Doorzoek deze website

In het kort The Trade Desk verwacht voor het derde kwartaal minimaal $650 miljoen omzet en ongeveer $160 miljoen aangepaste EBITDA. Dat komt neer op een marge van 24,6 procent, duidelijk lager dan de 34 procent in het tweede kwartaal. Bij een koers van $11,92 draait de beleggingsvraag daarom niet alleen om herstel van omzetgroei. De kostenbasis moet langzamer gaan groeien dan de omzet, terwijl aandelenbeloning niet opnieuw een groot deel van de economische winst opeet. Een lagere kwartaalmarge kan door timing ontstaan en hoeft geen structurele breuk te zijn. Maar bij een softwareplatform is schaal juist een belangrijk deel van het waarderingsverhaal. Wanneer omzetgroei vertraagt, moet zichtbaar worden welke kosten werkelijk variabel zijn. De eigen Q3-richting geeft daarvoor een nuttige drempel. Vanaf 24,6 procent moet de marge herstellen, terwijl GAAP-winst en vrije kas per aandeel dezelfde kant op bewegen. Direct naar een onderdeel van dit artikel De kwartaalverwachting legt de zwakke plek bloot Een advertentieplatform met een schaalbelofte Aandelenbeloning telt wel degelijk De sterkste tegenwerping Drie koerspaden tot en met 2029 Wat wij nu volgen De kwartaalverwachting legt de zwakke plek bloot Op 6 augustus rapporteerde The Trade Desk over het tweede kwartaal $715 miljoen omzet, drie procent meer dan een jaar eerder. De aangepaste EBITDA bedroeg $241 miljoen, goed voor een marge van 34 procent. Een jaar eerder lag die marge nog op 39 procent. De GAAP-nettowinst kwam uit op $64 miljoen en de nettomarge daalde van 13 naar 9 procent. Voor het derde kwartaal verwacht het bedrijf minimaal $650 miljoen omzet en circa $160 miljoen aangepaste EBITDA. De impliciete marge van 24,6 procent is geen detail. EBITDA is winst voor rente, belasting, afschrijving en enkele andere posten. The Trade Desk gebruikt een aangepaste versie die onder meer aandelenbeloning buiten beschouwing laat. Zij toont de operationele richting, maar niet de volledige economische kosten voor aandeelhouders. De module laat zien hoe gevoelig de marge is voor omzet en EBITDA. Bij $650 miljoen omzet is voor een marge van 30 procent $195 miljoen EBITDA nodig. Voor 34 procent is $221 miljoen nodig. Het verschil tussen de eigen verwachting en het Q2-niveau is dus tientallen miljoenen. Een seizoenseffect kan een deel verklaren, maar de kostenbasis moet daarna zichtbaar meebuigen. Een advertentieplatform met een schaalbelofte The Trade Desk helpt adverteerders digitale advertentieruimte te kopen via het open internet. Het platform verdient doorgaans een percentage van de advertentiebestedingen die erdoorheen lopen. Connected television, online video, audio, retailmedia en websites zijn belangrijke kanalen. De waardepropositie is onafhankelijkheid: het bedrijf verkoopt geen eigen consumentenplatform en zegt daarom de belangen van de adverteerder centraal te stellen. Dat model kan sterk schalen. Software verwerkt extra veilingen tegen relatief lage marginale kosten. Als de omzet sneller groeit dan personeel, datacenters, verkoop en onderzoek, stijgt de marge. Het omgekeerde geldt ook. Bij lage omzetgroei wordt een kostenbasis die op sterke groei is gebouwd zwaar. Operationele hefboom betekent dat een kleine verandering in omzetgroei een veel grotere verandering in winst kan veroorzaken. De hefboommodule begint met de omzet- en kostenbasis die bij de Q3-richting past. Als omzet tien procent groeit en kosten vijf procent, loopt de model-EBITDA in drie jaar duidelijk op. Groeien beide even snel, dan blijft het margeherstel beperkt. Dit is precies de test voor de komende kwartalen: niet alleen meer advertentiebestedingen, maar een groter verschil tussen omzetgroei en kostengroei. Kokai, het nieuwe platform van The Trade Desk, moet campagnes slimmer aansturen met meer data en kunstmatige intelligentie. Technisch succes is echter pas financieel bewijs als klanten meer via het platform besteden en die omzet niet volledig wordt opgeslokt door implementatie, verkoop of infrastructuur. Een productintroductie is geen erkende omzet en een klantmigratie is geen winstherstel. Aandelenbeloning telt wel degelijk In het tweede kwartaal bedroeg aandelenbeloning ongeveer $110 miljoen en over het eerste halfjaar circa $219 miljoen. Aandelenbeloning is geen directe kasuitgave, maar vergroot het aantal aanspraken op de onderneming. Als The Trade Desk eigen aandelen inkoopt om die uitgifte te compenseren, verdwijnt echte kas. Daarom is aangepaste EBITDA nuttig voor de bedrijfsontwikkeling, maar onvoldoende voor de waarde per aandeel. In onze analyse van inkoop terwijl de GAAP-winst daalt stond die spanning centraal. Het vervolg over inkoop tegenover personeelsuitgifte laat zien waarom het netto aantal aandelen belangrijker is dan het bruto inkoopbedrag. Een groot inkoopprogramma kan worden genoemd terwijl de verwatering nauwelijks afneemt. De koers van $11,92 is de twintig minuten vertraagde Nasdaq-notering op 6 oktober 2026, zoals getoond op de De Belegger-koerspagina voor TTD. De beurswaarde lag rond $5,65 miljard. De forse koersdaling ten opzichte van eerdere jaren verlaagt de verwachtingen, maar maakt het aandeel niet automatisch goedkoop. Eerst moet duidelijk zijn welke winstmaat structureel beschikbaar is voor aandeelhouders. Bij een gewenst jaarlijks koersrendement van 10 procent en een eindwaardering van negentien keer de winst moet The Trade Desk in 2029 ongeveer $0,84 verwaterde winst per aandeel verdienen. De formule is $11,92 maal 1,10 tot de macht drie, gedeeld door negentien. Dit is een eigen reverse valuation en geen analistenconsensus. Zij dwingt ons om omzetgroei, marge en verwatering samen te beoordelen. De sterkste tegenwerping Het optimistische argument is dat adverteerders een onafhankelijke toegang tot het open internet nodig hebben. Streamingdiensten voegen advertentieabonnementen toe, retailers bouwen datanetwerken en merken willen niet volledig van één grote consumententuin afhankelijk zijn. The Trade Desk kan daar als neutrale kooplaag van profiteren. Als Kokai betere resultaten levert, kunnen klantuitgaven weer versnellen zonder eenzelfde stijging van de kosten. De sterkste tegenwerping is dat de grote platforms juist over unieke consumentendata, advertentievoorraad en distributie beschikken. Google, Amazon en andere gesloten ecosystemen hoeven hun meest waardevolle data niet te delen. The Trade Desk moet daarnaast investeren in identiteitsoplossingen en meetmethoden terwijl privacyregels veranderen. Bij een zwakke advertentiemarkt kunnen klanten bovendien snel budget pauzeren, terwijl personeel en technologie niet even snel goedkoper worden. De Q3-richting maakt dit concreet. Een marge van 24,6 procent is niet rampzalig, maar laat weinig ruimte voor het oude beeld van een moeiteloos schaalbaar softwareplatform. Het herstelbewijs moet in de resultaten verschijnen, niet alleen in het verhaal over marktaandeel. Drie koerspaden tot en met 2029 De scenario's vertrekken vanaf $11,92 en combineren per jaar een verwaterde winst per aandeel met een passend winstveelvoud. De koersuitkomsten zijn exclusief dividend, dat voor dit groeibedrijf geen hoofdrol speelt. Het zijn mogelijke paden en geen vaste doelen. In het bear-pad gaat de koers via $8,50 in 2027 en $7,80 in 2028 naar $8,20 in 2029. De omzetgroei blijft laag en de marge herstelt nauwelijks. Het middenpad van $14, $17 en $21 vraagt dat Kokai, connected television en retailmedia de omzet weer sneller laten groeien dan de kosten. Het gunstige pad van $18, $25 en $34 veronderstelt tegelijk marktaandeelwinst, een sterkere advertentiemarkt en duidelijke operationele hefboom. Wat wij nu volgen De eerste controle is de Q3-marge rond de aangegeven omzet. Daarna kijken we naar klantretentie, bestedingen via Kokai, groei in connected television en de ontwikkeling van GAAP-winst tegenover aangepaste EBITDA. Ook het verwaterde aantal aandelen moet stabiliseren. Een groeiende kasstroom heeft minder waarde als zij door aanhoudende uitgifte over steeds meer aandelen wordt verdeeld. The Trade Desk bezit een relevant platform in een markt die steeds digitaler wordt. De huidige waardering biedt meer ruimte voor herstel dan voorheen, maar de eigen prognose laat zien dat de kostenbasis nog niet past bij matige groei. Bij $11,92 hoeft geen terugkeer naar de oude perfectie te worden betaald. Wel moet de marge vanaf 24,6 procent omhoog en moet een groter deel van de aangepaste winst GAAP-winst en vrije kas voor aandeelhouders worden. Ons oordeel luidt GRAAG, met een kleinere positie zolang dat herstel nog niet is aangetoond. Omslagfoto: Jeff Green, medeoprichter en CEO van The Trade Desk. Foto: The Trade Desk via Wikimedia Commons, CC BY-SA 2.0; archiefbeeld van 14 februari 2024.

In het kort Alibaba meldde bij zijn recente productpresentatie dat meer dan 100.000 eigen Zhenwu-AI-processors zijn ingezet. Ruim 60% van de rekenkracht bedient externe klanten en meer dan dertig autofabrikanten en bedrijven rond autonoom rijden gebruiken de technologie. De Amerikaanse ADS sloot op 6 oktober op $109,26 aan de NYSE. Eén ADS vertegenwoordigt acht gewone aandelen in Hongkong. De inzet van eigen chips kan kosten verlagen en de afhankelijkheid van buitenlandse leveranciers beperken, maar aantallen chips zijn nog geen vrije kas. Cloudomzet groeide in het laatste kwartaal 40%. Dat is sterk. De beleggersvraag is nu hoeveel van die groei uit betalende externe vraag komt, welke prijs Alibaba per rekeneenheid ontvangt en hoeveel kas overblijft na datacenters, energie, software en nieuwe chipgeneraties. Direct naar een onderdeel van dit artikel Eigen chips veranderen de kostenstructuur Externe klanten zijn belangrijker dan intern gebruik Capex kan de groei tijdelijk overschaduwen Wat moet $109,26 waarmaken? Drie koerspaden Eigen chips veranderen de kostenstructuur Een cloudbedrijf koopt normaal processors van leveranciers en verdient aan het verschil tussen de verhuurprijs en de totale kosten van hardware, stroom, koeling, netwerk en personeel. Met een eigen chip kan Alibaba een deel van de leveranciersmarge zelf houden en de hardware voor eigen software optimaliseren. Daar staat een ontwikkelrisico tegenover. Chipontwerp vraagt veel ingenieurs, softwareondersteuning en voortdurende investeringen. Een eigen processor die onvoldoende wordt gebruikt, veroudert voordat de ontwikkelkosten zijn terugverdiend. De economische waarde zit daarom in benutting, prijs en kasmarge. De module koppelt 100.000 chips aan 60% externe benutting. Bij $35.000 jaarlijkse omzet per externe chip en 24% kasbijdragemarge ontstaat ongeveer $0,50 miljard modelkas. De uitkomst is gevoelig voor de omzet per chip. Veel bezette capaciteit tegen een lage prijs kan nog steeds weinig opleveren. Externe klanten zijn belangrijker dan intern gebruik Intern gebruik kan advertenties, aanbevelingen, logistiek en klantenservice verbeteren. Die waarde is echt, maar moeilijk afzonderlijk te meten. Externe klanten betalen een zichtbare factuur en maken de cloudmarge controleerbaarder. Autofabrikanten zijn interessant omdat zij langdurige rekenbehoefte kunnen hebben voor training, simulatie en inference. Inference is het dagelijks gebruiken van een getraind model. De omzet kan terugkeren, maar klanten onderhandelen scherp en kunnen workloads over meerdere clouds verdelen. In de analyse van Alibaba Cloud en AI Labs wordt het verschil tussen winstgevende infrastructuur en experimentele uitgaven uitgelegd. De waarderingsanalyse van Alibaba's Chinese winst laat zien waarom de China-korting niet alleen door groei verdwijnt. Eigen chips voegen een nieuwe laag toe: technische controle moet in kas per ADS eindigen. Capex kan de groei tijdelijk overschaduwen Datacenters vragen vooruitbetalingen voor gebouwen, chips, stroomaansluitingen en netwerken. De omzet volgt pas wanneer klanten capaciteit afnemen. Een snel groeiende cloud kan daardoor winst rapporteren en tegelijk vrije kas verbruiken. Het model laat zien dat 40% cloudgroei pas aantrekkelijk wordt wanneer de kasmarge na schaal voldoende hoog is. Bij een lage marge en $8 miljard extra AI-investeringen blijft weinig over. Dat betekent niet dat de investering verkeerd is. Het betekent dat de terugverdientijd langer wordt. De sterkste gunstige redenering is dat Alibaba handel, cloud, logistiek en AI in één ecosysteem combineert. Eigen chips kunnen de kosten van al die activiteiten verlagen. De tegenwerping is dat kapitaal over veel projecten wordt verdeeld en de aandeelhouder minder zicht heeft op het rendement van ieder onderdeel. Wat moet $109,26 waarmaken? Bij een eindwaardering van veertien keer aangepaste winst en 9% gewenst jaarlijks koersrendement moet Alibaba in 2029 ongeveer $10,08 winst per ADS verdienen. Dat vereist niet alleen omzetgroei, maar ook herstel van vrije kas na de investeringspiek. Regelgeving en de juridische structuur blijven aparte risico's. De ADS geeft economisch belang via een Cayman-structuur en contractuele afspraken rond Chinese activiteiten. Kas in China stroomt niet vanzelf naar de Amerikaanse ADS-houder. Daarom verdient dezelfde winst mogelijk een lagere multiple dan bij een Amerikaanse cloudprovider. Drie koerspaden Het bearpad toont $82 in 2027, $74 in 2028 en $70 in 2029. Het middenpad geeft $120, $138 en $158. Het gunstige pad komt uit op $145, $185 en $235. Dit zijn scenario's, geen koersdoelen. Wisselkoersen en netto aandeleninkoop kunnen de ADS beïnvloeden. Volg externe cloudomzet, aangepaste EBITA, capex, vrije kasstroom en het verwaterde aantal ADS-equivalenten. De chipmijlpaal is technisch betekenisvol. De financiële mijlpaal komt pas wanneer klanten genoeg betalen. Concurrentie maakt die lat zwaarder. Chinese cloudklanten kunnen kiezen tussen Alibaba, Tencent, Huawei en gespecialiseerde aanbieders. Prijsverlagingen vullen capaciteit, maar vertragen de terugverdientijd. Exportbeperkingen op geavanceerde buitenlandse chips kunnen Alibaba's eigen ontwerp strategisch waardevoller maken, terwijl dezelfde beperkingen de toegang tot productietechnologie en geheugenchips bemoeilijken. Ook software telt: klanten blijven pas wanneer modellen, ontwikkeltools en databases goed samenwerken. Een eigen processor zonder aantrekkelijk softwareplatform is slechts dure hardware. De gunstige case vraagt daarom drie bewijzen tegelijk: betrouwbare levering, hoge externe benutting en een marge die na nieuwe capex stijgt. Ontbreekt één schakel, dan groeit de infrastructuur sneller dan de waarde per ADS. Pak je kans! Word lid met de code GRAAG en krijg 50 procent korting. Alibaba heeft een geloofwaardige volledige AI-stack. Voor de belegger telt uiteindelijk niet hoeveel processors draaien, maar hoeveel vrije kas iedere processor per ADS creëert. Fotocredit: Eddie Wu, CEO van Alibaba, presenteert de AI-roadmap tijdens de Apsara Conference 2026. Foto: Alibaba-evenement, via IT-Times, archiefbeeld.

In het kort a.s.r. rapporteerde over de eerste helft van 2026 €773 miljoen operationele kapitaalgeneratie, 7,3% meer dan een jaar eerder. Het operationele resultaat steeg 9,8% tot €901 miljoen en de Solvency II-ratio kwam uit op 222%. Het aandeel sloot op 6 oktober op €72,62 in Amsterdam. De balans is sterk, maar 222% solvabiliteit is geen kasrekening. De ratio vergelijkt beschikbaar kapitaal met het kapitaal dat toezichthouders en interne modellen voor de risico's verlangen. Management moet dezelfde kapitaalaanwas verdelen over dividend, aandeleninkoop, organische groei, integratie en extra buffers. Voor de aandeelhouder telt niet hoeveel opties op papier bestaan, maar welke combinatie de hoogste waarde per aandeel creëert zonder de verzekeraar kwetsbaar te maken. Direct naar een onderdeel van dit artikel Kapitaal heeft vier bestemmingen Een hoge buffer kan snel bewegen Groei is niet automatisch beter dan inkoop Wat moet €72,62 waarmaken? Drie koerspaden Kapitaal heeft vier bestemmingen Verzekeraars verdienen aan premies, beleggingsmarges en vergoedingen. Ze moeten tegelijk kapitaal reserveren voor claims die soms pas jaren later worden betaald. Operationele kapitaalgeneratie benadert hoeveel nieuw kapitaal de activiteiten na die vereisten produceren. Het interimdividend steeg 9,4% tot €1,39 per aandeel. a.s.r. rondde daarnaast een aandeleninkoop van €175 miljoen af. Beide belonen aandeelhouders, maar ze verlagen de kas of het beschikbare kapitaal. Groei kan waarde toevoegen, maar vraagt eerst investeringen. De module verdeelt een modelmatige €1,55 miljard jaarcapaciteit over dividend, inkoop en groei. De rest versterkt de buffer. Wie uitkeringen verhoogt, ziet direct hoeveel minder ruimte overblijft. Dat is de kern van kapitaaldiscipline: iedere euro kan maar één bestemming tegelijk hebben. Een hoge buffer kan snel bewegen Solvabiliteit verandert door rente, kredietspreads, aandelenmarkten, vastgoed, claims en modelaanpassingen. Een marktschok kan zowel het beschikbare kapitaal als het vereiste kapitaal raken. Daarom houdt management een comfortmarge boven de wettelijke ondergrens aan. Bij 222% startsolvabiliteit, een schok van 22 procentpunten en een interne comfortgrens van 175% resteert 25 punten ruimte. Dat is ruim, maar niet onbeperkt. Een zware storm, dalende markten en hogere kapitaaleisen kunnen tegelijk optreden. In de analyse van a.s.r.'s pensioenvermogen staat de marge op beheerd vermogen centraal. De analyse van aandeleninkoop laat zien dat een lager aandeelental alleen waarde toevoegt bij een verstandige prijs. De nieuwe afweging is breder: welk deel van de kapitaalaanwas moet naar buffer, groei en uitkering? Groei is niet automatisch beter dan inkoop Na de integratie van Aegon Nederland heeft a.s.r. meer schaal. Dat kan administratie, distributie en vermogensbeheer efficiënter maken. De onderneming kan kosten over meer klanten verdelen en meerdere producten via dezelfde infrastructuur aanbieden. De sterkste tegenwerping is dat grote integraties operationeel complex blijven. IT-migraties, klantcommunicatie en harmonisatie van producten kunnen langer duren of duurder worden. Een overname verhoogt de totale winst, maar niet vanzelf de winst of kapitaalgeneratie per aandeel. Aandeleninkoop is aantrekkelijk wanneer a.s.r. onder een conservatieve economische waarde koopt en de buffer ruim blijft. Bij een hoge koers verdwijnen minder aandelen voor hetzelfde bedrag. Groei verdient de voorkeur wanneer nieuwe contracten of overnames een hoger risicogewogen rendement bieden. Wat moet €72,62 waarmaken? Bij 8% gewenst jaarlijks koersrendement en een eindwaardering van dertien keer operationele kapitaalgeneratie per aandeel is in 2029 ongeveer €7,06 per aandeel nodig. Dividend komt bovenop deze koersrekensom. Een lagere eindmultiple verhoogt de vereiste kapitaalgeneratie. De waardering vertrouwt op stabiele schadepricing, voldoende beleggingsmarge en integratievoordelen. De balans biedt bescherming, maar geen vrijbrief. Als claims sneller stijgen dan premies of markten tegelijk tegenzitten, neemt de uitkeringsruimte af. Drie koerspaden Het bearpad geeft €61 in 2027, €57 in 2028 en €55 in 2029. Het middenpad komt uit op €76, €81 en €87. Het gunstige pad toont €84, €94 en €106. Dit zijn scenario's in euro's, geen koersdoelen. Dividend staat erbuiten. Volg de operationele kapitaalgeneratie, Solvency II-ratio na uitkeringen, schadeprijsstelling en werkelijk ingetrokken aandelen. Samen laten die cijfers zien of kapitaal per aandeel groeit. De schadeactiviteiten geven een vroege waarschuwing. Herstelkosten van auto's en woningen stijgen door duurdere onderdelen, lonen en complexere techniek. Premies kunnen worden verhoogd, maar met vertraging en het risico dat klanten overstappen. In levensverzekeringen en pensioenen ligt het risico juist langer in de tijd: rente, levensverwachting en beleggingsrendement bepalen hoeveel kapitaal nodig blijft. Dat maakt de diversificatie waardevol, maar niet risicoloos. Wanneer schade-inflatie en slechte markten tegelijk toeslaan, kan de buffer sneller dalen dan één losse gevoeligheid suggereert. De aantrekkelijke uitkeringscapaciteit hoort daarom altijd naast de kwaliteit van prijsstelling, herverzekering en balansmatching te worden gelezen. Juist die samenhang bepaalt de echte buffer. Even tussendoor: als je dit interessant vindt, dit is precies wat we dagelijks doen om jou en andere beleggers te helpen. Word nu lid en krijg 50 procent korting met de code GRAAG. a.s.r. heeft voldoende kapitaal om meerdere doelen te combineren. De beste uitkomst ontstaat niet door maximaal uit te keren, maar door iedere euro daar te plaatsen waar hij veilig het meest per aandeel verdient. Fotocredit: Ingrid de Swart, CEO van a.s.r. Foto: a.s.r., officiële foto bij haar benoeming op 20 mei 2026.

In het kort Kimi K3 en Kimi K2.6 maakt een groot contract-, onderzoeks- of due-diligencedossier doorzoeken technisch haalbaar, maar de doorslaggevende kosten zitten in antwoorden zonder paginanummer, passage of versie. Moonshot beschrijft Kimi K3 als vlaggenschip voor langlopende code- en kennisopdrachten met native visueel begrip. K2.6 verwerkt tekst, beeld en video. K3 ondersteunt volgens de API-uitleg een contextvenster tot één miljoen tokens. We rekenen daarom terug vanaf geaccepteerd werk en laten zien hoeveel tijd of kwaliteit de inzet moet opleveren. De uitkomst is geen rendementsgarantie, maar een beslisgrens die een organisatie met eigen meetgegevens kan toetsen. Een lang contextvenster voorkomt knipwerk, maar controleert de conclusie niet. Als een analist alsnog honderden pagina’s moet doorzoeken naar de oorsprong van een getal, is de grootste beloofde tijdwinst verdwenen. De eerste fout in veel vergelijkingen is dat de modelprijs wordt behandeld als de volledige kostprijs. In de praktijk horen ook integratie, logging, evaluatie, beveiliging en de tijd van medewerkers bij de rekening. Een goedkope API kan daardoor de duurste route worden wanneer veel antwoorden opnieuw moeten worden gevraagd of gecontroleerd. Andersom kan een duurder model rationeel zijn wanneer het aantoonbaar minder herstelwerk veroorzaakt. Wat de actuele modelinformatie wel en niet zegt Volgens de Kimi API-overzicht geldt op 7 oktober 2026 het volgende: Moonshot beschrijft Kimi K3 als vlaggenschip voor langlopende code- en kennisopdrachten met native visueel begrip. K2.6 verwerkt tekst, beeld en video. K3 ondersteunt volgens de API-uitleg een contextvenster tot één miljoen tokens. Die gegevens zijn bruikbaar voor een eerste begroting, maar ze zeggen niet hoeveel taken in het Nederlands goed eindigen, hoeveel pogingen nodig zijn of hoeveel menselijke controle resteert. Beschikbaarheid moet bovendien precies worden benoemd. Commerciële API en afzonderlijke bedrijfs- en lidmaatschapsproducten. Een model dat via een chatdienst gratis is te proberen, is daarmee niet automatisch vrij inzetbaar in een productieomgeving. Evenmin betekent een openbare modelkaart dat de gewichten downloadbaar zijn of dat commercieel gebruik zonder voorwaarden is toegestaan. De tweede primaire bron is de Kimi K3-technische blog. Die helpt om de technische mogelijkheden te plaatsen, maar leveranciersdocumentatie blijft leveranciersinformatie. Benchmarkresultaten zijn meestal uitgevoerd onder vaste instellingen en zeggen weinig over eigen documenten, Nederlandse formuleringen, koppelingen of fouten die buiten de testset vallen. Daarom is een kleine, representatieve proef belangrijker dan een lange lijst scores. Kies twintig tot honderd echte taken, leg vooraf vast wat goed genoeg is en laat een inhoudsdeskundige blind beoordelen. Meet daarna kosten per geaccepteerde taak, niet alleen kosten per miljoen tokens. Dat voorkomt dat een model met lage tarieven wint terwijl medewerkers veel correcties uitvoeren. De proef moet ook het normale werkritme nabootsen. Een laboratoriumtest met één korte prompt mist precies de onderdelen die in productie geld kosten: grote bijlagen, meerdere gebruikers, wisselende talen, toolfouten en piekbelasting. Voor een groot contract-, onderzoeks- of due-diligencedossier doorzoeken hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of antwoorden zonder paginanummer, passage of versie incidenteel is of structureel terugkomt. Let daarnaast op de volgorde van handelingen. Een workflow die eerst alle documenten naar het duurste model stuurt, verspilt capaciteit wanneer een simpele filter de helft kan verwijderen. Omgekeerd kan te vroeg filteren relevante informatie weggooien. De beste keten gebruikt een goedkoop selectiemechanisme, een passend hoofdmodel en een gerichte controle. Iedere stap krijgt een eigen meetpunt, zodat duidelijk blijft waar kwaliteit verloren gaat. Databeheer hoort vanaf het begin in de opzet. Leg vast welke invoer mag worden bewaard, wie logs kan zien en hoe lang voorbeelden voor evaluatie beschikbaar blijven. De modeluitkomst kan bedrijfsinformatie bevatten, ook wanneer de oorspronkelijke prompt onschuldig lijkt. Een leverancier die niets bewaart, neemt bovendien de eigen plicht tot toegangsbeheer, geheimhouding en incidentregistratie niet over. Een derde aandachtspunt is versiebeheer. Leveranciers vervangen aliassen, voegen modellen toe en beëindigen endpoints. Open gewichten veranderen minder onverwacht, maar de runtime, quantisatie en promptlaag kunnen wel verschuiven. Bewaar daarom een kleine vaste regressieset en draai die opnieuw vóór iedere wijziging. Zonder zo’n anker is een kwaliteitsdaling moeilijk te onderscheiden van veranderde brondata of menselijk beoordelingsverschil. Ook de personeelskant verdient een eigen regel in het budget. Medewerkers moeten leren wanneer het model mag handelen, wanneer een bron nodig is en hoe een fout wordt gemeld. Die opleiding is geen eenmalige kostenpost, omdat modellen en werkprocessen blijven veranderen. Een project dat alleen tijdens de pilot door twee enthousiastelingen wordt gedragen, heeft nog geen schaalbaar bedrijfsproces bewezen. Ten slotte moet de organisatie een alternatief houden. Dat kan een tweede API, een kleiner lokaal model of een handmatige noodprocedure zijn. Redundantie kost geld, maar voorkomt dat een storing of plotselinge prijswijziging het hele proces stilzet. De waarde ervan is het grootst bij werk met deadlines. Juist daar kan één uur uitval duurder zijn dan een maand aan reservekosten. De omgekeerde rekensom maakt de grens zichtbaar Voor het rekenvoorbeeld nemen we maandelijkse model-, beheer- en controlekosten van € 360. De waarde van een vrijgespeeld arbeidsuur is € 58. De minimale besparing is dan € 360 gedeeld door € 58, oftewel 6.2 uur per maand. Dat is de drempel vóór financieringskosten, belastingen en een risicomarge. De lage, midden- en hoge scenario’s veronderstellen respectievelijk 5, 17 en 38 bespaarde minuten per werkdag. We rekenen met 220 werkdagen. De bruto tijdswaarde is minuten per dag maal 220 gedeeld door zestig, maal € 58. Daar trekken we twaalf maal € 360 vanaf. Het verschil is de netto kasbesparing in het schema. Deze formule telt alleen tijd die werkelijk uit betaald werk verdwijnt. Als een medewerker de vrijgekomen minuten niet anders kan inzetten, ontstaat geen directe kasbesparing. Ook mag dezelfde winst niet dubbel worden geteld als snellere doorlooptijd én extra productie, tenzij beide afzonderlijk zijn gemeten. Hetzelfde geldt voor minder fouten: de vermeden herstelkosten mogen niet nogmaals als tijdsbesparing terugkomen. Niet elke taak vraagt formele citaten. Voor brainstormen of een eerste thematische kaart kan een globaal antwoord voldoende zijn. Bij investeringsbeslissingen, juridische documenten en medische informatie hoort de lat hoger te liggen. Voor 2027, 2028 en 2029 houden we dezelfde uurwaarde en maandkosten aan. Dat is bewust conservatief en maakt zichtbaar welke benutting nodig is zonder een verzonnen daling van tokenprijzen. In werkelijkheid kunnen tarieven, modellen en hardware sneller veranderen dan de interne processen. Een jaarlijkse herijking is daarom noodzakelijk. De scenario’s zijn geen voorspelling van de markt, maar een toets voor de eigen organisatie. Het lage scenario past bij een voorzichtige invoering met veel controles. Het middenscenario veronderstelt dat de workflow stabiel is en medewerkers de uitkomsten gericht nakijken. Het hoge scenario vraagt structureel gebruik, weinig uitval en voldoende vraag naar de vrijgekomen capaciteit. Als alleen het hoge scenario positief is, ligt het risico grotendeels bij de koper. Een gezonde businesscase blijft ook bij het middenscenario overeind en kan een tijdelijke prijsstijging of tegenvallende nauwkeurigheid opvangen. Wat een koper of belegger hieruit kan halen Eis documentnaam, versie, pagina en korte passage bij elke materiële claim. Test vooraf of Kimi die vindplaatsen stabiel reproduceert. Meet daarna niet alleen antwoordkwaliteit, maar ook de tijd om tien willekeurige claims terug te vinden. Voor inkopers is een proefcontract met meetbare service-eisen verstandiger dan een brede uitrol. Leg modelversie, regio, logretentie, maximale kosten per taak en een exitroute vast. Voor open gewichten horen ook de licentieversie, quantisatie, runtime en gebruikte fine-tune in het register. Zonder die gegevens is een resultaat later niet reproduceerbaar. Voor beleggers is lagere tokenprijs op zichzelf geen bewijs van een beter verdienmodel. Goedkopere inferentie kan het gebruik versnellen, maar ook de brutomarge drukken en de concurrentie vergroten. De relevante vragen zijn hoeveel klanten blijven, hoeveel hoogwaardige taken worden uitgevoerd en of de leverancier inkomsten uit tools, hosting of bedrijfscontracten toevoegt zonder dat supportkosten even hard oplopen. De praktische conclusie is nuchter. Kimi K3 en Kimi K2.6 kan waarde leveren, maar alleen wanneer antwoorden zonder paginanummer, passage of versie vooraf meetbaar wordt gemaakt. Start klein, vergelijk dezelfde taak, bewaak stopregels en laat de organisatie pas opschalen nadat de omgekeerde rekensom positief is. De modelnaam is het begin van de keuze, niet het bewijs dat de businesscase werkt.

In het kort Qwen3.8-27B maakt beeld- en videodocumenten lokaal analyseren technisch haalbaar, maar de doorslaggevende kosten zitten in geheugen voor frames, KV-cache en meerdere gebruikers. De officiële modelkaart beschrijft een dicht model van 27 miljard parameters met native beeld- en videobegrip, instelbaar denken en open gewichten onder Apache 2.0. De beheerde Qwen-dienst met productievoorzieningen werd op de modelkaart nog als “coming soon” aangeduid. We rekenen daarom terug vanaf geaccepteerd werk en laten zien hoeveel tijd of kwaliteit de inzet moet opleveren. De uitkomst is geen rendementsgarantie, maar een beslisgrens die een organisatie met eigen meetgegevens kan toetsen. Bij tekst kan een gequantiseerd 27B-model relatief compact zijn. Video voegt echter veel tijdelijke data toe. Wie alleen naar de bestandsgrootte van de gewichten kijkt, onderschat cache, beeldcodering en de wachtrij zodra twee gebruikers tegelijk beginnen. De eerste fout in veel vergelijkingen is dat de modelprijs wordt behandeld als de volledige kostprijs. In de praktijk horen ook integratie, logging, evaluatie, beveiliging en de tijd van medewerkers bij de rekening. Een goedkope API kan daardoor de duurste route worden wanneer veel antwoorden opnieuw moeten worden gevraagd of gecontroleerd. Andersom kan een duurder model rationeel zijn wanneer het aantoonbaar minder herstelwerk veroorzaakt. Wat de actuele modelinformatie wel en niet zegt Volgens de officiële Qwen-modelkaart geldt op 7 oktober 2026 het volgende: De officiële modelkaart beschrijft een dicht model van 27 miljard parameters met native beeld- en videobegrip, instelbaar denken en open gewichten onder Apache 2.0. De beheerde Qwen-dienst met productievoorzieningen werd op de modelkaart nog als “coming soon” aangeduid. Die gegevens zijn bruikbaar voor een eerste begroting, maar ze zeggen niet hoeveel taken in het Nederlands goed eindigen, hoeveel pogingen nodig zijn of hoeveel menselijke controle resteert. Beschikbaarheid moet bovendien precies worden benoemd. Downloadbare gewichten onder Apache 2.0; beheerde beschikbaarheid afzonderlijk controleren. Een model dat via een chatdienst gratis is te proberen, is daarmee niet automatisch vrij inzetbaar in een productieomgeving. Evenmin betekent een openbare modelkaart dat de gewichten downloadbaar zijn of dat commercieel gebruik zonder voorwaarden is toegestaan. De tweede primaire bron is de Qwen-repository. Die helpt om de technische mogelijkheden te plaatsen, maar leveranciersdocumentatie blijft leveranciersinformatie. Benchmarkresultaten zijn meestal uitgevoerd onder vaste instellingen en zeggen weinig over eigen documenten, Nederlandse formuleringen, koppelingen of fouten die buiten de testset vallen. Daarom is een kleine, representatieve proef belangrijker dan een lange lijst scores. Kies twintig tot honderd echte taken, leg vooraf vast wat goed genoeg is en laat een inhoudsdeskundige blind beoordelen. Meet daarna kosten per geaccepteerde taak, niet alleen kosten per miljoen tokens. Dat voorkomt dat een model met lage tarieven wint terwijl medewerkers veel correcties uitvoeren. De proef moet ook het normale werkritme nabootsen. Een laboratoriumtest met één korte prompt mist precies de onderdelen die in productie geld kosten: grote bijlagen, meerdere gebruikers, wisselende talen, toolfouten en piekbelasting. Voor beeld- en videodocumenten lokaal analyseren hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of geheugen voor frames, KV-cache en meerdere gebruikers incidenteel is of structureel terugkomt. Let daarnaast op de volgorde van handelingen. Een workflow die eerst alle documenten naar het duurste model stuurt, verspilt capaciteit wanneer een simpele filter de helft kan verwijderen. Omgekeerd kan te vroeg filteren relevante informatie weggooien. De beste keten gebruikt een goedkoop selectiemechanisme, een passend hoofdmodel en een gerichte controle. Iedere stap krijgt een eigen meetpunt, zodat duidelijk blijft waar kwaliteit verloren gaat. Databeheer hoort vanaf het begin in de opzet. Leg vast welke invoer mag worden bewaard, wie logs kan zien en hoe lang voorbeelden voor evaluatie beschikbaar blijven. De modeluitkomst kan bedrijfsinformatie bevatten, ook wanneer de oorspronkelijke prompt onschuldig lijkt. Een leverancier die niets bewaart, neemt bovendien de eigen plicht tot toegangsbeheer, geheimhouding en incidentregistratie niet over. Een derde aandachtspunt is versiebeheer. Leveranciers vervangen aliassen, voegen modellen toe en beëindigen endpoints. Open gewichten veranderen minder onverwacht, maar de runtime, quantisatie en promptlaag kunnen wel verschuiven. Bewaar daarom een kleine vaste regressieset en draai die opnieuw vóór iedere wijziging. Zonder zo’n anker is een kwaliteitsdaling moeilijk te onderscheiden van veranderde brondata of menselijk beoordelingsverschil. Ook de personeelskant verdient een eigen regel in het budget. Medewerkers moeten leren wanneer het model mag handelen, wanneer een bron nodig is en hoe een fout wordt gemeld. Die opleiding is geen eenmalige kostenpost, omdat modellen en werkprocessen blijven veranderen. Een project dat alleen tijdens de pilot door twee enthousiastelingen wordt gedragen, heeft nog geen schaalbaar bedrijfsproces bewezen. Ten slotte moet de organisatie een alternatief houden. Dat kan een tweede API, een kleiner lokaal model of een handmatige noodprocedure zijn. Redundantie kost geld, maar voorkomt dat een storing of plotselinge prijswijziging het hele proces stilzet. De waarde ervan is het grootst bij werk met deadlines. Juist daar kan één uur uitval duurder zijn dan een maand aan reservekosten. De omgekeerde rekensom maakt de grens zichtbaar Voor het rekenvoorbeeld nemen we maandelijkse model-, beheer- en controlekosten van € 900. De waarde van een vrijgespeeld arbeidsuur is € 47. De minimale besparing is dan € 900 gedeeld door € 47, oftewel 19.1 uur per maand. Dat is de drempel vóór financieringskosten, belastingen en een risicomarge. De lage, midden- en hoge scenario’s veronderstellen respectievelijk 5, 16 en 34 bespaarde minuten per werkdag. We rekenen met 220 werkdagen. De bruto tijdswaarde is minuten per dag maal 220 gedeeld door zestig, maal € 47. Daar trekken we twaalf maal € 900 vanaf. Het verschil is de netto kasbesparing in het schema. Deze formule telt alleen tijd die werkelijk uit betaald werk verdwijnt. Als een medewerker de vrijgekomen minuten niet anders kan inzetten, ontstaat geen directe kasbesparing. Ook mag dezelfde winst niet dubbel worden geteld als snellere doorlooptijd én extra productie, tenzij beide afzonderlijk zijn gemeten. Hetzelfde geldt voor minder fouten: de vermeden herstelkosten mogen niet nogmaals als tijdsbesparing terugkomen. Lokale inzet hoeft niet volledig interactief te zijn. Een nachtelijke videobatch kan met lagere snelheid toch economisch werken. Daardoor kan een bescheiden server zinvol zijn, zolang de organisatie accepteert dat piekvragen wachten en de kwaliteitscontrole niet verdwijnt. Voor 2027, 2028 en 2029 houden we dezelfde uurwaarde en maandkosten aan. Dat is bewust conservatief en maakt zichtbaar welke benutting nodig is zonder een verzonnen daling van tokenprijzen. In werkelijkheid kunnen tarieven, modellen en hardware sneller veranderen dan de interne processen. Een jaarlijkse herijking is daarom noodzakelijk. De scenario’s zijn geen voorspelling van de markt, maar een toets voor de eigen organisatie. Het lage scenario past bij een voorzichtige invoering met veel controles. Het middenscenario veronderstelt dat de workflow stabiel is en medewerkers de uitkomsten gericht nakijken. Het hoge scenario vraagt structureel gebruik, weinig uitval en voldoende vraag naar de vrijgekomen capaciteit. Als alleen het hoge scenario positief is, ligt het risico grotendeels bij de koper. Een gezonde businesscase blijft ook bij het middenscenario overeind en kan een tijdelijke prijsstijging of tegenvallende nauwkeurigheid opvangen. Wat een koper of belegger hieruit kan halen Test met het echte aantal frames, de gekozen quantisatie, de maximale context en minimaal twee gelijktijdige gebruikers. Meet tokens of frames per seconde en het energieverbruik. Vergelijk vervolgens met een beheerde dienst inclusief beheeruren, afschrijving en uitval. Voor inkopers is een proefcontract met meetbare service-eisen verstandiger dan een brede uitrol. Leg modelversie, regio, logretentie, maximale kosten per taak en een exitroute vast. Voor open gewichten horen ook de licentieversie, quantisatie, runtime en gebruikte fine-tune in het register. Zonder die gegevens is een resultaat later niet reproduceerbaar. Voor beleggers is lagere tokenprijs op zichzelf geen bewijs van een beter verdienmodel. Goedkopere inferentie kan het gebruik versnellen, maar ook de brutomarge drukken en de concurrentie vergroten. De relevante vragen zijn hoeveel klanten blijven, hoeveel hoogwaardige taken worden uitgevoerd en of de leverancier inkomsten uit tools, hosting of bedrijfscontracten toevoegt zonder dat supportkosten even hard oplopen. De praktische conclusie is nuchter. Qwen3.8-27B kan waarde leveren, maar alleen wanneer geheugen voor frames, KV-cache en meerdere gebruikers vooraf meetbaar wordt gemaakt. Start klein, vergelijk dezelfde taak, bewaak stopregels en laat de organisatie pas opschalen nadat de omgekeerde rekensom positief is. De modelnaam is het begin van de keuze, niet het bewijs dat de businesscase werkt.

In het kort NVIDIA Nemotron 3 Ultra 550B-A55B-NVFP4 maakt meerdere lange agents tegelijk bedienen technisch haalbaar, maar de doorslaggevende kosten zitten in KV-cache, piekgeheugen en afnemende gelijktijdigheid. NVIDIA noemt 550 miljard totale en 55 miljard actieve parameters, configureerbaar denken en een OpenMDW 1.1-licentie. De modelkaart dateert van 4 juni 2026 en positioneert het model voor reasoning, agents, lange context en toolgebruik. We rekenen daarom terug vanaf geaccepteerd werk en laten zien hoeveel tijd of kwaliteit de inzet moet opleveren. De uitkomst is geen rendementsgarantie, maar een beslisgrens die een organisatie met eigen meetgegevens kan toetsen. NVFP4 maakt de gewichten veel compacter, maar wist de rest van de geheugenvraag niet. Elke lange sessie bewaart sleutel- en waarderepresentaties. Bij meerdere gebruikers groeit die cache totdat batchgrootte of context moet worden verlaagd. De eerste fout in veel vergelijkingen is dat de modelprijs wordt behandeld als de volledige kostprijs. In de praktijk horen ook integratie, logging, evaluatie, beveiliging en de tijd van medewerkers bij de rekening. Een goedkope API kan daardoor de duurste route worden wanneer veel antwoorden opnieuw moeten worden gevraagd of gecontroleerd. Andersom kan een duurder model rationeel zijn wanneer het aantoonbaar minder herstelwerk veroorzaakt. Wat de actuele modelinformatie wel en niet zegt Volgens de NVIDIA-modelkaart geldt op 7 oktober 2026 het volgende: NVIDIA noemt 550 miljard totale en 55 miljard actieve parameters, configureerbaar denken en een OpenMDW 1.1-licentie. De modelkaart dateert van 4 juni 2026 en positioneert het model voor reasoning, agents, lange context en toolgebruik. Die gegevens zijn bruikbaar voor een eerste begroting, maar ze zeggen niet hoeveel taken in het Nederlands goed eindigen, hoeveel pogingen nodig zijn of hoeveel menselijke controle resteert. Beschikbaarheid moet bovendien precies worden benoemd. Downloadbare of hostbare variant onder OpenMDW 1.1 plus NVIDIA API-proefdienst. Een model dat via een chatdienst gratis is te proberen, is daarmee niet automatisch vrij inzetbaar in een productieomgeving. Evenmin betekent een openbare modelkaart dat de gewichten downloadbaar zijn of dat commercieel gebruik zonder voorwaarden is toegestaan. De tweede primaire bron is de NVIDIA-gewichtenrepository. Die helpt om de technische mogelijkheden te plaatsen, maar leveranciersdocumentatie blijft leveranciersinformatie. Benchmarkresultaten zijn meestal uitgevoerd onder vaste instellingen en zeggen weinig over eigen documenten, Nederlandse formuleringen, koppelingen of fouten die buiten de testset vallen. Daarom is een kleine, representatieve proef belangrijker dan een lange lijst scores. Kies twintig tot honderd echte taken, leg vooraf vast wat goed genoeg is en laat een inhoudsdeskundige blind beoordelen. Meet daarna kosten per geaccepteerde taak, niet alleen kosten per miljoen tokens. Dat voorkomt dat een model met lage tarieven wint terwijl medewerkers veel correcties uitvoeren. De proef moet ook het normale werkritme nabootsen. Een laboratoriumtest met één korte prompt mist precies de onderdelen die in productie geld kosten: grote bijlagen, meerdere gebruikers, wisselende talen, toolfouten en piekbelasting. Voor meerdere lange agents tegelijk bedienen hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of KV-cache, piekgeheugen en afnemende gelijktijdigheid incidenteel is of structureel terugkomt. Let daarnaast op de volgorde van handelingen. Een workflow die eerst alle documenten naar het duurste model stuurt, verspilt capaciteit wanneer een simpele filter de helft kan verwijderen. Omgekeerd kan te vroeg filteren relevante informatie weggooien. De beste keten gebruikt een goedkoop selectiemechanisme, een passend hoofdmodel en een gerichte controle. Iedere stap krijgt een eigen meetpunt, zodat duidelijk blijft waar kwaliteit verloren gaat. Databeheer hoort vanaf het begin in de opzet. Leg vast welke invoer mag worden bewaard, wie logs kan zien en hoe lang voorbeelden voor evaluatie beschikbaar blijven. De modeluitkomst kan bedrijfsinformatie bevatten, ook wanneer de oorspronkelijke prompt onschuldig lijkt. Een leverancier die niets bewaart, neemt bovendien de eigen plicht tot toegangsbeheer, geheimhouding en incidentregistratie niet over. Een derde aandachtspunt is versiebeheer. Leveranciers vervangen aliassen, voegen modellen toe en beëindigen endpoints. Open gewichten veranderen minder onverwacht, maar de runtime, quantisatie en promptlaag kunnen wel verschuiven. Bewaar daarom een kleine vaste regressieset en draai die opnieuw vóór iedere wijziging. Zonder zo’n anker is een kwaliteitsdaling moeilijk te onderscheiden van veranderde brondata of menselijk beoordelingsverschil. Ook de personeelskant verdient een eigen regel in het budget. Medewerkers moeten leren wanneer het model mag handelen, wanneer een bron nodig is en hoe een fout wordt gemeld. Die opleiding is geen eenmalige kostenpost, omdat modellen en werkprocessen blijven veranderen. Een project dat alleen tijdens de pilot door twee enthousiastelingen wordt gedragen, heeft nog geen schaalbaar bedrijfsproces bewezen. Ten slotte moet de organisatie een alternatief houden. Dat kan een tweede API, een kleiner lokaal model of een handmatige noodprocedure zijn. Redundantie kost geld, maar voorkomt dat een storing of plotselinge prijswijziging het hele proces stilzet. De waarde ervan is het grootst bij werk met deadlines. Juist daar kan één uur uitval duurder zijn dan een maand aan reservekosten. De omgekeerde rekensom maakt de grens zichtbaar Voor het rekenvoorbeeld nemen we maandelijkse model-, beheer- en controlekosten van € 2400. De waarde van een vrijgespeeld arbeidsuur is € 62. De minimale besparing is dan € 2400 gedeeld door € 62, oftewel 38.7 uur per maand. Dat is de drempel vóór financieringskosten, belastingen en een risicomarge. De lage, midden- en hoge scenario’s veronderstellen respectievelijk 7, 24 en 52 bespaarde minuten per werkdag. We rekenen met 220 werkdagen. De bruto tijdswaarde is minuten per dag maal 220 gedeeld door zestig, maal € 62. Daar trekken we twaalf maal € 2400 vanaf. Het verschil is de netto kasbesparing in het schema. Deze formule telt alleen tijd die werkelijk uit betaald werk verdwijnt. Als een medewerker de vrijgekomen minuten niet anders kan inzetten, ontstaat geen directe kasbesparing. Ook mag dezelfde winst niet dubbel worden geteld als snellere doorlooptijd én extra productie, tenzij beide afzonderlijk zijn gemeten. Hetzelfde geldt voor minder fouten: de vermeden herstelkosten mogen niet nogmaals als tijdsbesparing terugkomen. Geheugen kan worden verdeeld over meerdere GPU’s en moderne engines kunnen cache slimmer beheren. Dat maakt productie mogelijk, maar verhoogt de eisen aan interconnect, planning en monitoring. De praktische snelheid blijft dus een systeemeigenschap. Voor 2027, 2028 en 2029 houden we dezelfde uurwaarde en maandkosten aan. Dat is bewust conservatief en maakt zichtbaar welke benutting nodig is zonder een verzonnen daling van tokenprijzen. In werkelijkheid kunnen tarieven, modellen en hardware sneller veranderen dan de interne processen. Een jaarlijkse herijking is daarom noodzakelijk. De scenario’s zijn geen voorspelling van de markt, maar een toets voor de eigen organisatie. Het lage scenario past bij een voorzichtige invoering met veel controles. Het middenscenario veronderstelt dat de workflow stabiel is en medewerkers de uitkomsten gericht nakijken. Het hoge scenario vraagt structureel gebruik, weinig uitval en voldoende vraag naar de vrijgekomen capaciteit. Als alleen het hoge scenario positief is, ligt het risico grotendeels bij de koper. Een gezonde businesscase blijft ook bij het middenscenario overeind en kan een tijdelijke prijsstijging of tegenvallende nauwkeurigheid opvangen. Wat een koper of belegger hieruit kan halen Meet per contextlengte het piekgeheugen en laat minimaal vier representatieve sessies tegelijk lopen. Leg vast hoeveel context werkelijk nodig is en wanneer samenvatting mag vervangen. Bereken kosten per succesvol afgehandelde sessie inclusief hardware, energie en beheer. Voor inkopers is een proefcontract met meetbare service-eisen verstandiger dan een brede uitrol. Leg modelversie, regio, logretentie, maximale kosten per taak en een exitroute vast. Voor open gewichten horen ook de licentieversie, quantisatie, runtime en gebruikte fine-tune in het register. Zonder die gegevens is een resultaat later niet reproduceerbaar. Voor beleggers is lagere tokenprijs op zichzelf geen bewijs van een beter verdienmodel. Goedkopere inferentie kan het gebruik versnellen, maar ook de brutomarge drukken en de concurrentie vergroten. De relevante vragen zijn hoeveel klanten blijven, hoeveel hoogwaardige taken worden uitgevoerd en of de leverancier inkomsten uit tools, hosting of bedrijfscontracten toevoegt zonder dat supportkosten even hard oplopen. De praktische conclusie is nuchter. NVIDIA Nemotron 3 Ultra 550B-A55B-NVFP4 kan waarde leveren, maar alleen wanneer KV-cache, piekgeheugen en afnemende gelijktijdigheid vooraf meetbaar wordt gemaakt. Start klein, vergelijk dezelfde taak, bewaak stopregels en laat de organisatie pas opschalen nadat de omgekeerde rekensom positief is. De modelnaam is het begin van de keuze, niet het bewijs dat de businesscase werkt.

In het kort SpaceX noteerde op 6 oktober 2026 om 20.29 uur UTC op Nasdaq op $171,92. Het aandeel SPCX, ISIN US84615Q1031, vertegenwoordigt de gewone beursgenoteerde aandelen. De vertraagde koers impliceerde een beurswaarde van ongeveer $2,25 biljoen. Dat is zo groot dat niet alleen snelle omzetgroei nodig is, maar vooral een forse stijging van de vrije kas per aandeel. Starlink is het economische zwaartepunt. Bij de eerste openbare kwartaalcijfers, waarover Reuters op 4 augustus 2026 berichtte, kwam de omzet van SpaceX in het tweede kwartaal uit op $7,8 miljard. Starlink leverde meer dan de helft daarvan, telde circa 12 miljoen abonnees en groeide 66% in omzet. Tegelijk daalde de gemiddelde opbrengst per gebruiker met 22%. Dat laatste cijfer is belangrijker dan het op het eerste gezicht lijkt. Een netwerkbedrijf kan prima verdienen met een lagere prijs per klant, zolang extra klanten weinig extra kosten veroorzaken. Bij satellietinternet is dat niet vanzelfsprekend. Nieuwe satellieten, lanceringen, grondstations, spectrum en vervanging van een verouderende constellatie vragen voortdurend kapitaal. De kernvraag is daarom niet hoeveel abonnees Starlink kan verzamelen, maar hoeveel vrije kas elke nieuwe miljoen klanten toevoegt. Direct naar een onderdeel van dit artikel Goedkopere toegang vergroot de markt SpaceX is inmiddels meer dan een lanceerder De concurrentie zit niet alleen in de ruimte Wat moet $171,92 al verdisconteren? Drie scenario's voor 2027 tot en met 2029 Goedkopere toegang vergroot de markt De daling van de opbrengst per gebruiker hoeft geen slecht nieuws te zijn. Starlink kan met lagere prijzen nieuwe regio's ontsluiten, goedkopere abonnementen aanbieden en capaciteit vullen die anders ongebruikt blijft. Een lege satellietbundel verdient niets. Als een lagere prijs de bezettingsgraad sterk verhoogt, kan de marge in dollars toch stijgen. Dat lijkt deels te gebeuren. Volgens dezelfde kwartaalrapportage groeide het operationele resultaat van Starlink 79%, sneller dan de omzet. Dat wijst op schaalvoordelen: netwerkontwikkeling en lanceringen zijn grotendeels vaste kosten, terwijl een extra betalende klant steeds minder extra bediening vergt. Maar beleggers moeten hier voorzichtig blijven. Operationele winst is nog geen vrije kas. Investeringen in satellieten en infrastructuur staan niet volledig in die winstmaatstaf. Een praktische manier om dit te volgen is de combinatie van vier cijfers: abonneegroei, gemiddelde maandopbrengst, operationele marge en netwerkinvesteringen. Alleen de eerste twee volgen is als een winkel beoordelen op bezoekers en kassabonnen zonder naar de verbouwing te kijken. De interactieve rekensom hierboven laat zien hoe snel een aantrekkelijke brutobijdrage kan verdwijnen wanneer de jaarlijkse netwerk-investering hoog blijft. SpaceX is inmiddels meer dan een lanceerder De omzetmix verandert het risicoprofiel. Lanceringen blijven strategisch belangrijk, omdat SpaceX daarmee zijn eigen satellieten goedkoper en vaker in een baan kan brengen. Economisch is Starlink echter de motor die terugkerende inkomsten kan leveren. Dat maakt het bedrijf minder afhankelijk van afzonderlijke raketcontracten, maar juist afhankelijker van prijsdiscipline, netwerkbetrouwbaarheid en regelgeving in tientallen landen. Andere activiteiten kunnen de waarde verder verbreden. Het bedrijf rapporteerde sterke groei bij AI-gerelateerde activiteiten en werkt aan diensten voor overheden en bedrijven. Zulke omzet kan een hogere opbrengst per verbinding opleveren dan een consumentenabonnement. Daar staat tegenover dat zakelijke en militaire contracten langere verkoopcycli, strengere beveiliging en politieke afhankelijkheid meebrengen. Voor wie de beursintroductie en de uitzonderlijk hoge waardering in perspectief wil plaatsen, legt dit eerdere artikel over OpenAI, Anthropic en SpaceX uit hoe zeldzaam deze schaal is. In de vooruitblik op de eerste cijfers staat welke operationele bewijzen de markt nodig had. De nieuwe vraag is scherper: hoeveel van de groei blijft na alle investeringen werkelijk voor aandeelhouders over? De concurrentie zit niet alleen in de ruimte Amazon bouwt met Project Kuiper een alternatief, terwijl traditionele telecombedrijven hun vaste en mobiele netwerken uitbreiden. In dichtbevolkte gebieden zijn glasvezel en 5G vaak goedkoper per gigabyte. Starlink heeft juist een sterk voordeel waar kabels duur zijn: landelijke gebieden, scheepvaart, luchtvaart en noodcommunicatie. Die niche kan groot zijn, maar niet onbeperkt. Satellietcapaciteit is lokaal schaars. Wanneer veel klanten in hetzelfde gebied tegelijk data gebruiken, moet SpaceX meer satellieten, spectrum of grondinfrastructuur toevoegen. Een landelijke abonnee in een dunbevolkte regio kan daardoor economisch aantrekkelijker zijn dan een goedkope klant in een al druk stedelijk gebied. Gemiddelde abonnee-aantallen verbergen dat verschil. Regelgeving is een tweede rem. Spectrumrechten, vergunningen, datalokalisatie en defensiebeleid verschillen per land. Groei in abonnees is dus niet hetzelfde als onbelemmerde groei in vrije kas. Een stevige marktpositie geeft SpaceX onderhandelingskracht, maar overheden kunnen voorwaarden opleggen die de opbrengst of inzet beperken. Wat moet $171,92 al verdisconteren? Bij een beurswaarde van circa $2,25 biljoen is een simpele omzetmultiple onvoldoende. Een snelgroeiend netwerk kan jaren tegen een hoge omzetmultiple handelen, maar uiteindelijk moet de waardering aansluiten op vrije kas. In het omgekeerde model hieronder beginnen we bij de koers. Bij een gewenste jaarlijkse koersopbrengst van 9% en een eindmultiple van 38 keer vrije kas zou SpaceX in 2029 ongeveer $5,88 vrije kas per aandeel moeten produceren. Dat is geen voorspelling. Het is de prestatie die bij de gekozen aannames in de koers besloten ligt. Een lagere eindmultiple verhoogt de vereiste kas sterk. Extra aandelenuitgifte doet hetzelfde, omdat dezelfde onderneming dan over meer aandelen wordt verdeeld. Andersom kan sneller stijgende vrije kas de multiple afbouwen zonder dat de koers hoeft te dalen. De sterkste positieve tegenwerping is dat traditionele modellen de optiewaarde onderschatten. SpaceX kan nieuwe markten openen met direct-to-device, zakelijke netwerken, overheidsdiensten en toekomstige ruimte-infrastructuur. Dat is reëel. Maar optiewaarde is geen gratis waarde. Elke nieuwe markt vraagt technologie, capaciteit, vergunningen en verkoopkosten. De bewijslast ligt daarom bij omzet die met dalende kapitaalintensiteit groeit. Drie scenario's voor 2027 tot en met 2029 De scenario's gebruiken $171,92 als peildatumkoers op 6 oktober 2026. De jaareindekoers is opgebouwd uit een verondersteld pad voor vrije kas per aandeel maal een waarderingsmultiple. Dividend is niet verondersteld. Dit zijn rekenpaden, geen koersdoelen of consensus. In het bearscenario daalt de opbrengst per klant sneller dan de kosten, blijft de constellatie veel kapitaal vragen en krimpt de waardering. Het middenpad veronderstelt dat abonneegroei de prijsdruk compenseert en dat de vrije kas geleidelijk zichtbaar wordt. In het gunstige scenario zorgen zakelijke toepassingen, hogere netwerkbenutting en een betere mix voor een krachtige kashefboom. De uitkomst is ongemakkelijk maar nuttig. SpaceX kan operationeel uitstekend presteren en toch een matig aandeel blijken wanneer de prijs al te veel succes vooruitbetaalt. Omgekeerd kan een lagere opbrengst per gebruiker rationeel zijn wanneer zij de bezetting en kasbijdrage verhoogt. De beste kwartaalindicator is daarom niet het aantal nieuwe klanten op zichzelf, maar de vrije kas na satellieten, lanceringen en netwerkuitbreiding. De eerstvolgende cijfers staan volgens de marktdata voor 3 november 2026 na beurs gepland. Let dan vooral op de relatie tussen Starlink-omzet, operationele winst en investeringen. Wie alleen naar omzetgroei kijkt, ziet de raket opstijgen maar mist hoeveel brandstof daarvoor nodig was. Gebruikte gegevens: SpaceX-kwartaalberichtgeving via Reuters, 4 augustus 2026 en De Belegger-marktdata voor SPCX.US, momentopname 6 oktober 2026. Foto: NASA/Joel Kowsky, archiefbeeld 30 mei 2020.

In het kort MiniMax M3.1 Flash Preview en M Plan maakt een agent die onderzoek, planning en tekstproductie combineert technisch haalbaar, maar de doorslaggevende kosten zitten in veel goedkope acties die samen onvoorspelbaar worden. MiniMax biedt pay-as-you-go en M Plan-abonnementen. De leverancier koppelt plannen aan gebruiksvensters en capaciteit, terwijl previewmodellen een andere risicoklasse hebben dan algemeen beschikbare productiemodellen. We rekenen daarom terug vanaf geaccepteerd werk en laten zien hoeveel tijd of kwaliteit de inzet moet opleveren. De uitkomst is geen rendementsgarantie, maar een beslisgrens die een organisatie met eigen meetgegevens kan toetsen. Een agent kan technisch succesvol eindigen en toch economisch mislukken wanneer hij te veel omwegen maakt. Daarom hoort naast een geldlimiet een foutbudget: hoeveel mislukte zoekopdrachten, lege resultaten en herstelrondes zijn toegestaan? De eerste fout in veel vergelijkingen is dat de modelprijs wordt behandeld als de volledige kostprijs. In de praktijk horen ook integratie, logging, evaluatie, beveiliging en de tijd van medewerkers bij de rekening. Een goedkope API kan daardoor de duurste route worden wanneer veel antwoorden opnieuw moeten worden gevraagd of gecontroleerd. Andersom kan een duurder model rationeel zijn wanneer het aantoonbaar minder herstelwerk veroorzaakt. Wat de actuele modelinformatie wel en niet zegt Volgens de MiniMax M Plan geldt op 7 oktober 2026 het volgende: MiniMax biedt pay-as-you-go en M Plan-abonnementen. De leverancier koppelt plannen aan gebruiksvensters en capaciteit, terwijl previewmodellen een andere risicoklasse hebben dan algemeen beschikbare productiemodellen. Die gegevens zijn bruikbaar voor een eerste begroting, maar ze zeggen niet hoeveel taken in het Nederlands goed eindigen, hoeveel pogingen nodig zijn of hoeveel menselijke controle resteert. Beschikbaarheid moet bovendien precies worden benoemd. Commerciële dienst; previewstatus en abonnementsvoorwaarden moeten per model worden gecontroleerd. Een model dat via een chatdienst gratis is te proberen, is daarmee niet automatisch vrij inzetbaar in een productieomgeving. Evenmin betekent een openbare modelkaart dat de gewichten downloadbaar zijn of dat commercieel gebruik zonder voorwaarden is toegestaan. De tweede primaire bron is de MiniMax-modeldocumentatie. Die helpt om de technische mogelijkheden te plaatsen, maar leveranciersdocumentatie blijft leveranciersinformatie. Benchmarkresultaten zijn meestal uitgevoerd onder vaste instellingen en zeggen weinig over eigen documenten, Nederlandse formuleringen, koppelingen of fouten die buiten de testset vallen. Daarom is een kleine, representatieve proef belangrijker dan een lange lijst scores. Kies twintig tot honderd echte taken, leg vooraf vast wat goed genoeg is en laat een inhoudsdeskundige blind beoordelen. Meet daarna kosten per geaccepteerde taak, niet alleen kosten per miljoen tokens. Dat voorkomt dat een model met lage tarieven wint terwijl medewerkers veel correcties uitvoeren. De proef moet ook het normale werkritme nabootsen. Een laboratoriumtest met één korte prompt mist precies de onderdelen die in productie geld kosten: grote bijlagen, meerdere gebruikers, wisselende talen, toolfouten en piekbelasting. Voor een agent die onderzoek, planning en tekstproductie combineert hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of veel goedkope acties die samen onvoorspelbaar worden incidenteel is of structureel terugkomt. Let daarnaast op de volgorde van handelingen. Een workflow die eerst alle documenten naar het duurste model stuurt, verspilt capaciteit wanneer een simpele filter de helft kan verwijderen. Omgekeerd kan te vroeg filteren relevante informatie weggooien. De beste keten gebruikt een goedkoop selectiemechanisme, een passend hoofdmodel en een gerichte controle. Iedere stap krijgt een eigen meetpunt, zodat duidelijk blijft waar kwaliteit verloren gaat. Databeheer hoort vanaf het begin in de opzet. Leg vast welke invoer mag worden bewaard, wie logs kan zien en hoe lang voorbeelden voor evaluatie beschikbaar blijven. De modeluitkomst kan bedrijfsinformatie bevatten, ook wanneer de oorspronkelijke prompt onschuldig lijkt. Een leverancier die niets bewaart, neemt bovendien de eigen plicht tot toegangsbeheer, geheimhouding en incidentregistratie niet over. Een derde aandachtspunt is versiebeheer. Leveranciers vervangen aliassen, voegen modellen toe en beëindigen endpoints. Open gewichten veranderen minder onverwacht, maar de runtime, quantisatie en promptlaag kunnen wel verschuiven. Bewaar daarom een kleine vaste regressieset en draai die opnieuw vóór iedere wijziging. Zonder zo’n anker is een kwaliteitsdaling moeilijk te onderscheiden van veranderde brondata of menselijk beoordelingsverschil. Ook de personeelskant verdient een eigen regel in het budget. Medewerkers moeten leren wanneer het model mag handelen, wanneer een bron nodig is en hoe een fout wordt gemeld. Die opleiding is geen eenmalige kostenpost, omdat modellen en werkprocessen blijven veranderen. Een project dat alleen tijdens de pilot door twee enthousiastelingen wordt gedragen, heeft nog geen schaalbaar bedrijfsproces bewezen. Ten slotte moet de organisatie een alternatief houden. Dat kan een tweede API, een kleiner lokaal model of een handmatige noodprocedure zijn. Redundantie kost geld, maar voorkomt dat een storing of plotselinge prijswijziging het hele proces stilzet. De waarde ervan is het grootst bij werk met deadlines. Juist daar kan één uur uitval duurder zijn dan een maand aan reservekosten. De omgekeerde rekensom maakt de grens zichtbaar Voor het rekenvoorbeeld nemen we maandelijkse model-, beheer- en controlekosten van € 280. De waarde van een vrijgespeeld arbeidsuur is € 45. De minimale besparing is dan € 280 gedeeld door € 45, oftewel 6.2 uur per maand. Dat is de drempel vóór financieringskosten, belastingen en een risicomarge. De lage, midden- en hoge scenario’s veronderstellen respectievelijk 4, 13 en 30 bespaarde minuten per werkdag. We rekenen met 220 werkdagen. De bruto tijdswaarde is minuten per dag maal 220 gedeeld door zestig, maal € 45. Daar trekken we twaalf maal € 280 vanaf. Het verschil is de netto kasbesparing in het schema. Deze formule telt alleen tijd die werkelijk uit betaald werk verdwijnt. Als een medewerker de vrijgekomen minuten niet anders kan inzetten, ontstaat geen directe kasbesparing. Ook mag dezelfde winst niet dubbel worden geteld als snellere doorlooptijd én extra productie, tenzij beide afzonderlijk zijn gemeten. Hetzelfde geldt voor minder fouten: de vermeden herstelkosten mogen niet nogmaals als tijdsbesparing terugkomen. Een strak foutbudget kan moeilijke taken te vroeg afbreken. Bij onderzoek is een dood spoor soms noodzakelijk. Het budget moet daarom per taakcategorie verschillen en ruimte bieden voor een bewuste menselijke verlenging. Voor 2027, 2028 en 2029 houden we dezelfde uurwaarde en maandkosten aan. Dat is bewust conservatief en maakt zichtbaar welke benutting nodig is zonder een verzonnen daling van tokenprijzen. In werkelijkheid kunnen tarieven, modellen en hardware sneller veranderen dan de interne processen. Een jaarlijkse herijking is daarom noodzakelijk. De scenario’s zijn geen voorspelling van de markt, maar een toets voor de eigen organisatie. Het lage scenario past bij een voorzichtige invoering met veel controles. Het middenscenario veronderstelt dat de workflow stabiel is en medewerkers de uitkomsten gericht nakijken. Het hoge scenario vraagt structureel gebruik, weinig uitval en voldoende vraag naar de vrijgekomen capaciteit. Als alleen het hoge scenario positief is, ligt het risico grotendeels bij de koper. Een gezonde businesscase blijft ook bij het middenscenario overeind en kan een tijdelijke prijsstijging of tegenvallende nauwkeurigheid opvangen. Wat een koper of belegger hieruit kan halen Log acties, mislukkingen en menselijke interventies per afgeronde taak. Stel voor routinetaken een lage limiet in en voor onderzoek een hogere. Vergelijk abonnement en pay-as-you-go op basis van werkelijk geslaagde taken, niet op basis van theoretische verzoekquota. Voor inkopers is een proefcontract met meetbare service-eisen verstandiger dan een brede uitrol. Leg modelversie, regio, logretentie, maximale kosten per taak en een exitroute vast. Voor open gewichten horen ook de licentieversie, quantisatie, runtime en gebruikte fine-tune in het register. Zonder die gegevens is een resultaat later niet reproduceerbaar. Voor beleggers is lagere tokenprijs op zichzelf geen bewijs van een beter verdienmodel. Goedkopere inferentie kan het gebruik versnellen, maar ook de brutomarge drukken en de concurrentie vergroten. De relevante vragen zijn hoeveel klanten blijven, hoeveel hoogwaardige taken worden uitgevoerd en of de leverancier inkomsten uit tools, hosting of bedrijfscontracten toevoegt zonder dat supportkosten even hard oplopen. De praktische conclusie is nuchter. MiniMax M3.1 Flash Preview en M Plan kan waarde leveren, maar alleen wanneer veel goedkope acties die samen onvoorspelbaar worden vooraf meetbaar wordt gemaakt. Start klein, vergelijk dezelfde taak, bewaak stopregels en laat de organisatie pas opschalen nadat de omgekeerde rekensom positief is. De modelnaam is het begin van de keuze, niet het bewijs dat de businesscase werkt.

In het kort Claude Opus 5.5, Sonnet 5.5, Haiku 4.5 en Fable 5.1 maakt een agent die bestanden controleert en fouten probeert te herstellen technisch haalbaar, maar de doorslaggevende kosten zitten in oneindige toolrondes en steeds grotere context. De standaardprijzen lopen van $1 input en $5 output per miljoen tokens voor Haiku 4.5 tot $10 en $50 voor Fable 5.1. Sonnet 5.5 kost $2 en $10; Opus 5.5 $4 en $20. Toolgebruik voegt bovendien systeemprompttokens en de uitvoer van gereedschappen toe. We rekenen daarom terug vanaf geaccepteerd werk en laten zien hoeveel tijd of kwaliteit de inzet moet opleveren. De uitkomst is geen rendementsgarantie, maar een beslisgrens die een organisatie met eigen meetgegevens kan toetsen. Bij agentwerk is de prijs per miljoen tokens slechts de eerste regel van de factuur. De duurste run is vaak de run die niet weet wanneer hij moet stoppen, omdat iedere foutmelding als nieuwe context terugkeert. De eerste fout in veel vergelijkingen is dat de modelprijs wordt behandeld als de volledige kostprijs. In de praktijk horen ook integratie, logging, evaluatie, beveiliging en de tijd van medewerkers bij de rekening. Een goedkope API kan daardoor de duurste route worden wanneer veel antwoorden opnieuw moeten worden gevraagd of gecontroleerd. Andersom kan een duurder model rationeel zijn wanneer het aantoonbaar minder herstelwerk veroorzaakt. Wat de actuele modelinformatie wel en niet zegt Volgens de Anthropic-prijspagina geldt op 7 oktober 2026 het volgende: De standaardprijzen lopen van $1 input en $5 output per miljoen tokens voor Haiku 4.5 tot $10 en $50 voor Fable 5.1. Sonnet 5.5 kost $2 en $10; Opus 5.5 $4 en $20. Toolgebruik voegt bovendien systeemprompttokens en de uitvoer van gereedschappen toe. Die gegevens zijn bruikbaar voor een eerste begroting, maar ze zeggen niet hoeveel taken in het Nederlands goed eindigen, hoeveel pogingen nodig zijn of hoeveel menselijke controle resteert. Beschikbaarheid moet bovendien precies worden benoemd. Commerciële API; Fable en Mythos hebben afwijkende positionering en toegang. Een model dat via een chatdienst gratis is te proberen, is daarmee niet automatisch vrij inzetbaar in een productieomgeving. Evenmin betekent een openbare modelkaart dat de gewichten downloadbaar zijn of dat commercieel gebruik zonder voorwaarden is toegestaan. De tweede primaire bron is de Anthropic over toolgebruik. Die helpt om de technische mogelijkheden te plaatsen, maar leveranciersdocumentatie blijft leveranciersinformatie. Benchmarkresultaten zijn meestal uitgevoerd onder vaste instellingen en zeggen weinig over eigen documenten, Nederlandse formuleringen, koppelingen of fouten die buiten de testset vallen. Daarom is een kleine, representatieve proef belangrijker dan een lange lijst scores. Kies twintig tot honderd echte taken, leg vooraf vast wat goed genoeg is en laat een inhoudsdeskundige blind beoordelen. Meet daarna kosten per geaccepteerde taak, niet alleen kosten per miljoen tokens. Dat voorkomt dat een model met lage tarieven wint terwijl medewerkers veel correcties uitvoeren. De proef moet ook het normale werkritme nabootsen. Een laboratoriumtest met één korte prompt mist precies de onderdelen die in productie geld kosten: grote bijlagen, meerdere gebruikers, wisselende talen, toolfouten en piekbelasting. Voor een agent die bestanden controleert en fouten probeert te herstellen hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of oneindige toolrondes en steeds grotere context incidenteel is of structureel terugkomt. Let daarnaast op de volgorde van handelingen. Een workflow die eerst alle documenten naar het duurste model stuurt, verspilt capaciteit wanneer een simpele filter de helft kan verwijderen. Omgekeerd kan te vroeg filteren relevante informatie weggooien. De beste keten gebruikt een goedkoop selectiemechanisme, een passend hoofdmodel en een gerichte controle. Iedere stap krijgt een eigen meetpunt, zodat duidelijk blijft waar kwaliteit verloren gaat. Databeheer hoort vanaf het begin in de opzet. Leg vast welke invoer mag worden bewaard, wie logs kan zien en hoe lang voorbeelden voor evaluatie beschikbaar blijven. De modeluitkomst kan bedrijfsinformatie bevatten, ook wanneer de oorspronkelijke prompt onschuldig lijkt. Een leverancier die niets bewaart, neemt bovendien de eigen plicht tot toegangsbeheer, geheimhouding en incidentregistratie niet over. Een derde aandachtspunt is versiebeheer. Leveranciers vervangen aliassen, voegen modellen toe en beëindigen endpoints. Open gewichten veranderen minder onverwacht, maar de runtime, quantisatie en promptlaag kunnen wel verschuiven. Bewaar daarom een kleine vaste regressieset en draai die opnieuw vóór iedere wijziging. Zonder zo’n anker is een kwaliteitsdaling moeilijk te onderscheiden van veranderde brondata of menselijk beoordelingsverschil. Ook de personeelskant verdient een eigen regel in het budget. Medewerkers moeten leren wanneer het model mag handelen, wanneer een bron nodig is en hoe een fout wordt gemeld. Die opleiding is geen eenmalige kostenpost, omdat modellen en werkprocessen blijven veranderen. Een project dat alleen tijdens de pilot door twee enthousiastelingen wordt gedragen, heeft nog geen schaalbaar bedrijfsproces bewezen. Ten slotte moet de organisatie een alternatief houden. Dat kan een tweede API, een kleiner lokaal model of een handmatige noodprocedure zijn. Redundantie kost geld, maar voorkomt dat een storing of plotselinge prijswijziging het hele proces stilzet. De waarde ervan is het grootst bij werk met deadlines. Juist daar kan één uur uitval duurder zijn dan een maand aan reservekosten. De omgekeerde rekensom maakt de grens zichtbaar Voor het rekenvoorbeeld nemen we maandelijkse model-, beheer- en controlekosten van € 320. De waarde van een vrijgespeeld arbeidsuur is € 52. De minimale besparing is dan € 320 gedeeld door € 52, oftewel 6.2 uur per maand. Dat is de drempel vóór financieringskosten, belastingen en een risicomarge. De lage, midden- en hoge scenario’s veronderstellen respectievelijk 5, 14 en 29 bespaarde minuten per werkdag. We rekenen met 220 werkdagen. De bruto tijdswaarde is minuten per dag maal 220 gedeeld door zestig, maal € 52. Daar trekken we twaalf maal € 320 vanaf. Het verschil is de netto kasbesparing in het schema. Deze formule telt alleen tijd die werkelijk uit betaald werk verdwijnt. Als een medewerker de vrijgekomen minuten niet anders kan inzetten, ontstaat geen directe kasbesparing. Ook mag dezelfde winst niet dubbel worden geteld als snellere doorlooptijd én extra productie, tenzij beide afzonderlijk zijn gemeten. Hetzelfde geldt voor minder fouten: de vermeden herstelkosten mogen niet nogmaals als tijdsbesparing terugkomen. Meer rondes kunnen de kwaliteit verhogen. Een agent die na de eerste fout opgeeft, bespaart tokens maar levert niets op. De oplossing is daarom geen willekeurig laag maximum, maar een limiet per soort fout en een overdracht naar een mens zodra de fout zich herhaalt. Voor 2027, 2028 en 2029 houden we dezelfde uurwaarde en maandkosten aan. Dat is bewust conservatief en maakt zichtbaar welke benutting nodig is zonder een verzonnen daling van tokenprijzen. In werkelijkheid kunnen tarieven, modellen en hardware sneller veranderen dan de interne processen. Een jaarlijkse herijking is daarom noodzakelijk. De scenario’s zijn geen voorspelling van de markt, maar een toets voor de eigen organisatie. Het lage scenario past bij een voorzichtige invoering met veel controles. Het middenscenario veronderstelt dat de workflow stabiel is en medewerkers de uitkomsten gericht nakijken. Het hoge scenario vraagt structureel gebruik, weinig uitval en voldoende vraag naar de vrijgekomen capaciteit. Als alleen het hoge scenario positief is, ligt het risico grotendeels bij de koper. Een gezonde businesscase blijft ook bij het middenscenario overeind en kan een tijdelijke prijsstijging of tegenvallende nauwkeurigheid opvangen. Wat een koper of belegger hieruit kan halen Definieer vooraf succes, maximaal aantal toolrondes, maximaal budget en het moment van escalatie. Meet kosten per geaccepteerd resultaat en vergelijk Sonnet met Haiku op dezelfde taak. Opus of Fable is pas logisch wanneer de hogere slaagkans de extra rekening en wachttijd compenseert. Voor inkopers is een proefcontract met meetbare service-eisen verstandiger dan een brede uitrol. Leg modelversie, regio, logretentie, maximale kosten per taak en een exitroute vast. Voor open gewichten horen ook de licentieversie, quantisatie, runtime en gebruikte fine-tune in het register. Zonder die gegevens is een resultaat later niet reproduceerbaar. Voor beleggers is lagere tokenprijs op zichzelf geen bewijs van een beter verdienmodel. Goedkopere inferentie kan het gebruik versnellen, maar ook de brutomarge drukken en de concurrentie vergroten. De relevante vragen zijn hoeveel klanten blijven, hoeveel hoogwaardige taken worden uitgevoerd en of de leverancier inkomsten uit tools, hosting of bedrijfscontracten toevoegt zonder dat supportkosten even hard oplopen. De praktische conclusie is nuchter. Claude Opus 5.5, Sonnet 5.5, Haiku 4.5 en Fable 5.1 kan waarde leveren, maar alleen wanneer oneindige toolrondes en steeds grotere context vooraf meetbaar wordt gemaakt. Start klein, vergelijk dezelfde taak, bewaak stopregels en laat de organisatie pas opschalen nadat de omgekeerde rekensom positief is. De modelnaam is het begin van de keuze, niet het bewijs dat de businesscase werkt.

In het kort Grok 4.7 en de zoekgereedschappen van xAI maakt vroeg nieuws en marktsignalen volgen technisch haalbaar, maar de doorslaggevende kosten zitten in valse alarmen, herhaalde berichten en onbevestigde claims. Grok 4.7 heeft volgens xAI een contextvenster van 500.000 tokens. Onder 200.000 prompttokens kost invoer $2, cached input $0,50 en output $6 per miljoen tokens. Boven die grens verdubbelen de input- en outputprijzen. We rekenen daarom terug vanaf geaccepteerd werk en laten zien hoeveel tijd of kwaliteit de inzet moet opleveren. De uitkomst is geen rendementsgarantie, maar een beslisgrens die een organisatie met eigen meetgegevens kan toetsen. De waarde van snelle toegang tot X zit in voorsprong, maar die voorsprong verdampt wanneer elk bericht handmatig moet worden uitgeplozen. Daarom moet de rekensom uitgaan van geverifieerde signalen en niet van gevonden berichten. De eerste fout in veel vergelijkingen is dat de modelprijs wordt behandeld als de volledige kostprijs. In de praktijk horen ook integratie, logging, evaluatie, beveiliging en de tijd van medewerkers bij de rekening. Een goedkope API kan daardoor de duurste route worden wanneer veel antwoorden opnieuw moeten worden gevraagd of gecontroleerd. Andersom kan een duurder model rationeel zijn wanneer het aantoonbaar minder herstelwerk veroorzaakt. Wat de actuele modelinformatie wel en niet zegt Volgens de xAI-prijspagina geldt op 7 oktober 2026 het volgende: Grok 4.7 heeft volgens xAI een contextvenster van 500.000 tokens. Onder 200.000 prompttokens kost invoer $2, cached input $0,50 en output $6 per miljoen tokens. Boven die grens verdubbelen de input- en outputprijzen. Die gegevens zijn bruikbaar voor een eerste begroting, maar ze zeggen niet hoeveel taken in het Nederlands goed eindigen, hoeveel pogingen nodig zijn of hoeveel menselijke controle resteert. Beschikbaarheid moet bovendien precies worden benoemd. Commerciële API; de Amerikaanse regionale endpoint heeft een toeslag van 10 procent. Een model dat via een chatdienst gratis is te proberen, is daarmee niet automatisch vrij inzetbaar in een productieomgeving. Evenmin betekent een openbare modelkaart dat de gewichten downloadbaar zijn of dat commercieel gebruik zonder voorwaarden is toegestaan. De tweede primaire bron is de xAI over X Search. Die helpt om de technische mogelijkheden te plaatsen, maar leveranciersdocumentatie blijft leveranciersinformatie. Benchmarkresultaten zijn meestal uitgevoerd onder vaste instellingen en zeggen weinig over eigen documenten, Nederlandse formuleringen, koppelingen of fouten die buiten de testset vallen. Daarom is een kleine, representatieve proef belangrijker dan een lange lijst scores. Kies twintig tot honderd echte taken, leg vooraf vast wat goed genoeg is en laat een inhoudsdeskundige blind beoordelen. Meet daarna kosten per geaccepteerde taak, niet alleen kosten per miljoen tokens. Dat voorkomt dat een model met lage tarieven wint terwijl medewerkers veel correcties uitvoeren. De proef moet ook het normale werkritme nabootsen. Een laboratoriumtest met één korte prompt mist precies de onderdelen die in productie geld kosten: grote bijlagen, meerdere gebruikers, wisselende talen, toolfouten en piekbelasting. Voor vroeg nieuws en marktsignalen volgen hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of valse alarmen, herhaalde berichten en onbevestigde claims incidenteel is of structureel terugkomt. Let daarnaast op de volgorde van handelingen. Een workflow die eerst alle documenten naar het duurste model stuurt, verspilt capaciteit wanneer een simpele filter de helft kan verwijderen. Omgekeerd kan te vroeg filteren relevante informatie weggooien. De beste keten gebruikt een goedkoop selectiemechanisme, een passend hoofdmodel en een gerichte controle. Iedere stap krijgt een eigen meetpunt, zodat duidelijk blijft waar kwaliteit verloren gaat. Databeheer hoort vanaf het begin in de opzet. Leg vast welke invoer mag worden bewaard, wie logs kan zien en hoe lang voorbeelden voor evaluatie beschikbaar blijven. De modeluitkomst kan bedrijfsinformatie bevatten, ook wanneer de oorspronkelijke prompt onschuldig lijkt. Een leverancier die niets bewaart, neemt bovendien de eigen plicht tot toegangsbeheer, geheimhouding en incidentregistratie niet over. Een derde aandachtspunt is versiebeheer. Leveranciers vervangen aliassen, voegen modellen toe en beëindigen endpoints. Open gewichten veranderen minder onverwacht, maar de runtime, quantisatie en promptlaag kunnen wel verschuiven. Bewaar daarom een kleine vaste regressieset en draai die opnieuw vóór iedere wijziging. Zonder zo’n anker is een kwaliteitsdaling moeilijk te onderscheiden van veranderde brondata of menselijk beoordelingsverschil. Ook de personeelskant verdient een eigen regel in het budget. Medewerkers moeten leren wanneer het model mag handelen, wanneer een bron nodig is en hoe een fout wordt gemeld. Die opleiding is geen eenmalige kostenpost, omdat modellen en werkprocessen blijven veranderen. Een project dat alleen tijdens de pilot door twee enthousiastelingen wordt gedragen, heeft nog geen schaalbaar bedrijfsproces bewezen. Ten slotte moet de organisatie een alternatief houden. Dat kan een tweede API, een kleiner lokaal model of een handmatige noodprocedure zijn. Redundantie kost geld, maar voorkomt dat een storing of plotselinge prijswijziging het hele proces stilzet. De waarde ervan is het grootst bij werk met deadlines. Juist daar kan één uur uitval duurder zijn dan een maand aan reservekosten. De omgekeerde rekensom maakt de grens zichtbaar Voor het rekenvoorbeeld nemen we maandelijkse model-, beheer- en controlekosten van € 260. De waarde van een vrijgespeeld arbeidsuur is € 55. De minimale besparing is dan € 260 gedeeld door € 55, oftewel 4.7 uur per maand. Dat is de drempel vóór financieringskosten, belastingen en een risicomarge. De lage, midden- en hoge scenario’s veronderstellen respectievelijk 4, 13 en 31 bespaarde minuten per werkdag. We rekenen met 220 werkdagen. De bruto tijdswaarde is minuten per dag maal 220 gedeeld door zestig, maal € 55. Daar trekken we twaalf maal € 260 vanaf. Het verschil is de netto kasbesparing in het schema. Deze formule telt alleen tijd die werkelijk uit betaald werk verdwijnt. Als een medewerker de vrijgekomen minuten niet anders kan inzetten, ontstaat geen directe kasbesparing. Ook mag dezelfde winst niet dubbel worden geteld als snellere doorlooptijd én extra productie, tenzij beide afzonderlijk zijn gemeten. Hetzelfde geldt voor minder fouten: de vermeden herstelkosten mogen niet nogmaals als tijdsbesparing terugkomen. Ook een vals alarm kan nuttig zijn als het vroeg waarschuwt voor een groot risico. Bij calamiteiten mag een systeem ruimer staan afgesteld. Dat verandert de kostenmaatstaf: dan telt niet alleen productiviteit, maar ook de vermeden schade van één tijdige waarschuwing. Voor 2027, 2028 en 2029 houden we dezelfde uurwaarde en maandkosten aan. Dat is bewust conservatief en maakt zichtbaar welke benutting nodig is zonder een verzonnen daling van tokenprijzen. In werkelijkheid kunnen tarieven, modellen en hardware sneller veranderen dan de interne processen. Een jaarlijkse herijking is daarom noodzakelijk. De scenario’s zijn geen voorspelling van de markt, maar een toets voor de eigen organisatie. Het lage scenario past bij een voorzichtige invoering met veel controles. Het middenscenario veronderstelt dat de workflow stabiel is en medewerkers de uitkomsten gericht nakijken. Het hoge scenario vraagt structureel gebruik, weinig uitval en voldoende vraag naar de vrijgekomen capaciteit. Als alleen het hoge scenario positief is, ligt het risico grotendeels bij de koper. Een gezonde businesscase blijft ook bij het middenscenario overeind en kan een tijdelijke prijsstijging of tegenvallende nauwkeurigheid opvangen. Wat een koper of belegger hieruit kan halen Laat Grok bron, tijdstip en tegenbewijs tonen. Combineer X-signalen met een tweede primaire bron voordat een conclusie naar klanten of portefeuillebeslissingen gaat. Houd een steekproef bij van ware en valse signalen, zodat de zoekdrempel op feiten kan worden ingesteld. Voor inkopers is een proefcontract met meetbare service-eisen verstandiger dan een brede uitrol. Leg modelversie, regio, logretentie, maximale kosten per taak en een exitroute vast. Voor open gewichten horen ook de licentieversie, quantisatie, runtime en gebruikte fine-tune in het register. Zonder die gegevens is een resultaat later niet reproduceerbaar. Voor beleggers is lagere tokenprijs op zichzelf geen bewijs van een beter verdienmodel. Goedkopere inferentie kan het gebruik versnellen, maar ook de brutomarge drukken en de concurrentie vergroten. De relevante vragen zijn hoeveel klanten blijven, hoeveel hoogwaardige taken worden uitgevoerd en of de leverancier inkomsten uit tools, hosting of bedrijfscontracten toevoegt zonder dat supportkosten even hard oplopen. De praktische conclusie is nuchter. Grok 4.7 en de zoekgereedschappen van xAI kan waarde leveren, maar alleen wanneer valse alarmen, herhaalde berichten en onbevestigde claims vooraf meetbaar wordt gemaakt. Start klein, vergelijk dezelfde taak, bewaak stopregels en laat de organisatie pas opschalen nadat de omgekeerde rekensom positief is. De modelnaam is het begin van de keuze, niet het bewijs dat de businesscase werkt.

In het kort Gemini 3.5 Flash-Lite en de actuele multimodale Gemini-modellen maakt het doorzoeken van vergaderingen, inspectievideo of trainingsmateriaal technisch haalbaar, maar de doorslaggevende kosten zitten in onnodig veel beeld laden en conclusies zonder tijdcode. Gemini 3.5 Flash-Lite kost volgens Google $0,30 per miljoen inputtokens en $2,50 output. Google vermeldt dat agentisch videobegrip bij lange video doorgaans tot 88 procent minder inputtokens kan gebruiken, maar dat het werkelijke verbruik afhangt van vraagcomplexiteit en bemonsteringsdiepte. We rekenen daarom terug vanaf geaccepteerd werk en laten zien hoeveel tijd of kwaliteit de inzet moet opleveren. De uitkomst is geen rendementsgarantie, maar een beslisgrens die een organisatie met eigen meetgegevens kan toetsen. Een uur video is geen vaste eenheid op een AI-factuur. Een brede opdracht als “vat alles samen” kan veel meer beeld activeren dan een gerichte vraag naar drie incidenten, beslissingen of afwijkingen. De eerste fout in veel vergelijkingen is dat de modelprijs wordt behandeld als de volledige kostprijs. In de praktijk horen ook integratie, logging, evaluatie, beveiliging en de tijd van medewerkers bij de rekening. Een goedkope API kan daardoor de duurste route worden wanneer veel antwoorden opnieuw moeten worden gevraagd of gecontroleerd. Andersom kan een duurder model rationeel zijn wanneer het aantoonbaar minder herstelwerk veroorzaakt. Wat de actuele modelinformatie wel en niet zegt Volgens de Google Gemini-prijspagina geldt op 7 oktober 2026 het volgende: Gemini 3.5 Flash-Lite kost volgens Google $0,30 per miljoen inputtokens en $2,50 output. Google vermeldt dat agentisch videobegrip bij lange video doorgaans tot 88 procent minder inputtokens kan gebruiken, maar dat het werkelijke verbruik afhangt van vraagcomplexiteit en bemonsteringsdiepte. Die gegevens zijn bruikbaar voor een eerste begroting, maar ze zeggen niet hoeveel taken in het Nederlands goed eindigen, hoeveel pogingen nodig zijn of hoeveel menselijke controle resteert. Beschikbaarheid moet bovendien precies worden benoemd. Commerciële API met gratis en betaalde niveaus; specifieke modellen verschillen in algemene beschikbaarheid. Een model dat via een chatdienst gratis is te proberen, is daarmee niet automatisch vrij inzetbaar in een productieomgeving. Evenmin betekent een openbare modelkaart dat de gewichten downloadbaar zijn of dat commercieel gebruik zonder voorwaarden is toegestaan. De tweede primaire bron is de Google over videobegrip. Die helpt om de technische mogelijkheden te plaatsen, maar leveranciersdocumentatie blijft leveranciersinformatie. Benchmarkresultaten zijn meestal uitgevoerd onder vaste instellingen en zeggen weinig over eigen documenten, Nederlandse formuleringen, koppelingen of fouten die buiten de testset vallen. Daarom is een kleine, representatieve proef belangrijker dan een lange lijst scores. Kies twintig tot honderd echte taken, leg vooraf vast wat goed genoeg is en laat een inhoudsdeskundige blind beoordelen. Meet daarna kosten per geaccepteerde taak, niet alleen kosten per miljoen tokens. Dat voorkomt dat een model met lage tarieven wint terwijl medewerkers veel correcties uitvoeren. De proef moet ook het normale werkritme nabootsen. Een laboratoriumtest met één korte prompt mist precies de onderdelen die in productie geld kosten: grote bijlagen, meerdere gebruikers, wisselende talen, toolfouten en piekbelasting. Voor het doorzoeken van vergaderingen, inspectievideo of trainingsmateriaal hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of onnodig veel beeld laden en conclusies zonder tijdcode incidenteel is of structureel terugkomt. Let daarnaast op de volgorde van handelingen. Een workflow die eerst alle documenten naar het duurste model stuurt, verspilt capaciteit wanneer een simpele filter de helft kan verwijderen. Omgekeerd kan te vroeg filteren relevante informatie weggooien. De beste keten gebruikt een goedkoop selectiemechanisme, een passend hoofdmodel en een gerichte controle. Iedere stap krijgt een eigen meetpunt, zodat duidelijk blijft waar kwaliteit verloren gaat. Databeheer hoort vanaf het begin in de opzet. Leg vast welke invoer mag worden bewaard, wie logs kan zien en hoe lang voorbeelden voor evaluatie beschikbaar blijven. De modeluitkomst kan bedrijfsinformatie bevatten, ook wanneer de oorspronkelijke prompt onschuldig lijkt. Een leverancier die niets bewaart, neemt bovendien de eigen plicht tot toegangsbeheer, geheimhouding en incidentregistratie niet over. Een derde aandachtspunt is versiebeheer. Leveranciers vervangen aliassen, voegen modellen toe en beëindigen endpoints. Open gewichten veranderen minder onverwacht, maar de runtime, quantisatie en promptlaag kunnen wel verschuiven. Bewaar daarom een kleine vaste regressieset en draai die opnieuw vóór iedere wijziging. Zonder zo’n anker is een kwaliteitsdaling moeilijk te onderscheiden van veranderde brondata of menselijk beoordelingsverschil. Ook de personeelskant verdient een eigen regel in het budget. Medewerkers moeten leren wanneer het model mag handelen, wanneer een bron nodig is en hoe een fout wordt gemeld. Die opleiding is geen eenmalige kostenpost, omdat modellen en werkprocessen blijven veranderen. Een project dat alleen tijdens de pilot door twee enthousiastelingen wordt gedragen, heeft nog geen schaalbaar bedrijfsproces bewezen. Ten slotte moet de organisatie een alternatief houden. Dat kan een tweede API, een kleiner lokaal model of een handmatige noodprocedure zijn. Redundantie kost geld, maar voorkomt dat een storing of plotselinge prijswijziging het hele proces stilzet. De waarde ervan is het grootst bij werk met deadlines. Juist daar kan één uur uitval duurder zijn dan een maand aan reservekosten. De omgekeerde rekensom maakt de grens zichtbaar Voor het rekenvoorbeeld nemen we maandelijkse model-, beheer- en controlekosten van € 180. De waarde van een vrijgespeeld arbeidsuur is € 46. De minimale besparing is dan € 180 gedeeld door € 46, oftewel 3.9 uur per maand. Dat is de drempel vóór financieringskosten, belastingen en een risicomarge. De lage, midden- en hoge scenario’s veronderstellen respectievelijk 3, 10 en 23 bespaarde minuten per werkdag. We rekenen met 220 werkdagen. De bruto tijdswaarde is minuten per dag maal 220 gedeeld door zestig, maal € 46. Daar trekken we twaalf maal € 180 vanaf. Het verschil is de netto kasbesparing in het schema. Deze formule telt alleen tijd die werkelijk uit betaald werk verdwijnt. Als een medewerker de vrijgekomen minuten niet anders kan inzetten, ontstaat geen directe kasbesparing. Ook mag dezelfde winst niet dubbel worden geteld als snellere doorlooptijd én extra productie, tenzij beide afzonderlijk zijn gemeten. Hetzelfde geldt voor minder fouten: de vermeden herstelkosten mogen niet nogmaals als tijdsbesparing terugkomen. Dynamische bemonstering kan details missen. Wie te agressief voorselecteert, bespaart tokens maar loopt het risico dat juist een korte gebeurtenis buiten beeld valt. Bij veiligheid, toezicht of juridische bewijsvoering blijft volledige menselijke of gespecialiseerde controle nodig. Voor 2027, 2028 en 2029 houden we dezelfde uurwaarde en maandkosten aan. Dat is bewust conservatief en maakt zichtbaar welke benutting nodig is zonder een verzonnen daling van tokenprijzen. In werkelijkheid kunnen tarieven, modellen en hardware sneller veranderen dan de interne processen. Een jaarlijkse herijking is daarom noodzakelijk. De scenario’s zijn geen voorspelling van de markt, maar een toets voor de eigen organisatie. Het lage scenario past bij een voorzichtige invoering met veel controles. Het middenscenario veronderstelt dat de workflow stabiel is en medewerkers de uitkomsten gericht nakijken. Het hoge scenario vraagt structureel gebruik, weinig uitval en voldoende vraag naar de vrijgekomen capaciteit. Als alleen het hoge scenario positief is, ligt het risico grotendeels bij de koper. Een gezonde businesscase blijft ook bij het middenscenario overeind en kan een tijdelijke prijsstijging of tegenvallende nauwkeurigheid opvangen. Wat een koper of belegger hieruit kan halen Knip de workflow in een goedkope zoekfase en een gerichte verdiepingsfase. Vraag eerst om tijdcodes en laat alleen relevante segmenten opnieuw analyseren. Meet niet alleen tokenkosten, maar ook gemiste gebeurtenissen en de tijd die een medewerker nodig heeft om vindplaatsen te controleren. Voor inkopers is een proefcontract met meetbare service-eisen verstandiger dan een brede uitrol. Leg modelversie, regio, logretentie, maximale kosten per taak en een exitroute vast. Voor open gewichten horen ook de licentieversie, quantisatie, runtime en gebruikte fine-tune in het register. Zonder die gegevens is een resultaat later niet reproduceerbaar. Voor beleggers is lagere tokenprijs op zichzelf geen bewijs van een beter verdienmodel. Goedkopere inferentie kan het gebruik versnellen, maar ook de brutomarge drukken en de concurrentie vergroten. De relevante vragen zijn hoeveel klanten blijven, hoeveel hoogwaardige taken worden uitgevoerd en of de leverancier inkomsten uit tools, hosting of bedrijfscontracten toevoegt zonder dat supportkosten even hard oplopen. De praktische conclusie is nuchter. Gemini 3.5 Flash-Lite en de actuele multimodale Gemini-modellen kan waarde leveren, maar alleen wanneer onnodig veel beeld laden en conclusies zonder tijdcode vooraf meetbaar wordt gemaakt. Start klein, vergelijk dezelfde taak, bewaak stopregels en laat de organisatie pas opschalen nadat de omgekeerde rekensom positief is. De modelnaam is het begin van de keuze, niet het bewijs dat de businesscase werkt.

In het kort DeepSeek-V4.1-Flash en DeepSeek-V4-Pro-0813 maakt grote interne dossiers samenvatten of classificeren technisch haalbaar, maar de doorslaggevende kosten zitten in vertrouwelijke gegevens, bewaarbeleid en leveranciersafhankelijkheid. DeepSeek noemt V4.1-Flash en V4-Pro met één miljoen tokens context en maximaal 384.000 outputtokens. De dienst ondersteunt zowel een OpenAI- als Anthropic-formaat. Oude Flash-modelnamen worden naar V4.1-Flash geleid en tegen het actuele Flash-tarief afgerekend. We rekenen daarom terug vanaf geaccepteerd werk en laten zien hoeveel tijd of kwaliteit de inzet moet opleveren. De uitkomst is geen rendementsgarantie, maar een beslisgrens die een organisatie met eigen meetgegevens kan toetsen. Een lage tokenprijs is irrelevant wanneer de documenten niet naar de gekozen endpoint mogen. Dan ontstaat een tweede route met anonimisering, een ander model of lokale verwerking. Die extra route bepaalt het echte kostenverschil. De eerste fout in veel vergelijkingen is dat de modelprijs wordt behandeld als de volledige kostprijs. In de praktijk horen ook integratie, logging, evaluatie, beveiliging en de tijd van medewerkers bij de rekening. Een goedkope API kan daardoor de duurste route worden wanneer veel antwoorden opnieuw moeten worden gevraagd of gecontroleerd. Andersom kan een duurder model rationeel zijn wanneer het aantoonbaar minder herstelwerk veroorzaakt. Wat de actuele modelinformatie wel en niet zegt Volgens de DeepSeek-model- en prijspagina geldt op 7 oktober 2026 het volgende: DeepSeek noemt V4.1-Flash en V4-Pro met één miljoen tokens context en maximaal 384.000 outputtokens. De dienst ondersteunt zowel een OpenAI- als Anthropic-formaat. Oude Flash-modelnamen worden naar V4.1-Flash geleid en tegen het actuele Flash-tarief afgerekend. Die gegevens zijn bruikbaar voor een eerste begroting, maar ze zeggen niet hoeveel taken in het Nederlands goed eindigen, hoeveel pogingen nodig zijn of hoeveel menselijke controle resteert. Beschikbaarheid moet bovendien precies worden benoemd. Commerciële API; beschikbaarheid van open gewichten en API-versies moet afzonderlijk worden gecontroleerd. Een model dat via een chatdienst gratis is te proberen, is daarmee niet automatisch vrij inzetbaar in een productieomgeving. Evenmin betekent een openbare modelkaart dat de gewichten downloadbaar zijn of dat commercieel gebruik zonder voorwaarden is toegestaan. De tweede primaire bron is de DeepSeek over privacy en beveiliging. Die helpt om de technische mogelijkheden te plaatsen, maar leveranciersdocumentatie blijft leveranciersinformatie. Benchmarkresultaten zijn meestal uitgevoerd onder vaste instellingen en zeggen weinig over eigen documenten, Nederlandse formuleringen, koppelingen of fouten die buiten de testset vallen. Daarom is een kleine, representatieve proef belangrijker dan een lange lijst scores. Kies twintig tot honderd echte taken, leg vooraf vast wat goed genoeg is en laat een inhoudsdeskundige blind beoordelen. Meet daarna kosten per geaccepteerde taak, niet alleen kosten per miljoen tokens. Dat voorkomt dat een model met lage tarieven wint terwijl medewerkers veel correcties uitvoeren. De proef moet ook het normale werkritme nabootsen. Een laboratoriumtest met één korte prompt mist precies de onderdelen die in productie geld kosten: grote bijlagen, meerdere gebruikers, wisselende talen, toolfouten en piekbelasting. Voor grote interne dossiers samenvatten of classificeren hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of vertrouwelijke gegevens, bewaarbeleid en leveranciersafhankelijkheid incidenteel is of structureel terugkomt. Let daarnaast op de volgorde van handelingen. Een workflow die eerst alle documenten naar het duurste model stuurt, verspilt capaciteit wanneer een simpele filter de helft kan verwijderen. Omgekeerd kan te vroeg filteren relevante informatie weggooien. De beste keten gebruikt een goedkoop selectiemechanisme, een passend hoofdmodel en een gerichte controle. Iedere stap krijgt een eigen meetpunt, zodat duidelijk blijft waar kwaliteit verloren gaat. Databeheer hoort vanaf het begin in de opzet. Leg vast welke invoer mag worden bewaard, wie logs kan zien en hoe lang voorbeelden voor evaluatie beschikbaar blijven. De modeluitkomst kan bedrijfsinformatie bevatten, ook wanneer de oorspronkelijke prompt onschuldig lijkt. Een leverancier die niets bewaart, neemt bovendien de eigen plicht tot toegangsbeheer, geheimhouding en incidentregistratie niet over. Een derde aandachtspunt is versiebeheer. Leveranciers vervangen aliassen, voegen modellen toe en beëindigen endpoints. Open gewichten veranderen minder onverwacht, maar de runtime, quantisatie en promptlaag kunnen wel verschuiven. Bewaar daarom een kleine vaste regressieset en draai die opnieuw vóór iedere wijziging. Zonder zo’n anker is een kwaliteitsdaling moeilijk te onderscheiden van veranderde brondata of menselijk beoordelingsverschil. Ook de personeelskant verdient een eigen regel in het budget. Medewerkers moeten leren wanneer het model mag handelen, wanneer een bron nodig is en hoe een fout wordt gemeld. Die opleiding is geen eenmalige kostenpost, omdat modellen en werkprocessen blijven veranderen. Een project dat alleen tijdens de pilot door twee enthousiastelingen wordt gedragen, heeft nog geen schaalbaar bedrijfsproces bewezen. Ten slotte moet de organisatie een alternatief houden. Dat kan een tweede API, een kleiner lokaal model of een handmatige noodprocedure zijn. Redundantie kost geld, maar voorkomt dat een storing of plotselinge prijswijziging het hele proces stilzet. De waarde ervan is het grootst bij werk met deadlines. Juist daar kan één uur uitval duurder zijn dan een maand aan reservekosten. De omgekeerde rekensom maakt de grens zichtbaar Voor het rekenvoorbeeld nemen we maandelijkse model-, beheer- en controlekosten van € 420. De waarde van een vrijgespeeld arbeidsuur is € 50. De minimale besparing is dan € 420 gedeeld door € 50, oftewel 8.4 uur per maand. Dat is de drempel vóór financieringskosten, belastingen en een risicomarge. De lage, midden- en hoge scenario’s veronderstellen respectievelijk 4, 12 en 27 bespaarde minuten per werkdag. We rekenen met 220 werkdagen. De bruto tijdswaarde is minuten per dag maal 220 gedeeld door zestig, maal € 50. Daar trekken we twaalf maal € 420 vanaf. Het verschil is de netto kasbesparing in het schema. Deze formule telt alleen tijd die werkelijk uit betaald werk verdwijnt. Als een medewerker de vrijgekomen minuten niet anders kan inzetten, ontstaat geen directe kasbesparing. Ook mag dezelfde winst niet dubbel worden geteld als snellere doorlooptijd én extra productie, tenzij beide afzonderlijk zijn gemeten. Hetzelfde geldt voor minder fouten: de vermeden herstelkosten mogen niet nogmaals als tijdsbesparing terugkomen. Niet ieder document is gevoelig. Openbare rapporten, productteksten en technische documentatie kunnen vaak zonder zware maatregelen worden verwerkt. Het is dus even ondoelmatig om alle data te blokkeren als om alles zonder classificatie door te sturen. Voor 2027, 2028 en 2029 houden we dezelfde uurwaarde en maandkosten aan. Dat is bewust conservatief en maakt zichtbaar welke benutting nodig is zonder een verzonnen daling van tokenprijzen. In werkelijkheid kunnen tarieven, modellen en hardware sneller veranderen dan de interne processen. Een jaarlijkse herijking is daarom noodzakelijk. De scenario’s zijn geen voorspelling van de markt, maar een toets voor de eigen organisatie. Het lage scenario past bij een voorzichtige invoering met veel controles. Het middenscenario veronderstelt dat de workflow stabiel is en medewerkers de uitkomsten gericht nakijken. Het hoge scenario vraagt structureel gebruik, weinig uitval en voldoende vraag naar de vrijgekomen capaciteit. Als alleen het hoge scenario positief is, ligt het risico grotendeels bij de koper. Een gezonde businesscase blijft ook bij het middenscenario overeind en kan een tijdelijke prijsstijging of tegenvallende nauwkeurigheid opvangen. Wat een koper of belegger hieruit kan halen Verdeel bronnen vooraf in openbaar, intern en strikt vertrouwelijk. Koppel daar toegestane endpoints en bewaartermijnen aan. Neem in de vergelijking ook anonimisering, logging, juridische controle en de tijd voor incidentonderzoek mee. Pas daarna heeft de tokenprijs betekenis. Voor inkopers is een proefcontract met meetbare service-eisen verstandiger dan een brede uitrol. Leg modelversie, regio, logretentie, maximale kosten per taak en een exitroute vast. Voor open gewichten horen ook de licentieversie, quantisatie, runtime en gebruikte fine-tune in het register. Zonder die gegevens is een resultaat later niet reproduceerbaar. Voor beleggers is lagere tokenprijs op zichzelf geen bewijs van een beter verdienmodel. Goedkopere inferentie kan het gebruik versnellen, maar ook de brutomarge drukken en de concurrentie vergroten. De relevante vragen zijn hoeveel klanten blijven, hoeveel hoogwaardige taken worden uitgevoerd en of de leverancier inkomsten uit tools, hosting of bedrijfscontracten toevoegt zonder dat supportkosten even hard oplopen. De praktische conclusie is nuchter. DeepSeek-V4.1-Flash en DeepSeek-V4-Pro-0813 kan waarde leveren, maar alleen wanneer vertrouwelijke gegevens, bewaarbeleid en leveranciersafhankelijkheid vooraf meetbaar wordt gemaakt. Start klein, vergelijk dezelfde taak, bewaak stopregels en laat de organisatie pas opschalen nadat de omgekeerde rekensom positief is. De modelnaam is het begin van de keuze, niet het bewijs dat de businesscase werkt.