Modellen die zijn afgestemd op het schrijven, uitleggen en beoordelen van code.
Snelkeuzes
11 modellen
Meta's 13B Code Llama tuned for instruction following. A faster mid-size option for code generation and completion, supporting infilling for inserting code at a cursor position. Served on Replicate per call.
code-llamacodinginstruct
≈ US$ 0,0065/uitvoering
Meta's 34B Code Llama tuned for instruction following. A balance of size and quality for code generation, completion, and explanation, with strong coverage of Python, JavaScript, and other common languages. Runs on Replicate per call.
code-llamacodinginstruct
≈ US$ 0,0408/uitvoering
Meta's largest Code Llama, a 70B Llama-2 derivative specialized for programming and tuned to follow instructions in chat form. Handles code generation, completion, and explanation across common languages. Served on Replicate as a per-call endpoint.
code-llamacodinginstruct
≈ US$ 0,0504/uitvoering
Meta's smallest Code Llama at 7B parameters, tuned for instruction following. The cheapest and fastest member of the family for quick code generation, completion, and infilling. Served on Replicate per call.
code-llamacodinginstruct
≈ US$ 0,0074/uitvoering
Community
Quantized GGUF build of DeepSeek's 33B code model, trained on roughly 2T tokens that are about 87 percent code. Designed for repository-level completion and project-aware generation thanks to a 16k context window. Runs on Replicate as a per-call endpoint.
deepseekcodinginstruct
≈ US$ 0,0030/uitvoering
IBM Granite 20B Code Instruct. Larger Granite code model balancing quality and inference cost for enterprise CI/CD code-review automation.
code-generationgraniteopen-weights
US$ 0,12/1M in
US$ 0,60/1M uit
IBM Granite 8B Code Instruct. Trained on permissively-licensed code, strong on multi-language code completion and instruction-following.
code-generationgraniteopen-weights
US$ 0,060/1M in
US$ 0,30/1M uit
Community
UIUC Magicoder S CL 7B. CodeLlama-7B fine-tuned with OSS-Instruct synthetic data. Strong HumanEval Plus and MBPP Plus performance per parameter.
code-generationopen-weightsresearch
≈ US$ 0,0924/uitvoering
Community
Phind CodeLlama 34B v2. Highly tuned CodeLlama variant focused on retrieval-augmented developer assistant workflows.
code-generationphindopen-weights
≈ US$ 0,2161/uitvoering
Community
BigCode StarCoder2 15B code-generation flagship. Trained on 4T tokens of Stack v2 data with grouped-query attention and 16k context.
code-generationbigcodeopen-weights
≈ US$ 1,188/uitvoering
Community
WizardLM WizardCoder 33B v1.1. Evol-Instruct fine-tune of DeepSeek-Coder-33B with strong code-generation benchmark performance.
code-generationwizardlmopen-weights
≈ US$ 0,0253/uitvoering
Mistral AI
Mistral's code-specialized model. Optimized for code generation, completion, and understanding across 80+ languages.
codingfastmultilanguage
Momenteel niet beschikbaar
Salesforce
350M autoregressive code generation model from Salesforce, the smallest of the original CodeGen family. The mono variant was further trained on Python so it is well suited for short Python completions and program synthesis from a natural-language or code prompt.
codecodegenpython
Momenteel niet beschikbaar
DeepSeek
1.3B instruction-tuned code model from DeepSeek, trained on 2 trillion tokens of code and natural language across 87 languages with a 16k context window. One of the strongest tiny coders for its size, handling generation, completion and short coding instructions.
codedeepseek-coderinstruct
Momenteel niet beschikbaar
DeepSeek
DeepSeek's specialized coding model. Excellent at code generation, debugging, and explanation.
codingaffordable
Momenteel niet beschikbaar
IBM Granite 34B Code Instruct. Largest Granite code-instruction model. Top-tier among Apache-2.0 code LLMs on HumanEval, MBPP and MultiPL-E.
code-generationgraniteopen-weights
Gedeactiveerd
IBM Granite 3B Code Instruct. Apache-2.0 small code-instruction model. Strong on Python, Java, JavaScript and Go for enterprise IDE integrations.
code-generationgraniteopen-weights
Gedeactiveerd
xAI's Grok coding-focused model. Tuned for code generation and software development tasks with a 256k token context window for working over large codebases.
grokcodecoding
Momenteel niet beschikbaar
Alibaba (Qwen)
Alibaba's largest open Qwen2.5-Coder model. Trained on a code-heavy corpus, it matches or beats much larger general models on code generation and repair benchmarks like HumanEval and MBPP, and supports over 40 programming languages with fill-in-the-middle completion.
codinginstructopen-weights
Momenteel niet beschikbaar
Alibaba (Qwen)
The 7B instruct member of Alibaba's Qwen2.5-Coder family. A lighter, faster option for code completion, generation, and bug fixing across 40+ languages, with a 128k context and fill-in-the-middle support. Good price-to-quality balance for everyday coding tasks.
codinginstructopen-weights
Momenteel niet beschikbaar
Community
Replit's 3B code-completion model, trained on a permissively licensed code subset of the Stack across 20 programming languages. Built for low-latency autocomplete rather than chat. Served on Replicate per call.
replitcodingcompletion
Gedeactiveerd
Hugging Face
3B code completion model from Replit trained on roughly 1 trillion tokens of permissively licensed code across 30 programming languages, with a 4k context window. Designed for autocomplete-style code generation and fill-in-the-middle.
codereplitcode-completion
Momenteel niet beschikbaar
Stability AI
Instruction-tuned 3B code model from Stability AI, fine-tuned from stable-code-3b for chat-style coding tasks. Handles code generation, explanation and fix-up across multiple languages and was competitive with larger code models on benchmarks at release.
codestable-codeinstruct
Momenteel niet beschikbaar
BigCode
BigCode StarCoder2 3B code-generation model. Trained on The Stack v2, supports 600+ programming languages. Apache-2.0 licensed for commercial use.
code-generationopen-weightssmall
Gedeactiveerd
BigCode
BigCode StarCoder2 7B code-generation model. 16k context, 600+ programming languages, strong fill-in-the-middle (FIM) performance.
code-generationopen-weightsapache-2
Gedeactiveerd
01.AI
01.AI Yi-Coder 9B chat model. Strong multilingual code completion and chat, 128k context, competitive with code-specialized models 2x its size.
code-generation01aiopen-weights
Gedeactiveerd
Hun pagina's blijven online, maar de modellen kunnen momenteel niet worden uitgevoerd.
Code-generatiemodellen zijn large language models die specifiek getraind of fine-tuned zijn op broncode. Ze drijven IDE-autocomplete, PR-review, automatische refactoring, testgeneratie en cross-language vertaling aan. Je grijpt naar een code-model — in plaats van een algemeen tekstmodel — wanneer je sterkere correctheid op programmeertaken wilt en gestructureerde output (diffs, JSON) die goed samenwerkt met developer-tooling.
De prijs in code-generatie volgt hetzelfde per-token-model als algemene tekst. Op Railwail kosten flagship-modellen zoals Claude Sonnet 4.6 (3,60 USD) of GPT-5.4 (3,00 USD) een paar dollar per miljoen input-tokens, terwijl kleinere code-modellen zoals Granite Code 8B beginnen bij 0,06 USD per miljoen. Eén IDE-autocomplete-aanvraag loopt zelden boven enkele duizenden input-tokens, dus de prijs per call zit in fracties van een cent. De rekeningen groeien wanneer je agents uitrolt die zichzelf tientallen keren per taak herprompten.
De afwegingsdriehoek is correctheid, snelheid en context. Flagships lossen lastiger problemen op en volgen projectconventies betrouwbaarder, maar reageren met 30-80 tokens/seconde, wat traag voelt in een strakke autocomplete-loop. Snelle budgetmodellen (Codestral Mamba, GPT-5 Mini) streamen op 200+ tokens/seconde en voelen native in de editor. Voor batchtaken (refactor een heel repo, genereer tests voor vijftig bestanden) wint de correctheid van het flagship. Voor strakke autocomplete-loops wint de snelle tier.
Pas op met cross-file context: de meeste autocomplete-loops sturen alleen het huidige bestand. Voor echte codebase-aware refactoring heb je een retrievallaag nodig die gerelateerde bestanden in de prompt trekt. Tools als Cursor en Continue doen dat automatisch; bouw je het zelf, embed dan eerst de codebase en haal per request de 5-10 meest relevante bestanden op.
Pas op met licentievervuiling: enkele open-weights code-modellen zijn alleen op permissief gelicentieerde code getraind; andere hebben GPL-code meegenomen met onduidelijke herverdelingsvoorwaarden. Als je gegenereerde code in een closed-source product uitrolt, verkies dan commerciële modellen met expliciete code-licentiegaranties.
De topkeuzes hierboven dekken het meest correcte flagship, het goedkoopste werkpaard, het model met de langste context en de snelste autocomplete-optie.
GPT-5 en Claude 4.6 Sonnet leiden momenteel op HumanEval+, SWE-bench en Codeforces-achtige probleemsets. Voor domeinspecifieke talen (SQL, regex, infrastructure-as-code) presteren gespecialiseerde modellen soms beter dan flagships op de smalle taak terwijl ze op algemeen redeneren verliezen.
Op Railwail horen Granite Code 8B (0,06 USD) en Granite Code 20B (0,12 USD per miljoen input-tokens) bij de goedkoopste code-modellen. Kleinere open-weights modellen doen routinematig autocomplete en refactoring goed; kies een flagship als correctheid belangrijker is dan kosten.
De meeste code-modellen werken out of the box op context van één bestand. Voor multi-file-redeneren heb je een retrievallaag nodig die je repo embedt en gerelateerde bestanden binnenhaalt. Cursor en Continue.dev doen dat automatisch; gebruik in eigen agents een embeddingmodel uit /models/embedding om de retriever te bouwen.
Tools waarin je een eigen OpenAI-compatibele base-URL kunt instellen, kunnen het chat-endpoint van Railwail aanroepen. Streaming wordt nog niet ondersteund, dus autocomplete-plugins die op gestreamde tokens rekenen werken mogelijk niet; chat- en batchtaken wel.
Flagship-modellen behandelen 80+ talen met sterke performance op de top 20 (Python, TypeScript, JavaScript, Java, Go, Rust, C++, C#, Ruby, PHP, Swift, Kotlin, SQL, Bash, enz.). Niche-talen (Erlang, Elixir, Crystal, Zig) werken nog steeds maar met lagere correctheid — verifieer op je eigen snippets voor integratie.
Ja, en dit is een van de beste ROI-use-cases vandaag. Voer een functie in en vraag om unit tests; het model produceert 5-15 testgevallen inclusief edge cases en foutpaden. Combineer met een coverage tool om de suite voor merge te valideren.
Commerciële modellen verlenen onbeperkt commercieel gebruik van de output. Enkele open-weights checkpoints die op GPL-gelicentieerde code zijn getraind dragen een licentie-contaminatie-ambiguïteit — de modelkaart vermeldt de training-data-licentie. Voor closed-source producten verkies je commerciële modellen met expliciete copyright-indemniteit.
De API's van de providers ondersteunen het, maar het chat-endpoint van Railwail geeft `response_format` nog niet door. Vraag in de prompt om JSON en valideer het resultaat; voor bewerkingsplannen over meerdere bestanden levert een in de prompt beschreven schema met bestandspaden en diff-acties per bestand de betrouwbaarste resultaten.
Elk beschikbaar model via één OpenAI-compatibele API. Prepaid credits in USD, geen abonnement.
