---
title: "Zo prompt je elk AI-model — GPT-5, Claude en Gemini"
date: 2026-06-07
author: ""
---

# Zo prompt je elk AI-model — GPT-5, Claude en Gemini

# Zo prompt je elk AI-model

Dezelfde prompt geeft in GPT-5.5, Claude Opus 4.8 en Gemini 3 drie verschillende antwoorden. Niet omdat het ene model slimmer is, maar omdat ze andere standaardinstellingen hebben. Hier staat per model wat je moet weten, uit de officiële documentatie van OpenAI, Anthropic en Google.



De meeste mensen slepen hun oude prompt mee naar een nieuw model en vragen zich af waarom het antwoord slechter is. Dat komt bijna nooit door het model. Het komt doordat je instructies geeft die dit model al vanzelf doet, of doordat je een knop niet kent die standaard verkeerd staat voor jouw taak.

Twee knoppen bepalen het meeste: hoeveel het model mag nadenken, en hoe lang het antwoord mag worden. Die heten in elk merk anders.

## De verschillen in één tabel

ModelDenkstandLengte sturenWaar je op moet lettenGPT-5.5`reasoning effort`, begin bij `low`/`medium``text.verbosity`, default `medium`Geef een `retrieval budget`: stoppen na één brede zoekopdrachtGPT-5.4`none` tot `xhigh`; `xhigh` alleen voor zwaar agentwerkVormbeperking in de promptStrooit met bullets en geneste lijsten; verbied dat explicietGPT-5.3 Codex`medium` is de standaardkeuze—Vraag níet om een plan vooraf; dat beëindigt de rollout te vroegGPT-5.2`reasoning_effort`, default `none`Lengteregel in de promptBoven ~10k tokens zelf samenvatten en opnieuw grondenGPT-5.1`none` zonder reasoning-tokens, maar mét hosted tools`verbosity`Schaalt zijn inspanning sterk met de moeilijkheid van de taakGPT-5`reasoning_effort`, default `medium``verbosity`Markdown staat in de API standaard uit; herhaal die instructie elke 3–5 berichtenGPT-4.1Geen reasoning-modelIn de prompt1M context; bij lange stukken instructies zowel vóór als ná de dataClaude Opus 4.8`xhigh` voor code en agents; `thinking` staat uitOutputbudget vanaf `64k`Redeneert liever zelf dan tools te pakken; hogere effort helpt daartegenClaude Sonnet 4.6`effort` default `high`; `medium` volstaat meestalMax `64k` outputPrefilled responses werken niet meer vanaf deze generatieClaude Haiku 4.5`effort` + adaptive `thinking`—Kan zijn resterende contextvenster zelf bijhoudenClaude Fable 5 / Mythos 5`high` als standaard, `xhigh` bij zwaar werk—Stuurt parallelle subagents snel aan; laat een aparte verifier meekijkenGemini 3Denkt intern, niet instelbaarVraag expliciet om langere output`temperature` op `1.0` laten — lager geeft loopsGemini 3 FlashDenkt internVraag expliciet om uitgebreide outputKennis tot januari 2025; zet het huidige jaar in je systeeminstructieGemini 2.5Denkt intern`max output tokens``topP` default `0.95`; `temperature 0` is volledig voorspelbaar

## OpenAI: van sturen naar loslaten

De grootste verandering in de GPT-5-reeks is dat je mínder moet voorschrijven. Bij GPT-4.1 schreef je elke stap uit. Bij GPT-5.5 werkt dat averechts: overspecificatie van het proces maakt de antwoorden mechanisch en vernauwt de zoekruimte. Beschrijf de bestemming, niet de route.

Wat je wél expliciet maakt is wanneer het klaar is. Een voorbeeld dat in de OpenAI-documentatie in deze vorm terugkomt:

```
Resolve the customer's issue end to end.

Success means:
- the eligibility decision is made from the available data
- any allowed action is completed before responding
- the final answer includes completed_actions, customer_message, blockers
- if evidence is missing, ask for the smallest missing field
```

Bewaar woorden als `ALWAYS` en `NEVER` voor echte harde grenzen: veiligheidsregels, verplichte velden, dingen die nooit mogen. Gebruik ze voor afwegingen en je krijgt een model dat star wordt.

### Codex is een uitzondering

Bij GPT-5.3 Codex haal je juist dingen wég uit je standaardprompt. Vragen om een plan vooraf, om preambles of om tussentijdse statusupdates kan de run voortijdig laten stoppen. Lange sessies comprimeer je met `/compact`.

## Claude: zeg wat je wilt zien

Claude reageert het sterkst op duidelijke afbakening. Zet je onderdelen in XML-tags, dan weet het model precies wat instructie is en wat materiaal:

```
<instructions> ... </instructions>
<context> ... </context>
<input> ... </input>
```

De knop die je het vaakst verkeerd hebt staan is `effort`. Sonnet 4.6 staat standaard op `high`, terwijl `medium` voor de meeste toepassingen genoeg is — dat scheelt geld en wachttijd. Andersom: Opus 4.8 heeft `thinking` standaard uit, dus voor moeilijk werk zet je dat zelf aan met `thinking: {type: "adaptive"}`.

Bij Fable 5 en Mythos 5 komt er iets bij. Die modellen sturen zelf parallelle subagents aan en kunnen lang autonoom doorwerken. Laat de controle daarom niet door het model zelf doen, maar door een aparte verifier met verse context. Een model dat zijn eigen werk nakijkt, ziet zijn eigen aannames niet.

## Gemini: laat de temperatuur met rust

De meest gemaakte fout bij Gemini 3 is `temperature` verlagen omdat je “voorspelbare” output wilt. Doe dat niet. De documentatie is er duidelijk over: houd hem op `1.0`. Lager geeft loops en slechter reken- en redeneerwerk.

Verder werkt Gemini het best als je de volgorde omdraait ten opzichte van wat je gewend bent: regels en beperkingen vooraan, dan het materiaal, en de vraag helemaal onderaan.

```
Je bent een senior solution architect.
- Geen externe libraries.
- Alleen Python 3.11+ syntax.

[het materiaal]

[de specifieke vraag]
```

Let bij Gemini 3 Flash op de datum. De kennis loopt tot januari 2025, dus zet het huidige jaar in je systeeminstructie als je iets tijdgevoeligs vraagt, en gebruik Search grounding voor recente feiten.

## Wat bij alle modellen hetzelfde blijft

De knoppen verschillen, de basis niet. Bij elk model van elk merk komt het op deze vier dingen neer:

1. **Een helder kader.** Wie ben je, waar gaat het over, wat is de situatie.
2. **Eén concrete opdracht.** Geen drie vragen in één prompt.
3. **Een voorbeeld van goed.** Twee tot vijf voorbeelden doen meer dan drie alinea’s uitleg.
4. **Een controle achteraf.** Hoe weet je of het antwoord klopt, en wat doet het model als er informatie ontbreekt.

Precies die vier punten zitten in de KOMPAS-methode. Als een prompt niet werkt, ontbreekt er bijna altijd één van deze vier — en niet het modelspecifieke trucje waar je naar zocht.

Weet je niet welke van de vier ontbreekt in jouw prompt? Plak hem in de [Prompt Coach](/prompt-coach/) — die wijst de zwakke plek aan.

## Verder lezen

- [Claude prompting best practices](/claude-prompting-best-practices/) — 44 technieken, elk met een kopieerbare voorbeeldprompt
- [Codex use cases](/codex-use-cases/) — 60 dingen die je met Codex kunt doen
- [Cursor uitleg](/cursor-uitleg/) — voor wie niet alleen chat maar ook bouwt

## Bronnen

Alle richtlijnen op deze pagina komen uit de officiële promptdocumentatie van [OpenAI](https://platform.openai.com/docs/guides/prompt-engineering), [Anthropic](https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview) en [Google](https://ai.google.dev/gemini-api/docs/prompting-strategies). Modellen veranderen; deze pagina is bijgewerkt op 11 augustus 2026.