Jouw Llama-rekening telt ook de poortwachters mee
De keuze tussen AI-modellen lijkt vaak een vergelijking van centen per miljoen tokens. Bij Meta laat de actuele modelstand zien waarom die vergelijking tekortschiet. De werkelijke rekening ontstaat pas wanneer een antwoord door de controle komt, een agent zijn taak afmaakt en een medewerker niet opnieuw hoeft te beginnen.
Dat maakt de afweging interessanter dan een ranglijst. Waar het hier om draait: Llama, Llama Guard, Prompt Guard en Code Shield als één veiligheidsketen doorrekenen in plaats van Llama alleen. We zetten de sterkste kans en de belangrijkste tegenwerping naast elkaar, met een rekenvoorbeeld dat laat zien welke benutting de investering rechtvaardigt.
Direct naar een onderdeel van dit artikel
De verandering zit niet alleen in het model
Waarom een lage tokenprijs kan misleiden
Het sterkste argument voor deze route
De kostenkant verdient meer aandacht
Een rekenvoorbeeld voor 2027 tot en met 2029
Van een goede proef naar een houdbaar proces
Wat een bedrijf nu moet vastleggen
De conclusie volgt uit de uitkomst
In het kort
Meta verspreidt Llama 4 Scout en Maverick onder de Llama 4 Community License. Toegang tot Llama-, Llama Guard- en Prompt Guard-gewichten via Hugging Face vereist aanvaarding van licentie en gebruiksbeleid. Dat is open gewichten, maar niet hetzelfde als Apache 2.0. De kern is: Llama, Llama Guard, Prompt Guard en Code Shield als één veiligheidsketen doorrekenen in plaats van Llama alleen. De goedkoopste tokenroute is daardoor niet automatisch de goedkoopste bedrijfsroute. De relevante maat is de prijs per gecontroleerde, bruikbare uitkomst.
De verandering zit niet alleen in het model
Meta bracht Muse Glimmer 30B op 19 oktober uit als lokaal agentmodel met perceptie-encoder, toolgebruik en herstel na fouten. De publicatie noemt het open source; de bijbehorende modelbestanden moeten per licentie worden gecontroleerd voordat een bedrijf ze inzet. Meta adviseert systeemveiligheid met aanvullende componenten zoals Llama Guard, Prompt Guard en Code Shield. Een productieomgeving bestaat daardoor uit meer dan het generatieve model dat de gebruiker ziet. Dat maakt dit een lastige afweging. De technische mogelijkheden nemen toe, terwijl de organisatie meer keuzes krijgt over versie, context, snelheid en kosten. Precies daardoor kan een ogenschijnlijk kleine modelinstelling de kwaliteit van een heel werkproces veranderen.
De officiële documentatie is op 24 oktober 2026 gecontroleerd. Zij beschrijft wat de leverancier aanbiedt en rekent, maar niet wat een specifieke Nederlandse organisatie ermee bespaart. Daarvoor zijn eigen taken, eigen foutgrenzen en eigen controletijd nodig. De bron voor deze modelstand is https://huggingface.co/meta-llama.
Waarom een lage tokenprijs kan misleiden
Een guardmodel beoordeelt invoer of uitvoer voordat een handeling doorgaat. Dat verlaagt risico wanneer beleid goed is afgestemd, maar voegt latency en een tweede foutkans toe. De kosten horen bij dezelfde taakrekening als Llama zelf. Een token is meetbaar en verschijnt direct op de factuur. De tijd van een medewerker die een antwoord moet controleren, een fout moet herstellen of een klant moet terugbellen staat meestal in een ander systeem. Wie alleen de API-rekening bekijkt, ziet dus maar een deel van de kosten.
Een bruikbare vergelijking begint met dezelfde taak en dezelfde kwaliteitsgrens. Tel vervolgens alle invoer, uitvoer, cache, redeneertokens, gereedschappen en herhaalpogingen. Deel dat bedrag door het aantal uitkomsten dat zonder herstel door de controle komt. Pas dan ontstaat een prijs per succesvolle taak die tussen modellen te vergelijken is.
Daar komt beschikbaarheid bij. Een sneller antwoord heeft waarde als een medewerker erop wacht of een klant anders afhaakt. Voor nachtelijke batchverwerking is dezelfde snelheid vaak weinig waard. Batchkorting kan dan aantrekkelijker zijn dan een snellere en duurdere route.
Het sterkste argument voor deze route
Voor gereguleerde processen kan een afzonderlijke controlelaag verstandig zijn. Het veiligheidsmodel kan onafhankelijk worden getest en bijgewerkt zonder het hoofdmodel opnieuw te trainen. Lokale uitvoering houdt gevoelige tekst binnen de eigen omgeving. Dat scenario verdient serieus aandacht, omdat niet ieder proces dezelfde foutkosten heeft. Een marketingconcept kan snel worden verworpen. Een verkeerde contractclausule of een onjuiste boeking kan veel meer herstelwerk veroorzaken.
De modelkeuze hoeft daarom niet voor de hele organisatie gelijk te zijn. Een smalle routering kan eenvoudige opdrachten naar een goedkoop model sturen en alleen moeilijke of risicovolle gevallen opschalen. Die opzet werkt alleen wanneer de organisatie vooraf meet wat moeilijk en risicovol betekent. Zonder die grens wordt opschalen willekeurig en verdwijnt de beloofde besparing.
De kostenkant verdient meer aandacht
Een guardmodel is geen vergunning voor autonome acties. Rechten, sandboxing en menselijke goedkeuring blijven nodig. Bovendien verschillen de licenties per model, zodat “Meta is open” geen voldoende inkoopconclusie is. Leveranciersbenchmarks blijven nuttig om mogelijkheden te verkennen, maar ze meten zelden de volledige workflow. Een hoge score zegt weinig over de kwaliteit van bronverwijzingen, de stabiliteit van JSON, de omgang met Nederlandse uitzonderingen of de tijd die een reviewer nodig heeft.
Ook cache en lange context vragen om discipline. Hergebruik kan de rekening sterk verlagen, maar alleen wanneer dezelfde context daadwerkelijk terugkomt. Een groot contextvenster voorkomt knipwerk, maar betaalt geen rente op ongebruikte informatie. De beste configuratie is vaak kleiner en voorspelbaarder dan de maximale technische limiet.
Ten slotte moet de economische eigenaar duidelijk zijn. De IT-afdeling ziet tokens en beschikbaarheid, de vakafdeling ziet controletijd en fouten, en finance ziet de totale kasuitgave. Wanneer die drie cijfers niet bij elkaar komen, kan een succesvolle proef alsnog een duur productieproces worden.
Een rekenvoorbeeld voor 2027 tot en met 2029
Het volgende voorbeeld is nadrukkelijk geen voorspelling. Stel dat de invoering €42.000 kost, met €24.000 jaarlijkse beheer- en controlekosten. Een goedgekeurde taak voorkomt gemiddeld €5,80 aan tijd of herstel; de variabele kosten bedragen €0,96. De omgekeerde formule voor het eerste jaar is dan (€42.000 + €24.000) gedeeld door €4,84. De drempel ligt op ongeveer 13.637 goedgekeurde taken.
Voor het lage scenario is uitgegaan van trage ingebruikname en veel menselijke controle. Het middenscenario veronderstelt dat de workflow stabiel wordt en het aantal bruikbare taken jaarlijks groeit. Het hoge scenario veronderstelt meer volume en minder herstel, zonder de foutkosten weg te poetsen. De visual rekent de taakvolumes per scenario om naar nettokasbesparing: volume maal bijdrage per goede taak, min jaarlijkse kosten en in 2027 ook de invoering. Het zijn kaswaarden vóór belasting en financiering.
De beslissende variabele is niet het totale aantal aanvragen, maar het aantal goedgekeurde uitkomsten. Wanneer slechts de helft van de antwoorden bruikbaar blijkt, verdubbelt grofweg het aantal aanvragen dat voor dezelfde zakelijke opbrengst nodig is. Daardoor kan een duurder model met een hogere slaagkans economisch winnen.
Van een goede proef naar een houdbaar proces
Een proef werkt vaak met enthousiaste medewerkers, schone voorbeelden en veel aandacht van ontwikkelaars. Productie is minder vriendelijk. Documenten zijn rommelig, gebruikers formuleren dezelfde opdracht anders en piekbelasting komt precies wanneer de vakafdeling haast heeft. Daarom hoort de evaluatie niet te stoppen na de eerste demonstratie. Meet per maand hoeveel taken zonder herstel slagen, hoeveel minuten controle nodig zijn en welke uitzonderingen telkens terugkomen.
Voor Meta is bovendien belangrijk dat modelnamen, prijsroutes en beschikbaarheid kunnen veranderen. Bewaar daarom bij iedere aanvraag de datum, werkelijk gebruikte modelversie, hoeveelheid context, eventuele cachetreffer en gereedschapsaanroepen. Die gegevens maken later zichtbaar of een kostenstijging door meer gebruik, een duurdere route of slechtere kwaliteit kwam. Zonder die uitsplitsing wordt de rekening een totaalbedrag waar niemand meer een besluit uit kan afleiden.
Ook inkoopvoorwaarden tellen mee. Batchkorting, gereserveerde capaciteit of eigen hardware kan een lagere eenheidsprijs geven, maar maakt de organisatie minder flexibel. Een contract is pas goedkoop wanneer het volume werkelijk wordt benut. Een server is pas rendabel wanneer bezetting, energie, beheer en afschrijving samen lager blijven dan de vermeden cloudkosten. Dat is een kasstroomvraag, geen technisch prestigeproject.
Wat een bedrijf nu moet vastleggen
Leg per component modelversie, licentie en functie vast. Meet de volledige keten op gemiste risico’s, onterechte blokkades, latency en hardwarekosten. Geef onomkeerbare tools nooit uitsluitend vrij op basis van één modelclassificatie. Leg daarnaast de actuele modelversie, prijslaag en peildatum vast. Maak vervolgens een set echte taken met duidelijke acceptatiecriteria. Meet de eerste poging, de herhaalpogingen, de controletijd en eventuele schade door fouten. Doe dit opnieuw wanneer een alias, versie, provider of quantisatie verandert.
Een productiecontract verdient daarnaast een limiet per taak, een log van de werkelijk gebruikte versie en een terugvalroute. Die terugvalroute moet vooraf zijn getest. Een tweede model dat bij een storing voor het eerst wordt aangeroepen, is geen continuïteitsplan maar een experiment op het slechtste moment.
De conclusie volgt uit de uitkomst
Meta’s open model vraagt een tweede model om de poort te bewaken is daarmee geen pleidooi voor de duurste of goedkoopste route. Het is een pleidooi om de economische maat op de goede plaats te zetten. Tokens zijn grondstof; een gecontroleerde beslissing, codewijziging of klantactie is het product.
De overtuiging wordt sterker wanneer dezelfde kwaliteit aantoonbaar met minder herhaalwerk wordt geleverd. Zij wordt zwakker wanneer de beloofde besparing alleen uit leveranciersprijzen komt en de controletijd buiten beeld blijft. Opnieuw kijken wanneer Meta nieuwe Llama- of guardversies uitbrengt, Muse Glimmer als dienst aanbiedt of de licentievoorwaarden veranderen.
Word abonnee van De Belegger en gebruik code GRAAG voor toegang tot onze analyses.
Opmerkingen