Het antwoord: De kosten van commerciële AI-API’s kunnen voor intensieve gebruikers snel oplopen, maar open-source modellen, waaronder Chinese, bieden een betaalbaar alternatief. Vooral voor bedrijven die AI-agents inzetten voor taken zoals klantenservice of contentproductie, kan dit een aanzienlijke kostenbesparing betekenen.

Wat er aan de hand is

De grote AI-aanbieders zoals OpenAI, Anthropic en Google rekenen voor hun krachtigste modellen per gebruik, afgerekend in tokens. Een token is een stukje tekst dat het model genereert of verwerkt. De prijzen voor topmodellen liggen bijvoorbeeld rond de 5 dollar per miljoen invoertokens en 30 dollar per miljoen uitvoertokens bij GPT-5.5. Anthropic zit daar in de buurt, Google iets lager. Voor eenvoudigere, oudere modellen zijn de prijzen lager.

Het probleem is dat de rekening snel oploopt bij intensief gebruik, zeker met de opkomst van AI-agents die zelfstandig aan het werk gaan, zoals Claude Code, Cursor en OpenAI Codex. Deze agents draaien mogelijk 24/7 en verbranden daarbij continu tokens. Onderzoeksbureau Gartner waarschuwt dat de kosten voor tokens en abonnementen tegen 2028 kunnen oplopen tot boven het salaris van een gemiddelde programmeur in India. Op dit moment geeft een kwart van de ondervraagde IT-managers hun programmeurs een budget van 200 tot 500 dollar per maand, maar dat kan oplopen tot 2.000 dollar. Zes procent van de techleiders geeft nu al meer dan 2.000 dollar per developer uit.

Wat dit betekent

Voor het MKB betekent dit dat de belofte van AI-assistenten een dure grap kan worden. Waar een abonnement van 25 euro per maand voor individuele gebruikers prima werkt, worden de kosten onbeheersbaar zodra je AI-agents inzet voor geautomatiseerde taken. De prijs per token is laag, maar de volumes zijn hoog. Een AI-agent die continu klantvragen beantwoordt of content genereert, verbruikt al snel miljoenen tokens per maand.

De opkomst van open-source modellen, waaronder verschillende Chinese modellen, verandert dit speelveld. Deze modellen zijn gratis te gebruiken en kunnen op eigen servers worden gedraaid. Voor bedrijven die de technische kennis in huis hebben of kunnen inhuren, biedt dit een manier om de kosten drastisch te verlagen. De initiële investering in hardware en expertise kan zich snel terugverdienen bij intensief gebruik.

Hoe je dit kunt toepassen

Als je een webshop runt met een AI-chatbot voor klantenservice: Een commerciële API rekent per token, en een chatbot die dagelijks honderden klantvragen beantwoordt, genereert snel een aanzienlijke rekening. Overweeg om te onderzoeken of een open-source model op een eigen server dezelfde functionaliteit kan bieden voor een fractie van de kosten. Je zou kunnen beginnen met een hybride aanpak: een open-source model voor standaardvragen en een commercieel model voor complexe zaken.

Als je een team aanstuurt dat veel content produceert: Tekstgeneratie is een van de grootste verbruikers van tokens. Een team dat dagelijks productbeschrijvingen, blogs of social media posts laat genereren, kan de API-kosten zien exploderen. Een mogelijkheid is om een open-source model lokaal te draaien voor bulkwerk, terwijl je het commerciële model reserveert voor taken die meer intelligentie vereisen. Dit vereist wel iemand met technische kennis in je team of een externe partij die het opzet.

Als je software laat ontwikkelen met AI-assistenten: De Gartner-waarschuwing over stijgende kosten per developer is direct relevant. AI-codegeneratie verbrandt razendsnel tokens, en de rekening kan per ontwikkelaar oplopen tot boven de 2.000 dollar per maand. Het is verstandig om het tokenverbruik van je ontwikkelaars te monitoren en te onderzoeken of open-source modellen bepaalde taken kunnen overnemen. Je zou kunnen overwegen om een open-source model in te zetten voor eenvoudige codegeneratie en het commerciële model te bewaren voor complexe architectuurvraagstukken.

Als je een administratiekantoor of boekhouder bent: Het verwerken van documenten, het samenvatten van contracten en het opstellen van rapporten zijn taken die veel tokens verbruiken. Een open-source model op een eigen server kan deze taken uitvoeren zonder dat er per document wordt afgerekend. Een optie is om te starten met een pilot waarbij je een open-source model test op een deel van je documentenstroom en de kwaliteit vergelijkt met het commerciële model dat je nu gebruikt.

De praktische toepassing hangt af van jouw situatie, maar de kern is duidelijk: voor intensief AI-gebruik is het de moeite waard om de kosten van commerciële API’s te vergelijken met de investering in open-source alternatieven. De besparing kan aanzienlijk zijn, zeker naarmate je AI-gebruik groeit.

Bron: Sprout