Ollama brengt beeldgeneratie naar de Mac

Ollama ondersteunt vanaf januari 2026 beeldgeneratie rechtstreeks op macOS. De experimentele functie draait lokaal op de machine van de gebruiker en maakt gebruik van twee open-source modellen: Z-Image Turbo van Alibaba en FLUX.2 Klein van Black Forest Labs. Beide vallen onder een Apache 2.0-licentie, ook voor commercieel gebruik. De resultaten verschijnen in terminals zoals iTerm2 zonder dat data naar een externe server gaat. Voor Windows en Linux volgt ondersteuning later. Voor organisaties die werken met vertrouwelijke briefings, klantdossiers of nog niet-gepubliceerde campagnes, is deze verschuiving van cloud naar lokaal een serieuze factor in de afweging rond AI-beeldgeneratie.

Wat Ollama precies heeft toegevoegd

Ollama is een populaire open-source tool om taalmodellen lokaal te draaien. Met deze release breidt het platform voor het eerst uit naar beeldgeneratie. De twee beschikbare modellen zijn geselecteerd op een combinatie van kwaliteit en licentievrijheid. Z-Image Turbo van Alibaba's Tongyi Lab telt zes miljard parameters en is getraind op het genereren van fotorealistische beelden, inclusief tekst in afbeeldingen in Engels en Chinees. FLUX.2 Klein van Black Forest Labs is beschikbaar in varianten van vier en negen miljard parameters en presteert sterk op typografie, wat het bruikbaar maakt voor UI-mockups en ontwerpen waarin leesbare tekst telt.

Voor de hardware-eisen betekent dit dat een recente Mac met voldoende uniform memory nodig is. De minimumeis ligt rond twaalf tot zestien gigabyte videogeheugen of uniform memory voor het kleinste FLUX-model. Op een MacBook Pro met Apple Silicon werkt dit, al merk je bij grotere resoluties verschillen in snelheid tussen machines met acht en zestien gigabyte.

Waarom lokaal draaien anders is dan cloud

De meeste beeldgeneratie-tools die organisaties vandaag gebruiken, draaien in de cloud. Midjourney, DALL-E, Adobe Firefly en andere diensten sturen prompts en eventuele referentiebeelden naar externe servers. Voor veel toepassingen is dat prima, maar er is een categorie werk waar dat problematisch wordt. Een advocatenkantoor dat illustraties wil laten maken bij een nog niet-gepubliceerde zaak. Een uitgever die conceptvisuals voor een exclusief interview wil testen. Een salesafdeling die beelden wil genereren rond een tender die onder NDA valt. In al die gevallen telt het waar de prompt belandt en wat ermee gebeurt.

Lokaal draaien lost dat op, omdat de data de machine niet verlaat. De beperking zit in modelkwaliteit en snelheid: een Mac kan niet concurreren met de GPU-clusters die commerciële diensten gebruiken. Maar de kwaliteitskloof wordt smaller. Z-Image Turbo en FLUX.2 Klein komen in benchmarks in de buurt van eerdere cloud-versies van vergelijkbare modellen. Voor veel praktijktoepassingen is dat goed genoeg.

Wat dit voor organisaties betekent

Ollama is op zichzelf geen bedrijfsoplossing. Het is een ontwikkelaarstool die zich laat integreren in scripts, lokale chatinterfaces en custom workflows. Voor IT-teams is het daarom de moeite waard om te inventariseren waar vandaag beeldgeneratie wordt ingezet die eigenlijk niet naar een externe dienst zou moeten. Een richtlijn daarvoor hoort thuis in het bredere AI-gebruiksbeleid, niet als aparte regel.

Deze verschuiving past in een breder patroon. Eerder schreven we over lokale AI die daadwerkelijk taken uitvoert en over agentic AI die lokaal zijn ritme vindt. De gemene deler: een volwassen AI-omgeving bestaat niet meer uit één cloud-abonnement, maar uit een mix van clouddiensten voor algemene taken, en lokale modellen voor werk dat gevoelig, frequent of kostenintensief is.

Waar lokale beeldgeneratie wel en niet past

Lokaal draaien is geen vervanger van alle externe diensten. Voor high-end productiewerk, waar je strakke art direction, complexe compositing en merkconsistente output nodig hebt, blijven gespecialiseerde cloud-tools beter. Voor dagelijks prototype-, concept- en explore-werk waarbij je snel tien varianten wilt zien, is lokale generatie prima, zeker als je data niet de deur uit wil hebben.

Voor communicatie- en marketingteams is er nog een extra argument. De kosten van cloud-beeldgeneratie lopen per maand snel op bij intensief gebruik. Lokale generatie heeft een eenmalige hardware-investering maar geen variabele kosten per beeld. Bij volumes boven enkele honderden beelden per maand wordt dat verschil relevant.

Denk je na over welke AI-werkzaamheden in jouw organisatie op eigen infrastructuur thuishoren en welke in de cloud? Plan een kennismaking in, we helpen je die lijn scherp te krijgen.