TL;DR
- Wat: Sam Altman reageerde op een bericht dat 30% van iemands AI-kosten naar Anthropic's Fable 5 ging — het duurste model op de markt.
- Waarom relevant: AI-tokenkosten zijn in 2026 een serieuze begrotingspost geworden, en bedrijven branden door hun budget heen zonder het te merken.
- Wat je ermee kunt: Inventariseer welk AI-model je waarvoor inzet en of je niet standaard het duurste model gebruikt voor elke taak.
Ik stuitte op een korte tweet van Sam Altman — de CEO van OpenAI — die reageerde op iemand wiens AI-rekening voor 30% uit kosten voor Anthropic's Fable 5 bestond. Zijn reactie: "30% of the cost was on fable at these levels of usage?" Die ene zin zegt meer over de huidige stand van AI-kosten dan een heel rapport.
De prijsverschillen worden merkbaar
Even de cijfers op een rij. Anthropic's Fable 5 — het vlaggenschipmodel van de maker van Claude — kost $10 per miljoen invoertokens en $50 per miljoen uitvoertokens. OpenAI's nieuwste model, GPT-5.6 Sol, kost $5 en $30 voor dezelfde hoeveelheden. Dat is ruwweg de helft tot een derde van de prijs.
Volgens analyses van Artificial Analysis komt dat neer op zo'n $1,04 per taak voor Sol, tegenover $2,75 voor Fable 5. En dan presteert Sol volgens diezelfde benchmarks bijna gelijkwaardig: 59 punten op de Intelligence Index, slechts één punt onder Fable 5. Bovendien verbrandt Sol tot 54% minder uitvoertokens bij programmeertaken, wat de effectieve kosten nóg lager maakt.
Ik vind het opvallend dat Altman met die ene tweet eigenlijk zegt: kijk eens wat je betaalt, en kijk eens wat je bij ons krijgt. Zonder het expliciet te zeggen, is het een prijsargument verpakt als verwondering.
Tokenmaxxing: het nieuwe begrotingsrisico
Wat mij hier misschien nog meer raakt dan de modelprijzen zelf, is het patroon dat erachter zit. Er is een term voor ontstaan: tokenmaxxing. Dat is het verschijnsel waarbij bedrijven standaard het krachtigste (en duurste) AI-model inzetten voor élke taak, zonder na te denken over of dat nodig is.
De cijfers zijn best confronterend. Sam Altman zelf gaf eerder aan dat bedrijven hem vertellen: "Mijn bedrijf heeft het volledige AI-budget van 2026 in het eerste kwartaal opgebrand." Dat klinkt als een grap, maar het blijkt een terugkerend patroon. Volgens berichtgeving van onder meer TechCrunch en Tom's Hardware zijn er concrete voorbeelden:
- Bij Uber verdubbelde het gebruik van Claude Code binnen twee maanden, en was het hele jaarbudget voor AI in april op.
- Engineers bij grote techbedrijven genereerden maandelijkse tokenrekeningen van $500 tot $2.000 per persoon.
- Eén niet bij naam genoemd bedrijf zou in één maand $500 miljoen aan Claude-tokens hebben verbruikt — zonder actieve bestedingslimieten.
Kun je je voorstellen wat dit op kleinere schaal betekent? Als een bedrijf met tien medewerkers die dagelijks AI-tools gebruiken geen zicht heeft op welk model ze aanroepen, kan de rekening aan het eind van de maand fors hoger uitvallen dan verwacht.
Waarom dit ook voor kleinere bedrijven relevant is
Je denkt misschien: dit gaat over grote techbedrijven met miljoenenbudgetten, dat raakt mij niet. Ik denk dat die gedachte begrijpelijk is, maar niet helemaal klopt.
Steeds meer ondernemers gebruiken AI-tools die onder de motorkap via API's draaien. Denk aan geautomatiseerde klantenservice, code-assistenten, of tools die documenten samenvatten. Veel van die tools laten je kiezen welk model je gebruikt — of maken die keuze voor je, zonder dat je het doorhebt.
Het verschil tussen een goedkoper model en het duurste model kan een factor drie tot vijf zijn. Als je maandelijks duizenden verzoeken doet, tikt dat aan. Stel dat je als ondernemer een AI-assistent hebt draaien die elke klantvraag door Fable 5 stuurt: dat is alsof je voor elk telefoontje een specialist inhuurt, terwijl een ervaren medewerker het ook had gekund.
Wat je kunt doen
Ik zou zelf willen weten: welk model draait er eigenlijk onder mijn tools? En is dat de juiste keuze voor wat ik ermee doe? Niet elke taak vereist het krachtigste model. Een simpele samenvatting of een standaard antwoord op een veelgestelde vraag hoeft niet door het duurste model verwerkt te worden.
Dat is geen technisch advies — het is gewoon bedrijfsvoering. Net zoals je niet voor elke klus de duurste aannemer inhuurt.
De prijzenoorlog die eraan komt
Wat de tweet van Altman ook onthult, is dat er een serieuze concurrentiestrijd gaande is. Volgens de Wall Street Journal overweegt OpenAI forse prijsverlagingen, mede als reactie op vergelijkbare stappen die Anthropic naar verwachting gaat zetten. Ondertussen heeft Anthropic Fable 5 sinds 12 juli op usage-based billing gezet — je betaalt per token in plaats van dat het in je abonnement zit.
De omzetgroei van Anthropic is indrukwekkend: van een jaarlijks tempo van $9 miljard eind 2025 naar $47 miljard in mei 2026, grotendeels gedreven door Claude Code. Maar die groei brengt ook capaciteitsproblemen met zich mee — vandaar de overstap naar betaling per gebruik.
Voor de eindgebruiker — en dat ben jij als ondernemer — kan deze concurrentie gunstig uitpakken. Prijzen zullen naar verwachting dalen. Maar het risico is dat je in de tussentijd, zonder het te beseffen, het duurste model gebruikt voor taken die dat niet rechtvaardigen.
Een opmerking over benchmarks
Ik wil hier wel iets bij zeggen. De benchmarkvergelijkingen die ik noem — Sol versus Fable 5 — komen van onafhankelijke analyses, maar benchmarks vertellen niet het hele verhaal. In de praktijk kan het ene model beter zijn voor programmeertaken en het andere voor tekstanalyse. De "beste" keuze hangt af van wat je ermee doet.
Wat mij betreft is het belangrijkste inzicht niet welk model "wint", maar dat er nu meetbare, significante prijsverschillen zijn tussen modellen die qua prestaties dicht bij elkaar liggen. Dat maakt prijsbewustzijn voor het eerst echt relevant voor AI-gebruik.
Tot slot
Voor mij is die ene tweet van Altman vooral een signaal dat AI-kosten een volwassen bedrijfsonderwerp aan het worden zijn. Niet iets dat je overlaat aan de techneut in je team, maar iets dat thuishoort in hetzelfde gesprek als je energierekening of softwarelicenties. Het verschil is dat de bedragen bij AI sneller kunnen oplopen dan je verwacht — en dat de markt nog volop in beweging is.