoeg geheugen kon vrijmaken. In Q5_K (4,2 GB) werkt het wel, met een stabiele 27 tot 29 seconden per beeld.
• Z-Image-Turbo in Q8_0 werkt, maar schommelt. Drie keer hetzelfde beeld kostte 29, 63 en 48 seconden. Het videogeheugen zat op 7,5 van de 8,2 GB. In Q4_K duurde hetzelfde beeld drie keer 21 tot 24 seconden. Het verschil in beeldkwaliteit tussen Q8_0 en Q4_K zag ik niet bij deze vos. Op 8 GB is Q4_K dus de betere keuze.
• De eerste run na het downloaden is trager. Mijn allereerste beeld kostte 78 seconden, omdat de modellen nog van schijf moesten komen. Daarna stonden ze in de cache van Windows.

Kunnen open modellen tekst in beeld zetten?

Ja, en dat was tot voor kort het zwakke punt van gratis modellen. Ik vroeg om een marktbord met "VERSE STROOPWAFELS" en daaronder "per stuk 1,50". Elk model kreeg twee seeds. Alle vier de beelden spelden de Nederlandse tekst goed. Eén beeld van Z-Image had een losse punt achter het bedrag. FLUX.3 Image Klein deed er op 1280 × 720 22 seconden over. Z-Image draaide in deze test nog in de trage Q8_0-versie en had 41 tot 53 seconden nodig.

Zo zet je het op, stap voor stap

1. Download stable-diffusion.cpp

Op de releasepagina staan kant-en-klare builds. Voor een NVIDIA-kaart onder Windows heb je twee zips nodig: sd-master-…-bin-win-cuda12-x64.zip (345 MB) en cudart-sd-bin-win-cu12-x64.zip (537 MB, de CUDA-bibliotheken). Pak beide uit in dezelfde map, bijvoorbeeld C:\ai\sd. Voor AMD en Intel is er een Vulkan-build, en voor een Mac een build voor Apple Silicon.

2. Download de modellen

Zet ze in een submap models. Dit zijn de bestanden die ik gebruikte, samen ongeveer 17 GB:

• Z-Image-Turbo: z_image_turbo-Q4_K.gguf (3,9 GB), tekstencoder Qwen3-4B-Instruct-2507-Q8_0.gguf (4,3 GB) en de VAE ae.safetensors (0,3 GB). Die laatste heb ik hernoemd naar z_ae.safetensors.
• FLUX.3 Image Klein: flux3-image-klein-Q5_K.gguf (4,2 GB), tekstencoder Qwen3VL-4B-Instruct-Q8_0.gguf (4,3 GB) en de FLUX.2-VAE flux2-vae.safetensors (0,3 GB).

De officiële repository van FLUX.3 Image Klein vraagt om in te loggen en de licentie te accepteren. De GGUF-versie en de VAE van Comfy-Org kon ik zonder account downloaden. Lees de licentie ook dan, want die geldt voor het model, niet voor de plek waar je het vandaan haalt.

3. Test het met de hand

sd-cli --diffusion-model models/z_image_turbo-Q4_K.gguf \
  --llm models/Qwen3-4B-Instruct-2507-Q8_0.gguf --vae models/z_ae.safetensors \
  --steps 8 --cfg-scale 1.0 --offload-to-cpu --flash-attn on \
  -W 1024 -H 1024 -s 7 -p "A red fox sitting in fresh snow at dawn" -o vos.png

Met --offload-to-cpu blijven de gewichten in het werkgeheugen staan. Ze gaan pas naar de videokaart als ze nodig zijn. Zonder die vlag was het in mijn test niet duidelijk sneller: de ene keer won de ene variant, de andere keer de andere. Z-Image-Turbo is gedistilleerd tot 8 stappen en werkt zonder guidance, vandaar --cfg-scale 1.0. Voor FLUX.3 Image Klein gebruik je 16 stappen en --sampling-method euler.

4. Geef Claude Code een skill

Een skill is een map met een SKILL.md in .claude/skills/. Claude Code laadt hem als je vraag past bij de beschrijving, of als je /beeld typt (zie de documentatie over skills). Hoe skills en plugins in het algemeen werken, beschreef ik in Claude-plugins en Superpowers. Het script doet het technische werk, en de skill vertelt Claude hoe het moet controleren.

.claude/skills/beeld/maak.sh

#!/usr/bin/env bash
# Gebruik: maak.sh <z|flux3> <breedte> <hoogte> <seed> <uitvoer.png> "<prompt>"
# SD_HOME wijst naar de map met sd-cli en een submap models/.
set -euo pipefail
model=$1; w=$2; h=$3; seed=$4; out=$5; prompt=$6
m="$SD_HOME/models"
case "$model" in
  z)     args=(--diffusion-model "$m/z_image_turbo-Q4_K.gguf"
               --llm "$m/Qwen3-4B-Instruct-2507-Q8_0.gguf"
               --vae "$m/z_ae.safetensors" --steps 8) ;;
  flux3) args=(--diffusion-model "$m/flux3-image-klein-Q5_K.gguf"
               --llm "$m/Qwen3VL-4B-Instruct-Q8_0.gguf"
               --vae "$m/flux2-vae.safetensors" --steps 16 --sampling-method euler) ;;
  *) echo "onbekend model: $model" >&2; exit 2 ;;
esac
mkdir -p "$(dirname "$out")"
"$SD_HOME/sd-cli" "${args[@]}" --cfg-scale 1.0 --offload-to-cpu --flash-attn on \
  -W "$w" -H "$h" -s "$seed" -p "$prompt" -o "$out" > "$out.log" 2>&1 \
  || { tail -5 "$out.log" >&2; exit 1; }
grep -oE 'generate_image completed in [0-9.]+s' "$out.log"
echo "klaar: $out"

.claude/skills/beeld/SKILL.md

---
name: beeld
description: Maakt een foto of illustratie lokaal op de GPU met Z-Image-Turbo of FLUX.3 Klein. Gebruik dit als om een afbeelding, foto, cover of illustratie wordt gevraagd.
allowed-tools: Bash(bash ${CLAUDE_SKILL_DIR}/maak.sh *) Read
---

1. Schrijf een Engelse prompt van 50 tot 90 woorden: onderwerp, handeling, omgeving, licht, camera of tekenstijl, kleuren. Tekst die in beeld moet staan zet je tussen enkele aanhalingstekens.
2. Kies het model: `z` (Apache 2.0, ook voor commercieel gebruik) of `flux3` (FLUX Kommunity-licentie). Standaard `z`.
3. Draai `bash ${CLAUDE_SKILL_DIR}/maak.sh <model> <breedte> <hoogte> <seed> beelden/<naam>.png "<prompt>"`. Breedte en hoogte zijn veelvouden van 16, standaard 1280 x 720. Kies zelf een seed.
4. Open het resultaat met Read en controleer: staat alles uit de vraag erin, kloppen handen, ogen en aantallen, is tekst in beeld letterlijk goed gespeld?
5. Klopt iets niet, pas dan de prompt aan of neem een andere seed. Maximaal drie pogingen per beeld.
6. Meld per beeld het bestand, model, seed en de definitieve prompt.

Zet SD_HOME op de map met sd-cli en models/, bijvoorbeeld in je shellprofiel: export SD_HOME=/c/ai/sd. Het veld allowed-tools geeft Claude toestemming voor precies dat script en voor Read, voor de rest van de beurt waarin de skill draait. Stap 4 en 5 in de skill zijn het belangrijkste: daar staat dat Claude moet kijken en mag afkeuren.

Waarom een skill en geen MCP-server? Een MCP-server is een apart proces met een eigen protocol. Voor één commando dat een bestand maakt, is dat meer dan nodig. De bekendste MCP-server voor beeldgeneratie die ik vond, nanobanana-mcp-server, praat bovendien met de Gemini API, en die is voor beelden niet gratis. Wil je meer controle dan een script geeft, met LoRA's, inpainting of een node-editor, gebruik dan ComfyUI (v0.44.0 van 4 november 2026). ComfyUI heeft een HTTP-API die Claude Code kan aanroepen. Dat heb ik voor dit artikel niet uitgewerkt.

Wat er gebeurde toen Claude Code het zelf deed

Ik gaf Claude Code (versie 2.1.318, model Opus 5.5) drie keer een opdracht in het Nederlands, in headless modus met claude -p. Zo kon ik beurten, tijd en kosten uit de JSON-uitvoer halen.

Run 1 mislukte op rechten. Zonder toestemmingen weigerde Claude Code de skill te starten. In headless modus kan het niemand om toestemming vragen. Claude gaf daarna een bruikbare prompt terug en legde uit wat er misging, maar maakte geen beeld. Met --allowedTools "Skill(beeld)" "Bash(bash *maak.sh *)" "Read" werkte het wel. In een gewone interactieve sessie klik je één keer op toestaan.

Run 2: de kapsalon. De vraag was een coverbeeld met een kapster die op een tablet de agenda bekijkt, en "Kapsalon De Schaar" in witte letters op de spiegel. Claude schreef een Engelse prompt van ongeveer 80 woorden. Zijn eerste commando bevatte ook mkdir -p beelden, en daarvoor gold de toestemming niet. Claude haalde de mkdir weg en probeerde opnieuw. Daarom maakt het script zelf de map aan. Het eerste beeld duurde 114 seconden, omdat het model nog niet in de cache stond. Claude opende het en keurde het af: de tekst stond op de muur naast de spiegel. Het tweede beeld duurde 47 seconden en werd goedgekeurd. Claude meldde er zelf bij dat de figuur in de spiegel geen echte weerspiegeling van de kapster is. Dat klopt. Totaal: 8 beurten, 201 seconden.

Run 3: een fiets voor een grachtenpand, met een bordje "Kantoor 2B" bij de deur. Bij de eerste poging ontbraken volgens Claude het bordje en zat de tas voorop. Het tweede beeld was goed gespeld en de tas zat achterop. Claude schreef er ongevraagd bij dat de gracht zelf niet in beeld staat. Ook dat klopt. Totaal: 7 beurten, 75 seconden, nul geweigerde acties.

De beeldmodellen kostten niets. Claude Code gebruikt wel tokens: de JSON-uitvoer gaf $0,14 en $0,27 als prijs volgens de API-lijstprijs. Met een Claude-abonnement valt dat binnen je gewone gebruik. Opvallend: Claude koos in beide runs dezelfde seeds, eerst 4217 en daarna 7731. "Kies zelf een seed" levert bij een taalmodel dus geen echt willekeurige getallen op. Wil je echt andere beelden, noem dan zelf een seed of vraag om meerdere varianten.

Waar het in deze opzet mis kan gaan: Claude ziet een verkleinde versie van het beeld. Een zesde vinger op een klein handje in de hoek kan het missen. Vraag bij belangrijke beelden of het de randen of de handen uitsnijdt en apart bekijkt. De tools-referentie raadt precies dat aan.

Licenties: wat mag je met de beelden?

Gratis downloaden betekent niet dat alles mag. Ik citeer de modelkaarten. Lees bij twijfel de licentietekst zelf.

• Z-Image-Turbo: Apache 2.0. Commercieel gebruik mag, ook van het model zelf.
• FLUX.3 Image Klein: FLUX Kommunity License v1.0. Niet-commercieel gebruik mag. Volgens de modelkaart mogen gebruikers met minder dan 5 miljoen dollar omzet per jaar (inclusief gelieerde bedrijven) de beelden ook commercieel gebruiken. Fine-tunen voor commerciële doelen en het model verspreiden vallen daar niet onder.
• Qwen-Image-2.1 en Ideogram 4: alleen niet-commercieel, volgens hun licenties op Hugging Face.

Wat in de prompt staat, blijft lokaal. Dat is een praktisch voordeel boven elke API: een beeld van een product dat nog niet aangekondigd is, verlaat je laptop niet.

Veelgestelde vragen

Heb ik een dure videokaart nodig?

Je hebt een NVIDIA-kaart met minstens 6 tot 8 GB nodig voor de tijden in dit artikel. Volgens de documentatie van stable-diffusion.cpp draait Z-Image ook op 4 GB of minder, in een kleinere kwantisatie en langzamer. Op alleen een processor werkt het ook, maar dan reken je in minuten per beeld. Dat heb ik niet gemeten.

Is het echt gratis?

De modellen en stable-diffusion.cpp kosten niets en hebben geen limiet. Claude Code zelf heeft een abonnement of API-tegoed nodig. Wat je verder betaalt, is stroom. Een dagtegoed of een creditcard bij een beelddienst heb je niet nodig.

Waarom niet gewoon Nano Banana of GPT Image?

Die scoren hoger: 1175 en 1188 tegenover 1043 voor het beste open model op 8 GB. Als je het verschil nodig hebt, betaal je ongeveer 3 tot 13 cent per beeld bij Google. Voor blogbeelden, mock-ups en placeholders zag ik in mijn tests geen reden om te betalen.

Werkt dit ook op een Mac?

stable-diffusion.cpp heeft een build voor Apple Silicon met Metal. Het script werkt daar ongewijzigd, want het roept sd-cli aan zonder .exe. Ik heb het alleen op Windows getest.

Kan Claude Code ook bestaande foto's bewerken?

FLUX.3 Image Klein kan beelden bewerken met tot tien referentiebeelden via de optie -r van stable-diffusion.cpp. Dat heb ik voor dit artikel niet getest.

Verder lezen op deze site

• Starten met Claude Code in november 2026: de complete gids voor Python, IDE en database
• Welk AI-model draai je op je eigen laptop? Gemeten op 16 GB, oktober 2026
• Claude-plugins en Superpowers: zo werkt Claude volgens een vaste methode
• Wat is MCP? Zo koppel je AI veilig aan tools, data en bedrijfssoftware

Bronnen en verder lezen

Officiële documentatie

• Anthropic, Vision (FAQ: "Can Claude generate or edit images?"), geen datum op de pagina, geraadpleegd 5 november 2026
• Anthropic, Claude Code-documentatie: Tools reference (Read en beelden) en Skills (locatie, allowed-tools), geen datum op de pagina, geraadpleegd 5 november 2026
• Google, Gemini API pricing, geen datum zichtbaar, geraadpleegd 5 november 2026
• Cloudflare, Workers AI pricing, bijgewerkt 20 oktober 2026
• Hugging Face, Inference Providers: Pricing and Billing, geen datum, geraadpleegd 5 november 2026
• Pollinations, API-documentatie, geraadpleegd 5 november 2026
• Black Forest Labs, modelkaart FLUX.3 Image Klein (5,6B, FLUX Kommunity License v1.0), repository aangemaakt 13 oktober 2026
• Tongyi-MAI (Alibaba), modelkaart Z-Image-Turbo (6B, Apache 2.0), paper 27 november 2025
• Qwen, Qwen-Image-2.1 (Qwen Research License), september 2026; Ideogram, Ideogram 4 (niet-commerciële licentie), mei/juni 2026
• leejet, stable-diffusion.cpp (MIT), release master-1050 van 4 november 2026, met Z-Image- en FLUX.3-handleiding
• Comfy-Org, ComfyUI releases, v0.44.0 van 4 november 2026

Onafhankelijke ranglijst

• Artificial Analysis, Text to Image Leaderboard, AA-Image-T2I v2.1, gezien op 5 november 2026. Methode volgens de pagina: blinde paarsgewijze stemmen van "validated private evaluators", Elo-scores met FLUX.2 [dev] vast op 1000, per model een 95%-interval (bijvoorbeeld 1225 ±10 voor de nummer één). De ranglijst toont geen datum. De scores gelden voor de volledige modellen, niet voor de gekwantiseerde versies die ik draaide.

Eigen metingen en praktijk

• Eigen test, 5 november 2026: RTX 4070 Laptop (8 GB), i9-13980HX, 16 GB RAM, Windows 11, NVIDIA-driver 621.01, stable-diffusion.cpp master-1050 (58bb3c1, CUDA 12-build). Per variant drie runs van 1024 × 1024 met seed 7, tijd en piekgeheugen via nvidia-smi. Daarnaast Claude Code 2.1.318 met Opus 5.5 in drie headless runs, en één verzoek aan image.pollinations.ai en één aan gen.pollinations.ai.
• Communitybron, niet gebruikt als bewijs: nanobanana-mcp-server, een MCP-server voor Gemini-beelden (vereist een Gemini API-sleutel)