Zelf AI-afbeeldingen maken met Ideogram 4 op je eigen computer

Home » AI Kennisbank » Zelf AI-afbeeldingen maken met Ideogram 4 op je eigen computer

AI-afbeeldingen maken gebeurt meestal via een online diensten of platforms zoals ChatGPT, Adobe Firefly, Midjourney of Ideogram. Je voert een beschrijving in, de berekening vindt plaats op de servers van de aanbieder en even later krijg je een afbeelding terug.

Met Ideogram 4 is dat nu ook lokaal goed mogelijk. Ideogram heeft namelijk de modelgewichten openbaar beschikbaar gesteld. Daardoor kan iedereen (met de juiste hardware en software-setup) het beeldmodel op zijn eigen computer of server installeren.

Dit wilde ik natuurlijk meteen zelf testen. Met hulp van Claude Code lukte dat. Het proces verliep alleen niet zonder problemen. Mijn computer liep een keer volledig vast, de videokaart deed aanvankelijk vrijwel niets en een GPU-belasting van 100 procent bleek minder te zeggen dan ik dacht.

Voordat ik mijn ervaringen deel, is het goed om eerst te bekijken wat Ideogram 4 precies is en waarvoor je het kunt gebruiken.

Wat is Ideogram 4?

Ideogram 4 is een AI-model waarmee je op basis van een tekstuele beschrijving nieuwe afbeeldingen kunt genereren. Het model is door Ideogram zelf getraind, volgens de officiële modelbeschrijving en is geen aanpassing of verdere training van een bestaand beeldmodel.

Het bevat 9,3 miljard parameters. Dat zijn de waarden die het model tijdens de training heeft geleerd en gebruikt om nieuwe beelden samen te stellen. Ideogram 4 ondersteunt afbeeldingsformaten van 256 tot 2.048 pixels per zijde en kan ook brede beeldverhoudingen tot 6:1 verwerken.

Ideogram staat vooral bekend om het genereren van afbeeldingen waarin tekst een belangrijke rol speelt. Veel beeldmodellen kunnen inmiddels overtuigende foto’s en illustraties maken, maar hebben nog moeite met woorden, letters en typografie. Ideogram richt zich nadrukkelijk op toepassingen zoals posters, advertenties, verpakkingen en andere ontwerpen waarin tekst leesbaar in beeld moet verschijnen.

Volgens Ideogram biedt versie 4 onder andere:

• meertalige tekstweergave in afbeeldingen;
• controle over compositie en ruimtelijke indeling;
• de mogelijkheid om vaste huisstijlkleuren op te geven;
• ondersteuning voor verschillende beeldverhoudingen;
• gerichte plaatsing van tekst en objecten;
• afbeeldingen met een resolutie tot 2.048 bij 2.048 pixels.

De modelgewichten zijn beschikbaar via Hugging Face (na registratie) en de software voor het uitvoeren van het model staat op GitHub. Ideogram noemt het zijn eerste beeldmodel met openbaar beschikbare gewichten.

Wat betekent open in dit geval?

Dat de modelgewichten beschikbaar zijn, betekent dat je het model zelf kunt downloaden en uitvoeren. Je bent daardoor niet  afhankelijk van de website of servers van Ideogram.

Het betekent alleen niet dat Ideogram 4 volledig open source is of zonder voorwaarden voor ieder doel gebruikt mag worden.

De software waarmee het model wordt uitgevoerd staat onder de Apache 2.0-licentie. Voor de modelgewichten geldt een afzonderlijke licentie. Die maakt gratis gebruik mogelijk voor onder andere onderzoek, evaluatie, persoonlijke projecten en niet-commerciële prototypen. Voor commerciële inzet van het zelf gehoste model is een commerciële licentie nodig.

Dit onderscheid is belangrijk. De code en de modelgewichten hebben niet automatisch dezelfde gebruiksvoorwaarden.

Waarvoor kun je Ideogram 4 gebruiken?

Ideogram 4 is vooral interessant voor afbeeldingen waarin vormgeving, tekst en compositie samenkomen.

Denk bijvoorbeeld aan:

• socialmedia-afbeeldingen met een kop of korte boodschap;
• posters en flyers;
• online advertenties;
• concepten voor verpakkingen;
• banners voor websites en nieuwsbrieven;
• illustraties met vaste huisstijlkleuren;
• logo- en typografieconcepten;
• productpresentaties;
• visuele concepten voor campagnes;

Voor zakelijke toepassingen is vooral de controle over de compositie interessant. Je kunt niet alleen beschrijven wat er in beeld moet staan, maar ook aangeven waar onderdelen ongeveer moeten verschijnen.

Ideogram 4 gebruikt daarvoor zogenoemde bounding boxes. Dit zijn coördinaten waarmee je een gebied in de afbeelding reserveert voor bijvoorbeeld een persoon, product, tekstblok of ander object.

Je kunt het model bijvoorbeeld vertellen dat een product aan de rechterkant moet staan, een kop bovenaan moet verschijnen en de linkerzijde rustig moet blijven voor aanvullende tekst. Ook kun je hexadecimale kleurcodes invoeren om het kleurenpalet te sturen.

Dat betekent niet dat ieder ontwerp direct correct is. AI kan nog steeds letters verkeerd weergeven, objecten vervormen of onderdelen op een onverwachte plaats zetten. Een gegenereerde afbeelding moet daarom altijd kritisch worden gecontroleerd voordat je deze gebruikt.

Ideogram 4 werkt anders met prompts

Bij veel beeldgeneratoren kun je een gewone zin invoeren, bijvoorbeeld:

Maak een poster voor een AI-training met een blauwe achtergrond en de tekst ‘Praktisch werken met AI’.

Ideogram 4 kan gewone tekstprompts verwerken, maar is specifiek getraind op gestructureerde beschrijvingen in JSON-formaat. Daarin worden de stijl, achtergrond, objecten, teksten, kleuren en posities afzonderlijk beschreven. Volgens de documentatie levert dit de meeste controle op.

Een vereenvoudigd voorbeeld ziet er inhoudelijk ongeveer zo uit:

• achtergrond: donkerblauw;
• tekst: ‘Praktisch werken met AI’;
• positie tekst: bovenste helft;
• afbeelding: Nederlandse ondernemer achter laptop;
• positie ondernemer: rechterzijde;
• kleurenpalet: donkerblauw, wit en lichtgrijs;
•  stijl: moderne zakelijke fotografie.

In de werkelijke invoer worden deze onderdelen in een vaste JSON-structuur geplaatst. Dat is minder toegankelijk dan een gewone prompt, maar geeft wel meer controle over de opbouw van het beeld.

De “echte” JSON-code

Ideogram biedt daarom ook een zogenoemde magic prompt. Daarbij zet een aanvullend taalmodel een gewone tekstprompt om naar de gestructureerde beschrijving die Ideogram 4 verwacht. De standaardoplossing kan hiervoor de online dienst van Ideogram gebruiken. De gewone prompt wordt in dat geval eerst naar een externe dienst gestuurd.

Wie het proces volledig lokaal wil uitvoeren, moet de JSON zelf samenstellen of daarvoor een lokaal taalmodel gebruiken.

Hoe verhoudt Ideogram 4 zich tot andere beeldmodellen?

Ideogram presenteert versie 4 als het sterkste open-weight beeldmodel van dit moment. Daarbij ligt de nadruk vooral op grafisch ontwerp, tekstweergave, het volgen van prompts en controle over de compositie.

In Design Arena staat Ideogram 4 volgens het bedrijf bovenaan bij de modellen waarvan de gewichten beschikbaar zijn. Alleen enkele gesloten modellen van onder andere OpenAI en Google scoren hoger. Ook op de algemene Text-to-Image Arena stond de kwaliteitsversie van Ideogram 4 in juli 2026 hoog in de ranglijst en als beste open model genoteerd.

In een benchmark van Contra Labs won Ideogram v4 47,9% van de typografie-matchups en werd het het vaakst als meest bruikbaar voor klantwerk gekozen.

In Ideograms eigen vergelijking eindigde het model als tweede, achter GPT Image 2 Medium. Binnen de modellen met openbaar beschikbare gewichten stond Ideogram 4 volgens die test op de eerste plaats.

Deze resultaten maken Ideogram 4 vooral interessant voor toepassingen waarin tekst, typografie en compositie belangrijk zijn. Ze betekenen niet automatisch dat het voor iedere beeldopdracht de beste keuze is. Snelheid, kosten, beeldbewerking en benodigde hardware spelen daarbij ook een rol.

Benchmark voor Ideogram 4 op ContraLabs

In mijn test lag de nadruk op het werkend krijgen van het model. Ik heb daarom geen uitgebreide vergelijking gemaakt van de mogelijkheden en de kwaliteit van de output. De beschikbare externe benchmarks geven wel een eerste indruk van hoe Ideogram 4 zich tot andere beeldmodellen verhoudt.

Hoe zit het met de licentie?

Voor ondernemers is dit een van de belangrijkste aandachtspunten.

De openbaar beschikbare modelgewichten van Ideogram 4 vallen onder de Ideogram Non-Commercial Model Agreement. Daarmee mag je het model gratis gebruiken voor onderzoek, evaluatie, persoonlijke projecten en niet-commerciële prototypen.

Wil je het zelf gehoste model gebruiken voor commerciële productie, dan heb je een commerciële licentie nodig.

Op het moment van schrijven, juli 2026, begint de commerciële licentie voor zelf hosten bij 300 dollar per maand wanneer je jaarlijks betaalt. Deze licentie omvat maximaal 10.000 gegenereerde afbeeldingen per maand. Grotere aantallen, toegang voor klanten en toepassingen waarbij je Ideogram als dienst aan derden aanbiedt, vallen onder een zakelijke overeenkomst op maat.

Er zijn daarmee grofweg drie manieren om Ideogram 4 te gebruiken.

De eenvoudigste route is de website of app van Ideogram. Je gebruikt dan de online omgeving van de aanbieder en hoeft niets zelf te installeren.

De tweede mogelijkheid is de API. Daarmee kun je beeldgeneratie opnemen in een eigen website, applicatie of geautomatiseerd proces. Ideogram rekent momenteel, afhankelijk van de gekozen kwaliteit, 0,03 tot 0,10 dollar per afbeelding.

De derde mogelijkheid is zelf hosten. Je draait het model dan op je eigen hardware of infrastructuur. Dat geeft meer controle over de technische omgeving, gegevensstromen en integraties, maar vraagt ook geschikte hardware, onderhoud en technische kennis.

Ideogram claimt geen eigendom over de afbeeldingen die je met het model maakt. Je mag de gegenereerde beelden ook commercieel gebruiken, zolang je geen rechten van anderen schendt en je je aan het gebruiksbeleid houdt.

Dat staat los van de licentie voor het model zelf. Wil je Ideogram 4 lokaal inzetten voor commerciële werkzaamheden, dan heb je daarvoor een commerciële licentie nodig. De gratis licentie voor de modelgewichten is bedoeld voor onder meer onderzoek, evaluatie, persoonlijke projecten en niet-commerciële prototypen.

Ideogram 4 is goed in tekst. Hier genereerde de AI tekst in de schriften  Katakana (links) en  Kanji rechts.

Ideogram 4 op mijn een eigen computer installeren en draaien

De mogelijkheid om Ideogram 4 lokaal te draaien maakte mij nieuwsgierig. Ik wilde niet alleen weten of ik het model kon installeren, maar ook of ik er een praktische interface voor kon maken.

Mijn computer beschikt over een NVIDIA RTX 5080 met 16 GB videogeheugen. Dat is een krachtige videokaart, maar Ideogram 4 is met 9,3 miljard parameters ook een zwaar model.

Voor de installatie en technische aanpassingen gebruikte ik Claude Code. Dit is een AI-programmeerassistent van Anthropic die bestanden binnen een project kan bekijken, code kan aanpassen, commando’s kan uitvoeren en foutmeldingen kan analyseren.

Claude Code hielp onder andere bij:

• het downloaden en installeren van de benodigde software;
• het controleren van afhankelijkheden;
• het analyseren van foutmeldingen;
• het aanpassen van de modelcode;
• het beheren van het videogeheugen;
• het maken van een eenvoudige interface;
• het toevoegen van controles om vastlopers te voorkomen.

Het was geen kwestie van één opdracht invoeren en wachten tot alles werkte. Verschillende oplossingen bleken niet direct geschikt en sommige aanpassingen veroorzaakten nieuwe problemen. Ik moest de resultaten blijven controleren, uitleggen wat ik zag en samen met Claude Code verschillende mogelijkheden testen.

De programmeerassistent maakte het project wel aanzienlijk toegankelijker. Zonder die hulp had ik veel meer tijd nodig gehad om de gebruikte bibliotheken, foutmeldingen en modelstructuur te doorgronden.

De eerste generatie werd direct geweigerd

Na de installatie probeerde ik een eenvoudige poster te maken met het woord ‘Hallo’.

Die opdracht werd meteen tegengehouden door de ingebouwde controle op de prompt. Het model verwachtte in deze configuratie geen gewone zin, maar een gestructureerde beschrijving met een vaste opbouw.

Dat was het eerste belangrijke inzicht. Het lokale model werkt niet precies zoals de gebruikelijke online beeldgenerator. De invoer bevat afzonderlijke beschrijvingen voor de achtergrond, losse objecten, tekst, kleuren en posities.

Dit maakt de bediening ingewikkelder, maar biedt ook mogelijkheden die met een gewone prompt moeilijker te bereiken zijn. Je kunt bijvoorbeeld veel nauwkeuriger aangeven op welke plek een tekst of object moet verschijnen.

Met hulp van Claude Code heb ik de interface daarom zo aangepast dat een gewone beschrijving eerst naar het juiste gestructureerde formaat kan worden vertaald.

De videokaart deed aanvankelijk niets

Toen de prompt eenmaal werd geaccepteerd, begon de beeldgeneratie. Althans, dat leek zo.

De processor stond volledig onder belasting, de ventilatoren draaiden hard en er verscheen na lange tijd nog steeds geen afbeelding. De RTX 5080 bleek vrijwel niets te doen.

De oorzaak was uiteindelijk eenvoudig. Tijdens de installatie was een versie van PyTorch zonder ondersteuning voor de videokaart geïnstalleerd. PyTorch is de softwarebibliotheek die de berekeningen voor het AI-model uitvoert.

Het model probeerde daardoor alle berekeningen op de gewone processor uit te voeren. Voor een model van deze omvang is dat in de praktijk niet werkbaar.

Na installatie van de juiste versie met CUDA-ondersteuning werd de RTX 5080 wel herkend. De verwachting was dat het probleem daarmee was opgelost.

Dat bleek te optimistisch.

78 watt: hoe mijn GPU deed alsof hij werkte

Windows Taakbeheer gaf nu aan dat de videokaart voor 100 procent werd gebruikt. Toch ging de beeldgeneratie nauwelijks vooruit.

Een ander getal vertelde een veel duidelijker verhaal. De RTX 5080 gebruikte ongeveer 78 watt en had een temperatuur van slechts 44 graden. Voor een videokaart die intensief aan het rekenen is, zijn dat opvallend lage waarden.

De videokaart was wel bezig, maar vooral met het verplaatsen en afwachten van gegevens. Vrijwel het volledige videogeheugen werd gebruikt door de onderdelen van het model. Daardoor bleef er te weinig ruimte over voor de berekeningen waarmee de afbeelding daadwerkelijk wordt opgebouwd.

Windows begon gegevens tussen het videogeheugen en het gewone systeemgeheugen te verplaatsen. De GPU-belasting bleef daardoor op 100 procent staan, terwijl de rekenkernen nauwelijks efficiënt konden werken.

Tijdens een eerste zware test liep het systeemgeheugen volledig vol en bevroor de computer. Uiteindelijk hielp alleen een harde herstart.

De les was duidelijk: een percentage in Taakbeheer vertelt niet altijd of een AI-model efficiënt rekent. Het stroomverbruik, de temperatuur, het geheugenverbruik en de daadwerkelijke voortgang geven samen een veel beter beeld.

Eén aanpassing maakte het verschil

Een van de grootste onderdelen van Ideogram 4 is de tekstencoder. Deze zet de prompt om in numerieke informatie die het beeldmodel kan gebruiken.

De tekstencoder nam in mijn configuratie ongeveer 5,11 GB videogeheugen in beslag. Dat is op een kaart met 16 GB een aanzienlijk deel.

Het belangrijke inzicht was dat de tekstencoder vooral aan het begin van het proces nodig is. Nadat de prompt is verwerkt, blijft het onderdeel in het videogeheugen staan terwijl het tijdens de verdere beeldgeneratie nauwelijks meer wordt gebruikt.

Met hulp van Claude Code paste ik de software aan. Na het verwerken van de prompt werd de tekstencoder uit het videogeheugen gehaald en naar het gewone systeemgeheugen verplaatst.

Daardoor kwam ruim 5 GB extra videogeheugen beschikbaar voor de daadwerkelijke beeldberekening. Een afbeelding die eerder niet binnen een bruikbare tijd verscheen, werd nu in ongeveer 33 seconden gegenereerd.

Een eigen interface voor het model

Werken via losse opdrachten en configuratiebestanden is geschikt voor technische tests, maar niet prettig voor dagelijks gebruik. Daarom heb ik Claude Code ook gebruikt om een eenvoudige lokale interface te maken.

Via deze interface kan ik onder andere:

• een beeldbeschrijving invoeren;
• het afbeeldingsformaat kiezen;
• het aantal rekenstappen instellen;
• de gestructureerde prompt bekijken;
• technische instellingen aanpassen;
• de voortgang volgen;
• het resultaat lokaal opslaan.

Hierdoor voelt Ideogram 4 meer als een gewone applicatie en minder als een technisch onderzoeksproject.

De interface neemt niet alle complexiteit weg. Instellingen zoals resolutie, aantal stappen en geheugengebruik hebben veel invloed op de snelheid en kwaliteit. Wel wordt het aanzienlijk eenvoudiger om verschillende prompts en composities te testen.

De interface om afbeeldingen te maken

Wat leverde de test op?

Na de technische aanpassingen maakte ik onder andere een afbeelding van een kat op een skateboard in de Amsterdamse grachtengordel.

In de gestructureerde prompt had ik afzonderlijke gebieden aangegeven voor de kat, het skateboard, de grachtenpanden en de fietsen. Het model hield zich in mijn test opvallend goed aan deze indeling.

Het aantal rekenstappen bleek daarbij belangrijk. Een vroege test met twaalf stappen plaatste tekst op de verkeerde positie en voegde zelf een niet gevraagd woord toe. Bij 48 stappen werden de compositie-instructies veel beter gevolgd en verdween een groot deel van deze visuele ruis. Dit is instelbaar in mijn interface.

Meer stappen betekent wel dat de generatie langer duurt en meer energie gebruikt. Voor snelle concepten kan een lage instelling voldoende zijn. Voor afbeeldingen waarin tekst en compositie nauwkeurig moeten worden gevolgd, zijn meer stappen vaak nodig.

Is lokaal draaien interessant voor het MKB?

Technisch is het dus mogelijk om Ideogram 4 lokaal op een krachtige consumentencomputer te draaien. De vraag is alleen of dat voor een gemiddeld MKB-bedrijf ook de meest logische oplossing is.

Voor de meeste ondernemers zal de online versie of API praktischer zijn. Je hoeft dan geen dure videokaart aan te schaffen, geen modellen te installeren en geen technische problemen op te lossen. Je betaalt voor het gebruik en kunt direct beginnen.

Zelf hosten kan wel interessant zijn wanneer:

• prompts en afbeeldingen binnen de eigen infrastructuur moeten blijven;
• het model in een eigen proces of applicatie moet worden opgenomen;
• een bedrijf grote aantallen beelden wil genereren;
• er behoefte is aan controle over hardware en verwerking;
• een organisatie wil experimenteren met eigen aanpassingen;
• er intern voldoende technische kennis beschikbaar is.

Daar staat tegenover dat je rekening moet houden met aanschafkosten, stroomverbruik, onderhoud, software-updates en licentiekosten.

Ook privacy vraagt om nuance. De daadwerkelijke beeldgeneratie kan lokaal plaatsvinden. Wanneer je een online magic prompt of externe taalmodeldienst gebruikt om gewone prompts om te zetten naar JSON, verlaat die tekst alsnog je computer. Een volledig lokale werkwijze vraagt daarom ook een lokale oplossing voor het verwerken van prompts.

Claude Code maakte het mogelijk, maar niet automatisch

Mijn experiment laat niet alleen zien wat Ideogram 4 kan. Het laat ook zien welke rol een programmeerassistent kan spelen bij ingewikkelde technische projecten.

Claude Code hielp bij het installeren, analyseren, programmeren en testen. Daardoor kon ik een model gebruiken waarvoor normaal gesproken behoorlijk specialistische kennis nodig is om het werkend te krijgen.

Toch bleef menselijke controle noodzakelijk. Een programmeerassistent ziet niet automatisch dat een videokaart bij 78 watt vooral staat te wachten. Daarvoor moest ik zelf de juiste metingen bekijken, vragen stellen en mogelijke verklaringen toetsen.

AI kon de code aanpassen en oplossingen uitwerken. Ik moest bepalen of de uitkomst logisch en bruikbaar was.

Mijn conclusie

Ideogram 4 is een interessant beeldmodel voor toepassingen waarin tekst, vormgeving, kleuren en compositie belangrijk zijn. De mogelijkheid om objecten en teksten gericht te positioneren onderscheidt het van veel beeldgeneratoren die vooral met algemene beschrijvingen werken.

Dat de modelgewichten beschikbaar zijn, maakt het mogelijk om ermee te experimenteren, het lokaal te draaien en eigen interfaces of toepassingen te bouwen.

Lokaal gebruik is alleen nog geen eenvoudige oplossing voor iedere ondernemer. Het vraagt krachtige hardware, technische kennis, aandacht voor geheugengebruik en een goed begrip van de licentievoorwaarden.

Met hulp van Claude Code lukte het mij om het model te installeren, technische problemen op te lossen en een eigen interface te bouwen. Na de juiste aanpassingen genereerde mijn computer een afbeelding in 33 seconden.

Voor de meeste MKB-bedrijven blijft een online dienst voorlopig de eenvoudigste keuze. Zelf hosten wordt vooral interessant wanneer controle, privacy, technische integratie of grootschalig gebruik zwaarder wegen dan gemak.

Het experiment maakte ook weer duidelijk hoeveel toegankelijker dit soort technische projecten door AI-programmeerassistenten zijn geworden. Je hoeft niet ieder technisch detail vooraf te kennen. Je moet wel blijven controleren wat er werkelijk gebeurt.