Doorzoek deze website

In het kort ASML verwacht voor het derde kwartaal €11 tot €12 miljard omzet en een brutomarge van 55% tot 57%. Dat is een groot kwartaal, maar omzet alleen vertelt weinig over de winstkwaliteit. De mix van EUV, DUV, service, acceptatiemomenten en opstartkosten bepaalt hoeveel van elke omzet-euro overblijft. Het aandeel ASML stond op 7 oktober 2026 rond €1.610,20 in Amsterdam. De kwartaalcijfers volgen op 14 oktober. Op deze koers is een kleine meevaller in omzet minder belangrijk dan bewijs dat de hoge marge houdbaar blijft terwijl capaciteit wordt uitgebreid. Direct naar een onderdeel van dit artikel Een machine telt pas na acceptatie Capaciteit is geen levering De marge zegt meer dan het orderboek Wat vraagt €1.610,20? Waar we op 14 oktober naar kijken Een machine telt pas na acceptatie ASML ontvangt soms betalingen voordat een systeem volledig als omzet mag worden geboekt. Bij complexe machines kan klantacceptatie het moment verschuiven waarop omzet en marge in de resultatenrekening komen. Daarom kan één kwartaal uitzonderlijk hoog of laag lijken zonder dat de onderliggende vraag even sterk verandert. De tweede-kwartaalomzet bedroeg €9,326 miljard en de brutomarge 54%. Voor het derde kwartaal ligt de omzetverwachting duidelijk hoger. Als de marge tegelijk naar 56% stijgt, groeit de brutowinst veel sneller dan wanneer de extra omzet vooral uit een minder gunstige productmix komt. R&D en verkoopkosten volgen bovendien niet één op één per systeem. Capaciteit is geen levering ASML wil de Low-NA EUV-capaciteit in 2027 met ongeveer 30% verhogen ten opzichte van circa 65 systemen in 2026. Ook voor DUV-immersie onderzoekt het bedrijf verdere uitbreiding. Dat geeft ruimte wanneer klanten meer willen bestellen, maar een productielijn verdient pas geld bij benutting, levering en acceptatie. De economische hefboom is aantrekkelijk. Meer systemen vergroten later ook de geïnstalleerde basis voor service en upgrades. Dat is terugkerender dan een losse machineverkoop. Het risico is dat extra capaciteit te vroeg komt. Dan lopen personeels-, toeleveranciers- en fabriekskosten door terwijl leveringen uitblijven. Onze eerdere uitleg over High-NA en omzetacceptatie maakt duidelijk waarom verzending niet altijd omzet is. Het artikel over de economie voor chipfabrikanten laat zien dat klanten alleen blijven investeren wanneer de kosten per goede chip dalen. De cijfers van volgende week verbinden die twee kanten. De marge zegt meer dan het orderboek Een brutomarge van 56% betekent dat van €11,5 miljard omzet circa €6,44 miljard overblijft na directe productiekosten. Daar gaan R&D, verkoop, administratie en belasting nog vanaf. Een procentpunt marge op deze omzet is ongeveer €115 miljoen brutowinst. Dat maakt de bandbreedte materieel. ASML heeft sterke onderhandelingsmacht door zijn unieke EUV-positie en diep geïntegreerde technologie. Toch zijn er grenzen. Leverancierskosten, dure nieuwe platforms, exportbeperkingen en klantmix kunnen de marge drukken. Een groot orderboek beschermt niet volledig wanneer leveringen worden uitgesteld of systemen tegen hogere kosten worden gebouwd. Wat vraagt €1.610,20? Bij 34 keer winst en 9% gewenst koersrendement vraagt de koers in 2029 ongeveer €61 winst per aandeel. Dat is een hoge maar niet ondenkbare drempel als omzet naar de langetermijndoelen groeit en de marge rond het midden van de bedrijfsband blijft. Bij een lagere multiple moet de winst sneller stijgen. In het bearscenario vertraagt orderintake, blijven exportbeperkingen zwaar en wordt nieuwe capaciteit niet volledig benut. Mogelijke koersen zijn €1.280, €1.160 en €1.210 voor 2027 tot en met 2029. Het middenscenario veronderstelt omzetgroei, een brutomarge rond de doelband en servicegroei. Dan passen €1.680, €1.860 en €2.070. In het gunstige scenario vullen EUV en DUV snel, blijft High-NA technisch op schema en groeit winst per aandeel sterk. Dan volgen €1.910, €2.260 en €2.710. Waar we op 14 oktober naar kijken De eerste vraag is hoeveel van de €11 tot €12 miljard omzet daadwerkelijk uit systeemacceptatie komt. Daarna volgen brutomarge, orderintake, serviceomzet en opmerkingen over capaciteit in 2027. Een kwartaal boven de omzetverwachting kan tegenvallen wanneer de marge zwak is. Een omzet aan de onderkant kan juist meevallen wanneer acceptatie alleen verschuift en de kwaliteit goed blijft. ASML blijft een uitzonderlijk bedrijf met schaarse technologie. Een uitzonderlijk bedrijf is niet automatisch een goedkoop aandeel. Op €1.610,20 betaalt de markt voor groei én uitvoering. De cijfers moeten daarom niet alleen laten zien dat klanten machines willen, maar dat ASML iedere extra omzet-euro tegen een winstgevend ritme kan leveren. De orderintake vraagt eveneens nuance. Een bestelling is geen kasontvangst en ook geen gegarandeerde omzet in hetzelfde kwartaal. Klanten kunnen leveringsmomenten aanpassen en exportvergunningen kunnen de bestemming beperken. Tegelijk is een orderboek voor ASML waardevoller dan voor veel machinebouwers, omdat klanten hun fabrieken jaren vooruit plannen en weinig alternatieven voor EUV hebben. We vergelijken daarom orders met productiecapaciteit, verwachte acceptaties en klantinvesteringen. Als orders sneller groeien dan leverbare capaciteit, ondersteunt dat prijszetting. Als capaciteit sneller groeit dan orders, wordt de margegevoeligheid juist groter. De verhouding tussen ontvangen aanbetalingen, uitgestelde omzet en gerealiseerde serviceomzet laat bovendien zien of groei ook werkelijk in kas verandert.

Omslagfoto: Alibaba-oprichter Jack Ma tijdens COP21 in Parijs op 5 december 2015. Archiefbeeld. Foto: UNclimatechange / Hajue Staudt / Wikimedia Commons, CC BY 2.0. Bron en beeldverantwoording · CC BY 2.0 In het kort Qwen3.8-27B maakt een eigen multimodale dienst bouwen op open gewichten technisch haalbaar, maar de doorslaggevende kosten zitten in ontbrekende monitoring, veiligheidslagen en operationele ondersteuning. 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. Apache 2.0 verlaagt juridische drempels, maar neemt het operationele werk niet weg. Een team moet zelf bepalen hoe prompts worden gelogd, hoe misbruik wordt begrensd en welke modelversie wordt ondersteund. 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. Direct naar een onderdeel van dit artikel Wat de actuele modelinformatie wel en niet zegt De omgekeerde rekensom maakt de grens zichtbaar Wat een koper of belegger hieruit kan halen Wat de actuele modelinformatie wel en niet zegt Volgens de officiële Qwen-modelkaart geldt op 8 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. Een productiedienst heeft minimaal versiebeheer, toegangsrechten, monitoring, capaciteitsgrenzen en een procedure voor onveilige uitkomsten nodig. Die onderdelen blijven hetzelfde, of de gewichten nu gratis zijn of niet. De licentie verlaagt de toegangskosten, maar niet de verantwoordelijkheid. De economische winst van Qwen groeit wanneer meerdere toepassingen dezelfde infrastructuur delen. Eén centrale endpoint kan rekenkracht, evaluaties en veiligheidsregels hergebruiken. Tien losse servers in teams maken open inzet juist duur en moeilijk controleerbaar. 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 een eigen multimodale dienst bouwen op open gewichten hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of ontbrekende monitoring, veiligheidslagen en operationele ondersteuning 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 € 980. De waarde van een vrijgespeeld arbeidsuur is € 49. De minimale besparing is dan € 980 gedeeld door € 49, oftewel 20.0 uur per maand. Dat is de drempel vóór financieringskosten, belastingen en een risicomarge. De lage, midden- en hoge scenario’s veronderstellen respectievelijk 6, 20 en 43 bespaarde minuten per werkdag. We rekenen met 220 werkdagen. De bruto tijdswaarde is minuten per dag maal 220 gedeeld door zestig, maal € 49. Daar trekken we twaalf maal € 980 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. Juist die vrijheid kan waardevol zijn. Bedrijven kunnen Qwen aanpassen, lokaal draaien en van infrastructuurleverancier wisselen. Het voordeel verschijnt alleen wanneer zij de gedeelde laag centraal organiseren. 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 Maak vóór de eerste pilot een dienstenlijst met eigenaar, responstijd, evaluatie en noodroute. Reken platformuren mee en vergelijk die met een beheerde API. Gebruik de Apache-licentie als vrijheid om te kiezen, niet als bewijs van gratis productie. 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 ontbrekende monitoring, veiligheidslagen en operationele ondersteuning 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.

Omslagfoto: Het JD Technology Building in Beijing, waar Moonshot AI zijn kantooradres opgeeft. Archiefbeeld van 10 september 2020, vóór de oprichting van Moonshot AI, met toenmalige belettering en verbouwing. Foto: Ashtang775, CC BY-SA 4.0, via Wikimedia Commons. Bron en beeldverantwoording · CC BY-SA 4.0 In het kort Kimi K3 en Kimi K2.6 maakt langlopende code- en onderzoeksopdrachten uitvoeren technisch haalbaar, maar de doorslaggevende kosten zitten in sessieverlies, herstarten en onzichtbare tussenstappen. 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 miljoen tokens context maakt een lange opdracht mogelijk, maar vergroot ook de waarde van iedere tussenstap. Als een run aan het einde faalt en volledig opnieuw begint, wordt de goedkoopste tokenprijs irrelevant. 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. Direct naar een onderdeel van dit artikel Wat de actuele modelinformatie wel en niet zegt De omgekeerde rekensom maakt de grens zichtbaar Wat een koper of belegger hieruit kan halen Wat de actuele modelinformatie wel en niet zegt Volgens de Kimi API-overzicht geldt op 8 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. Een goed controlepunt bewaart niet alleen de laatste tekst. Ook gebruikte bronnen, gemaakte bestanden, testresultaten en openstaande beslissingen horen erbij. Anders hervat de agent formeel wel, maar moet hij de duurste stappen opnieuw uitvoeren. Herstelbaarheid moet in de proef worden afgedwongen. Stop een taak halverwege, wijzig één bronbestand en laat het systeem verdergaan. Alleen als de agent bestaande resultaten kan valideren en selectief opnieuw werken, is de lange context operationeel waardevol. 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 langlopende code- en onderzoeksopdrachten uitvoeren hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of sessieverlies, herstarten en onzichtbare tussenstappen 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 € 430. De waarde van een vrijgespeeld arbeidsuur is € 59. De minimale besparing is dan € 430 gedeeld door € 59, oftewel 7.3 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 36 bespaarde minuten per werkdag. We rekenen met 220 werkdagen. De bruto tijdswaarde is minuten per dag maal 220 gedeeld door zestig, maal € 59. Daar trekken we twaalf maal € 430 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 iedere taak hoeft te worden hervat. Korte opdrachten kunnen beter opnieuw beginnen dan een ingewikkelde status bewaren. Controlepunten horen daarom alleen bij processen waar veel tijd, tooluitvoer of menselijk oordeel is opgebouwd. 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 de applicatie na iedere afgeronde fase bronlijst, bestanden, beslissingen en resterende stappen opslaan. Test herstel expliciet door een run te onderbreken. Meet hoeveel werk werkelijk behouden blijft. 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 sessieverlies, herstarten en onzichtbare tussenstappen 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.

Omslagfoto: Demis Hassabis (archieffoto, 2025-07-14). Foto: Christopher P. Michel / Wikimedia Commons / CC BY-SA 4.0. Bron en beeldverantwoording · CC BY-SA 4.0 In het kort Gemma 4 E2B, E4B, 12B, 26B A4B en 31B maakt een compact lokaal model afstemmen op eigen documenten en stijl technisch haalbaar, maar de doorslaggevende kosten zitten in migratie, regressietests en afhankelijkheid van een oude basisversie. De officiële modelkaart noemt vijf formaten, maximaal 256.000 tokens context, ondersteuning voor meer dan 140 talen en open gewichten onder Apache 2.0. E2B, E4B en 12B ondersteunen ook audio-invoer; de familie combineert dichte en MoE-architecturen. 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 eerste finetune kan goedkoop lijken omdat de trainingsrun beperkt is. De terugkerende kosten ontstaan wanneer het basismodel, de runtime of de veiligheidslaag verandert en alle evaluaties opnieuw moeten worden uitgevoerd. 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. Direct naar een onderdeel van dit artikel Wat de actuele modelinformatie wel en niet zegt De omgekeerde rekensom maakt de grens zichtbaar Wat een koper of belegger hieruit kan halen Wat de actuele modelinformatie wel en niet zegt Volgens de officiële Gemma 4-modelkaart geldt op 8 oktober 2026 het volgende: De officiële modelkaart noemt vijf formaten, maximaal 256.000 tokens context, ondersteuning voor meer dan 140 talen en open gewichten onder Apache 2.0. E2B, E4B en 12B ondersteunen ook audio-invoer; de familie combineert dichte en MoE-architecturen. 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. Een finetune is geen los bestand dat zonder context kan worden meegenomen. De tokenizer, architectuur, quantisatie en gebruikte adapters horen bij de versie. Een team dat die keten niet documenteert, kan een goed resultaat later moeilijk reproduceren. Versieschuld wordt zichtbaar met een vaste regressieset. Als de oude basis veilig en voldoende snel blijft, kan blijven zitten goedkoper zijn. Als beveiligingsupdates, hardwareondersteuning of kwaliteit achterlopen, wordt uitstel juist duurder. Beschikbaarheid moet bovendien precies worden benoemd. Open gewichten onder Apache 2.0; hosting en ondersteuning zijn afzonderlijke keuzes. 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 QLoRA-finetuning. 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 compact lokaal model afstemmen op eigen documenten en stijl hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of migratie, regressietests en afhankelijkheid van een oude basisversie 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 € 780. De waarde van een vrijgespeeld arbeidsuur is € 50. De minimale besparing is dan € 780 gedeeld door € 50, oftewel 15.6 uur per maand. Dat is de drempel vóór financieringskosten, belastingen en een risicomarge. De lage, midden- en hoge scenario’s veronderstellen respectievelijk 5, 18 en 39 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 € 780 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 iedere nieuwe basisversie vereist migratie. Een stabiele finetune kan jarenlang waarde leveren als prestaties, beveiliging en ondersteuning voldoende blijven. Bewust niet upgraden is een geldige keuze zolang het risico wordt beheerd. 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 Leg basisversie, dataset, trainingsrecept en evaluatieresultaten vast. Reserveer jaarlijks budget voor één migratieproef. Stap alleen over wanneer de nieuwe versie aantoonbaar meer oplevert dan hertraining en validatie kosten. 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. Gemma 4 E2B, E4B, 12B, 26B A4B en 31B kan waarde leveren, maar alleen wanneer migratie, regressietests en afhankelijkheid van een oude basisversie 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.

Omslagfoto: Lee Garden One in Hongkong, het gebouw dat MiniMax als zijn Hongkongse vestiging opgeeft. Archiefbeeld uit januari 2020, vóór de oprichting van MiniMax; de winkelbelettering hoort bij andere huurders. Foto: Wikipedia user Wpcpey, CC BY 4.0, via Wikimedia Commons. Bron en beeldverantwoording · CC BY 4.0 In het kort MiniMax M3.1 Flash Preview en M Plan maakt een agentische workflow met een nieuw previewmodel testen technisch haalbaar, maar de doorslaggevende kosten zitten in plotselinge modelwijzigingen, uitval en ontbrekende productieverplichtingen. 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 preview is geschikt om mogelijkheden te verkennen, niet om stilzwijgend een onmisbare productieketen te dragen. De lage instapkosten moeten worden afgezet tegen de kans dat prompts, evaluaties of koppelingen opnieuw moeten worden aangepast. 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. Direct naar een onderdeel van dit artikel Wat de actuele modelinformatie wel en niet zegt De omgekeerde rekensom maakt de grens zichtbaar Wat een koper of belegger hieruit kan halen Wat de actuele modelinformatie wel en niet zegt Volgens de MiniMax M Plan geldt op 8 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. De previewstatus moet zichtbaar blijven in architectuur en budget. Wie het model alleen als naam in een configuratiebestand zet, vergeet snel dat beschikbaarheid en gedrag kunnen veranderen. Een dashboard hoort daarom versie, status en laatste regressietest te tonen. Een terugvalmodel hoeft niet dezelfde kwaliteit te leveren, maar wel de kritieke taak veilig af te ronden. Test de omschakeling voordat er een storing is. De kosten van die reserve horen in de businesscase van het previewmodel. 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 over M3.1 Flash Preview. 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 agentische workflow met een nieuw previewmodel testen hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of plotselinge modelwijzigingen, uitval en ontbrekende productieverplichtingen 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 € 47. De minimale besparing is dan € 360 gedeeld door € 47, oftewel 7.7 uur per maand. Dat is de drempel vóór financieringskosten, belastingen en een risicomarge. De lage, midden- en hoge scenario’s veronderstellen respectievelijk 4, 14 en 30 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 € 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. Wachten op volledige stabiliteit heeft ook kosten. Teams missen ervaring en kunnen een concurrentievoordeel laten liggen. Een afgeschermde pilot met echte data en een duidelijke einddatum houdt leren en risico in balans. 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 Zet previewverkeer achter een router, bewaar een algemeen beschikbaar terugvalmodel en leg acceptatiecriteria vast. Promoveer pas naar productie wanneer prijs, beschikbaarheid en regressietests zijn bevestigd. 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 plotselinge modelwijzigingen, uitval en ontbrekende productieverplichtingen 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.

Omslagfoto: Jensen Huang (archieffoto, 2026-04-30). Foto: Anders Eidesvik / Wikimedia Commons / CC BY-SA 4.0. Bron en beeldverantwoording · CC BY-SA 4.0 In het kort NVIDIA Nemotron 3 Ultra 550B-A55B-NVFP4 maakt synthetische voorbeelden voor training en evaluatie genereren technisch haalbaar, maar de doorslaggevende kosten zitten in systematische fouten, datalekkage en een vervuilde testset. 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. Een groot model kan in korte tijd duizenden voorbeelden maken. Dat verlaagt de productiekosten, maar vergroot ook de schade van één verkeerde regel of voorkeur. Synthetisch volume is pas nuttig wanneer mensen de verdeling en uitzonderingen blijven controleren. 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. Direct naar een onderdeel van dit artikel Wat de actuele modelinformatie wel en niet zegt De omgekeerde rekensom maakt de grens zichtbaar Wat een koper of belegger hieruit kan halen Wat de actuele modelinformatie wel en niet zegt Volgens de NVIDIA-modelkaart geldt op 8 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. De evaluatieset moet buiten de synthetische productieketen blijven. Als voorbeelden of antwoorden teruglekken in prompts, lijkt het model beter dan het op nieuwe gevallen is. Een aparte eigenaar en opslaglocatie voor de testset verkleinen dat risico. Steekproeven moeten per categorie worden getrokken, niet alleen willekeurig over het totaal. Zeldzame maar dure fouten verdwijnen anders in een groot gemiddelde. Een batch wordt pas geaccepteerd nadat ook de risicovolle subgroepen voldoende zijn gecontroleerd. 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 synthetische voorbeelden voor training en evaluatie genereren hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of systematische fouten, datalekkage en een vervuilde testset 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 € 1750. De waarde van een vrijgespeeld arbeidsuur is € 61. De minimale besparing is dan € 1750 gedeeld door € 61, oftewel 28.7 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 € 61. Daar trekken we twaalf maal € 1750 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. Handmatig gemaakte datasets zijn evenmin foutloos en kosten veel tijd. Synthetische data kunnen zeldzame gevallen aanvullen en annotatoren een beter startpunt geven. De winst zit in mens-machinecombinatie, niet in volledig onbeheerde generatie. 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 Houd de echte evaluatieset buiten de generatieprompt en controleer gestratificeerde steekproeven. Label synthetische herkomst, meet duplicatie en stop een batch zodra een systematische fout verschijnt. Reken annotatie- en hersteluren mee. 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 systematische fouten, datalekkage en een vervuilde testset 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.

Omslagfoto: Mark Zuckerberg (archieffoto, 2019-04-30). Foto: Anthony Quintano / Wikimedia Commons / CC BY 2.0; uitsnede en rotatie door WikiJunkie. Bron en beeldverantwoording · CC BY 2.0 In het kort Llama 4 Scout en Llama 4 Maverick maakt Llama als interne of klantgerichte dienst aanbieden technisch haalbaar, maar de doorslaggevende kosten zitten in licentievoorwaarden, distributie en wijzigingen in het gebruiksmodel. Meta distribueert Llama-modellen onder de Llama Community License. Dat is geen Apache- of MIT-licentie en bevat eigen voorwaarden. De gewichten zijn downloadbaar, terwijl hosting, quantisatie en ondersteuning door Meta of derden afzonderlijk worden geregeld. 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. Downloadbare gewichten geven controle over hosting en data, maar de Community License blijft onderdeel van de productarchitectuur. Een verandering van doelgroep of distributievorm kan daarom ook een juridische herbeoordeling vragen. 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. Direct naar een onderdeel van dit artikel Wat de actuele modelinformatie wel en niet zegt De omgekeerde rekensom maakt de grens zichtbaar Wat een koper of belegger hieruit kan halen Wat de actuele modelinformatie wel en niet zegt Volgens de Meta Llama-downloadpagina geldt op 8 oktober 2026 het volgende: Meta distribueert Llama-modellen onder de Llama Community License. Dat is geen Apache- of MIT-licentie en bevat eigen voorwaarden. De gewichten zijn downloadbaar, terwijl hosting, quantisatie en ondersteuning door Meta of derden afzonderlijk worden geregeld. 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. Open source, open gewichten en een gratis dienst zijn verschillende categorieën. Llama levert downloadbare gewichten onder Meta’s eigen voorwaarden. Dat maakt lokaal draaien mogelijk, maar zegt niet dat iedere vorm van herdistributie of schaal zonder aanvullende beoordeling past. Licentiecontrole hoort niet alleen bij de eerste download. Wanneer een intern hulpmiddel later aan klanten wordt aangeboden, kan de context veranderen. Een korte beslisregel in het modelregister voorkomt dat een technisch project ongemerkt een andere juridische vorm krijgt. Beschikbaarheid moet bovendien precies worden benoemd. Downloadbare gewichten onder de Llama Community License. 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 Llama-licentie en downloads. 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 Llama als interne of klantgerichte dienst aanbieden hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of licentievoorwaarden, distributie en wijzigingen in het gebruiksmodel 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 € 1180. De waarde van een vrijgespeeld arbeidsuur is € 55. De minimale besparing is dan € 1180 gedeeld door € 55, oftewel 21.5 uur per maand. Dat is de drempel vóór financieringskosten, belastingen en een risicomarge. De lage, midden- en hoge scenario’s veronderstellen respectievelijk 6, 21 en 46 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 € 1180 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. Eigen voorwaarden maken een model niet onbruikbaar. Voor veel organisaties is de licentie ruim genoeg en wegen lokale inzet en leverancierskeuze zwaar. Het probleem ontstaat vooral wanneer “open” als vervanging voor contractcontrole wordt gebruikt. 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 Bewaar licentieversie en beoogd gebruik in het modelregister. Laat nieuwe klantgroepen, distributievormen en afgeleide modellen opnieuw beoordelen. Vergelijk de kosten van die controle met de vrijheid van eigen hosting. 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. Llama 4 Scout en Llama 4 Maverick kan waarde leveren, maar alleen wanneer licentievoorwaarden, distributie en wijzigingen in het gebruiksmodel 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 NN Group meldde bij de halfjaarcijfers 273 AI-toepassingen en zei dat 76% van de Nederlandse klantinteracties digitaal verliep. Dat is een lange inventaris, maar een inventaris is geen winst. Voor aandeelhouders telt of die toepassingen minder handwerk, snellere acceptatie, lagere fraudekosten en betere klantbehoud opleveren. De vrije kasstroom moet het bewijs leveren. Het aandeel sloot op 7 oktober 2026 rond €76,10 in Amsterdam. Over het eerste halfjaar rapporteerde NN €1,073 miljard operationele kapitaalcreatie, €922 miljoen vrije kasstroom en een Solvency II-ratio van 224%. Die buffer geeft ruimte om te investeren, maar maakt elk digitaal project nog niet automatisch rendabel. Direct naar een onderdeel van dit artikel Van pilots naar productie De kasstroom is de scorekaart Wat moet €76,10 waarmaken? Scenario's tot en met 2029 Het bewijs dat nog ontbreekt Van pilots naar productie Een verzekeraar verwerkt veel herhaalwerk: documenten lezen, schade classificeren, klantvragen routeren en risico's beoordelen. AI kan daar tijd winnen. De eerste stap is echter vaak een proef met een kleine groep. Pas wanneer het model betrouwbaar in de dagelijkse workflow zit, medewerkers het gebruiken en controles meegroeien, ontstaat structurele besparing. Daarom is 273 niet het belangrijkste getal. Beter is te vragen welk deel werkelijk in productie staat, hoeveel minuten per dossier verdwijnen en of de kwaliteit gelijk blijft. Een toepassing die een medewerker alleen een extra scherm geeft, kan de kosten juist verhogen. Een toepassing die een claim sneller en correct afhandelt, verlaagt de kosten per polis en kan klanten langer vasthouden. De kasstroom is de scorekaart NN verdient geld aan verzekeringsmarges, beleggingsopbrengsten, pensioenbeheer en vermogensbeheer. De winst in de resultatenrekening is niet hetzelfde als kas die naar de holding kan. Vrije kasstroom is het bedrag dat uit de bedrijfsonderdelen beschikbaar komt na operationele en kapitaalvereisten. Daaruit worden dividend, aandeleninkoop en schuld betaald. Met €922 miljoen in het eerste halfjaar begon 2026 sterk. Als AI vooral bestaande groei opvangt zonder evenveel extra personeel, kan de kostenbasis relatief dalen. Het effect hoeft niet meteen als aparte AI-regel zichtbaar te zijn. Het kan verschijnen als betere administratieve marge, lagere kostenratio of meer productie per medewerker. In onze analyse over nieuwe polissen en kas staat waarom verkoop pas later waarde kan opleveren. Het eerdere stuk over Polen laat zien dat groei per land ook kapitaal vraagt. AI is anders: de beste toepassing maakt dezelfde portefeuille goedkoper te bedienen, zonder eerst een grote nieuwe verzekeringsverplichting op te bouwen. Wat moet €76,10 waarmaken? Bij een gewenste jaarlijkse koersopbrengst van 9% en een eindwaardering van 12 keer vrije kasstroom per aandeel vraagt de huidige koers in 2029 circa €8,2 vrije kas per aandeel. Dividend staat daar nog naast. Wie het dividend optelt bij het koersrendement, moet oppassen het niet dubbel te tellen in dezelfde kasstroom. De bullcase is helder: een sterke kapitaalbuffer, groeiende kasstroom en digitale schaal kunnen dividend en inkoop tegelijk ondersteunen. De tegenwerping is minstens zo belangrijk. Claims, rentebewegingen, marktwaarde van beleggingen, regelgeving en modelrisico kunnen besparingen snel overschaduwen. Een fout geautomatiseerd besluit kan bovendien reputatie- en herstelkosten veroorzaken. Scenario's tot en met 2029 In het bearscenario blijven veel toepassingen kleinschalig, terwijl claims en markten extra kapitaal vragen. De vrije kasstroom groeit nauwelijks en de waardering normaliseert. Mogelijke jaareindekoersen zijn dan €63, €60 en €62 voor 2027, 2028 en 2029. Het middenscenario veronderstelt dat een groeiend deel van de AI-toepassingen productief wordt, de vrije kasstroom rond 5% per jaar groeit en het dividend gedekt blijft. De koersen komen dan uit op €80, €87 en €95. Het gunstige scenario vraagt zichtbaar lagere operationele kosten zonder slechtere service of hogere foutpercentages. Dan passen €88, €101 en €116. Het bewijs dat nog ontbreekt Management hoeft geen kunstmatig bedrag aan AI-winst te publiceren. Wel kunnen beleggers letten op kosten per polis, doorlooptijd van claims, digitale afhandeling, klantbehoud en de verhouding tussen vrije kasstroom en operationele kapitaalcreatie. Als die indicatoren verbeteren terwijl het aantal medewerkers minder snel groeit dan de portefeuille, wordt de productiviteitsclaim geloofwaardig. De 273 toepassingen zijn dus geen reden om de winst meteen hoger te zetten. Ze vormen een grote pijplijn waaruit een beperkt aantal sterke toepassingen genoeg kan zijn. De lat voor NN ligt bij €76,10 niet extreem hoog, maar de markt betaalt wel voor voorspelbare kapitaaluitkeringen. AI voegt pas waarde toe wanneer die voorspelbaarheid groter wordt. Een praktische controlevraag is of digitale afhandeling ook de menselijke uitzonderingen vermindert. Als eenvoudige dossiers automatisch lopen maar ingewikkelde dossiers langer blijven liggen, kan de gemiddelde doorlooptijd misleidend verbeteren. De beste rapportage combineert daarom volume, foutpercentage, heropeningen en klanttevredenheid. Ook toezicht telt mee: modellen moeten uitlegbaar zijn en klanten moeten een besluit kunnen laten beoordelen. Dat kost capaciteit, maar voorkomt dat een goedkope automatische beslissing later duur herstelwerk veroorzaakt. Structurele productiviteit ontstaat pas wanneer de hele keten, van invoer tot controle en bezwaar, sneller en beter werkt.

In het kort TSMC wil High-NA EUV vanaf 2030 in massaproductie gebruiken. De gezamenlijke route met ASML naar grotere fotomaskers mikt zelfs op productierijpheid in 2033. Dat klinkt ver weg, en precies daarom is het relevant: de huidige waardering van het Amerikaanse ADS kan niet leunen op een techniek die pas over jaren breed omzet levert. Tot die tijd moeten 2 nanometer, geavanceerde verpakking en een hoge bezettingsgraad het werk doen. Het in New York verhandelde TSM-ADS noteerde rond $370 op 7 oktober 2026. Eén ADS vertegenwoordigt vijf gewone aandelen. De Taiwanese notering is dus geen rechtstreeks vergelijkbare koers: daar wordt per gewoon aandeel in Taiwanese dollar gehandeld. Die omzetting is belangrijk voordat winst per aandeel, koers en scenario's naast elkaar worden gezet. Direct naar een onderdeel van dit artikel De roadmap wordt langer, niet korter De brug heet 2 nanometer Wat moet $370 waarmaken? Drie jaar, drie mogelijke paden Waar we nu op letten De roadmap wordt langer, niet korter TSMC en ASML maakten op 8 september bekend samen te werken aan lithografie met 12-inch fotomaskers. De pilotlijn staat voor 2031 gepland en productierijpheid voor 2033. TSMC koppelde daar de intentie aan om High-NA EUV vanaf 2030 voor massaproductie te gebruiken. High-NA is een nieuwe generatie lithografie met een hogere numerieke apertuur. Eenvoudig gezegd kan de machine fijnere patronen op chips tekenen, maar de productieketen eromheen moet eerst mee. Een roadmap is nog geen omzet. Tussen een technisch programma en een fabriek die dag en nacht goede chips aflevert zitten maskers, materialen, meetapparatuur, processtappen en klantkwalificatie. Het positieve punt is dat TSMC samen met ASML vroeg aan die keten bouwt. Het tegenargument is dat de kasstromen die de koers vandaag ondersteunen voorlopig uit bestaande processen moeten komen. De brug heet 2 nanometer Bij de cijfers over het tweede kwartaal meldde TSMC een omzet van NT$1.270,38 miljard en een brutomarge van 67,7%. Geavanceerde processen van 7 nanometer en kleiner leverden 77% van de waferomzet. 3 nanometer was al 30%, terwijl 2 nanometer in de eerste opschalingsfase 3% bijdroeg. Dat kleine aandeel kan snel groeien, maar brengt aanvankelijk ook hogere afschrijving en opstartverlies mee. Daar zit de beleggersvraag. TSMC kan veel vraag hebben en toch tijdelijk minder verdienen op de eerste wafers uit een nieuwe fabriek. De brutomarge is wat na de directe productiekosten van elke omzetdollar overblijft. Als buitenlandse fabrieken, nieuwe gereedschappen en lagere eerste opbrengsten tegelijk drukken, moet prijszettingskracht dat verschil opvangen. In onze eerdere analyse over TSMC en fabrieksinvesteringen staat waarom omzetgroei alleen onvoldoende is. Het stuk over jarenlange fabrieksbezetting legt uit hoe bezetting de vaste kosten per wafer verlaagt. De nieuwe High-NA-route voegt daar vooral tijd aan toe: de tussenjaren moeten financieel sterk genoeg zijn om de volgende technologie te bekostigen. Wat moet $370 waarmaken? De reverse valuation begint niet met een koersdoel, maar met de vraag welke winst nodig is. Bij een koers van $370, een gewenst jaarlijks koersrendement van 9% en een waardering van 28 keer winst vraagt 2029 ongeveer $17,1 winst per ADS. Dat is geen consensus. Het is de winst die nodig is om die combinatie van rendement en multiple te laten kloppen. De rekensom kan twee kanten op. Een hogere eindmultiple verlaagt de noodzakelijke winst, maar maakt het aandeel kwetsbaarder voor rente en sentiment. Een lagere multiple vraagt meer operationele groei. TSMC heeft daar een sterk uitgangspunt voor: schaal, klantvertrouwen en een technologievoorsprong. Tegelijk zijn geopolitiek, exportregels, concentratie in Taiwan en de kosten van fabrieken buiten Taiwan materiële risico's. Drie jaar, drie mogelijke paden In het bearscenario vertraagt de vraag na de huidige AI-investeringsgolf, loopt 2 nanometer minder snel vol en blijven buitenlandse opstartkosten langer zichtbaar. De koerspaden van $305, $285 en $300 voor 2027 tot en met 2029 horen bij lagere winstgroei en een krappere multiple. In het middenscenario dragen 2 nanometer en geavanceerde verpakking de omzetgroei tot High-NA relevant wordt. De marge zakt iets vanaf het uitzonderlijk hoge niveau, maar blijft sterk genoeg om winst per ADS sneller te laten groeien dan de aandelenbasis. Dat levert $405, $455 en $515 op. In het gunstige scenario blijft de vraag naar AI-versnellers hoog, hebben klanten weinig alternatieven voor de meest geavanceerde processen en kan TSMC de prijs per wafer verhogen. Dan passen $470, $575 en $690. Deze uitkomsten zijn scenario's met vaste aannames, geen voorspellingen. Waar we nu op letten De maandelijkse omzet liep in de eerste acht maanden van 2026 op tot NT$3.386,87 miljard, 39,3% meer dan een jaar eerder. Het volgende bewijs moet uit drie plaatsen komen: het aandeel 2 nanometer, de brutomarge bij buitenlandse productie en de kas die na investeringen overblijft. Een volle fabriek is pas waardevol wanneer de verkoopprijs de afschrijving en het kapitaalgebruik ruim dekt. High-NA versterkt de strategische positie van TSMC, maar ligt nog te ver weg om de waardering alleen te dragen. Het aandeel is daardoor minder een weddenschap op één nieuwe machine dan op jarenlang foutloos uitvoeren. Wie $370 betaalt, rekent erop dat de brug naar 2030 breed genoeg is: 2 nanometer moet snel opschalen, verpakking moet mee en de marge mag onderweg niet breken.

Omslagfoto: Demis Hassabis (archieffoto, 2025-07-14). Foto: Christopher P. Michel / Wikimedia Commons / CC BY-SA 4.0. Bron en beeldverantwoording · CC BY-SA 4.0 In het kort Gemini 3.5 Flash-Lite en de actuele multimodale Gemini-modellen maakt grote aantallen documenten, afbeeldingen of opnames buiten kantooruren verwerken technisch haalbaar, maar de doorslaggevende kosten zitten in late foutdetectie, gemiste deadlines en het opnieuw draaien van een hele batch. 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. Batchverwerking ruilt directe respons in voor lagere kosten en betere benutting. Dat is logisch voor werk dat morgen klaar mag zijn, maar niet voor een klantvraag die binnen tien minuten moet worden beantwoord. De deadline bepaalt dus welk tarief werkelijk goedkoop is. 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. Direct naar een onderdeel van dit artikel Wat de actuele modelinformatie wel en niet zegt De omgekeerde rekensom maakt de grens zichtbaar Wat een koper of belegger hieruit kan halen Wat de actuele modelinformatie wel en niet zegt Volgens de Google Gemini-prijspagina geldt op 8 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. De verborgen batchkosten zitten in herstel. Als een fout pas na uren zichtbaar wordt, moet een deel opnieuw worden aangeboden en verschuift de controle naar de volgende werkdag. Een kleine proefbatch met representatieve bestanden voorkomt dat een verkeerde instructie meteen duizenden taken raakt. Een goede planning gebruikt ook een uiterste terugvaltijd. Is het resultaat op dat moment niet binnen, dan gaat alleen het urgente deel via de interactieve route. Zo blijft de korting beschikbaar voor volume, terwijl de deadline niet afhankelijk wordt van één wachtrij. 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 de Batch API. 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 aantallen documenten, afbeeldingen of opnames buiten kantooruren verwerken hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of late foutdetectie, gemiste deadlines en het opnieuw draaien van een hele batch 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 € 48. De minimale besparing is dan € 260 gedeeld door € 48, oftewel 5.4 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 € 48. 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. Interactie is niet automatisch beter. Veel processen wachten nu al op een nachtelijke export of menselijke controle. Daar kan batchverwerking de kosten verlagen zonder dat iemand langer hoeft te wachten. 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 Deel werk op in een interactieve stroom met harde deadlines en een batchstroom met ruime hersteltijd. Start met kleine batches, controleer uitval en verwerk alleen opnieuw wat mislukt. Vergelijk totale kosten per geaccepteerd dossier. 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 late foutdetectie, gemiste deadlines en het opnieuw draaien van een hele batch 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.

Omslagfoto: Xiaomi-oprichter Lei Jun (links) met WIPO-directeur Daren Tang bij Xiaomi in Beijing. Archiefbeeld van 13 september 2024. Foto: WIPO / Samar Shamoon, CC BY 2.0, via Wikimedia Commons. Bron en beeldverantwoording · CC BY 2.0 In het kort MiMo V2.6 Pro, Flash en Pro Ultraspeed maakt een vaste maandstroom van tekst- en multimodale taken verwerken technisch haalbaar, maar de doorslaggevende kosten zitten in ongebruikte bundelcapaciteit, pieken en een verkeerde abonnementsvorm. Xiaomi publiceert afzonderlijke pay-as-you-go-prijzen voor MiMo-varianten en kondigde het einde van oudere V2.5-endpoints aan. Snelheid, prijs en ondersteunde modaliteiten verschillen per endpoint en moeten op de actuele prijspagina worden gecontroleerd. 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 Token Plan verschuift de afweging van prijs per losse run naar benutting per maand. Het abonnement is pas goedkoper wanneer het normale, niet het uitzonderlijk drukke, gebruik voldoende capaciteit opneemt. 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. Direct naar een onderdeel van dit artikel Wat de actuele modelinformatie wel en niet zegt De omgekeerde rekensom maakt de grens zichtbaar Wat een koper of belegger hieruit kan halen Wat de actuele modelinformatie wel en niet zegt Volgens de MiMo-prijspagina geldt op 8 oktober 2026 het volgende: Xiaomi publiceert afzonderlijke pay-as-you-go-prijzen voor MiMo-varianten en kondigde het einde van oudere V2.5-endpoints aan. Snelheid, prijs en ondersteunde modaliteiten verschillen per endpoint en moeten op de actuele prijspagina worden gecontroleerd. 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. Een proefmaand moet niet alleen het totale aantal tokens vastleggen. Ook mislukte taken, herhaalpogingen en het verschil tussen Pro en Flash horen in het profiel. Anders lijkt een bundel goed benut terwijl een deel van het verbruik geen geaccepteerd resultaat oplevert. Seizoenswerk verdient een aparte keuze. Een jaarplan kan goedkoop ogen in een druk kwartaal en duur worden in rustige maanden. Begin daarom met de kortste passende looptijd en laat automatische uitbreiding afhangen van gemeten benutting. Beschikbaarheid moet bovendien precies worden benoemd. Commerciële API; oudere endpoints kunnen worden uitgefaseerd. 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 MiMo over API en Token Plan. 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 vaste maandstroom van tekst- en multimodale taken verwerken hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of ongebruikte bundelcapaciteit, pieken en een verkeerde abonnementsvorm 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 € 310. De waarde van een vrijgespeeld arbeidsuur is € 45. De minimale besparing is dan € 310 gedeeld door € 45, oftewel 6.9 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 27 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 € 310 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. Betalen per gebruik is niet altijd veiliger. Sterke groei of dagelijkse pieken kunnen de variabele rekening moeilijk voorspelbaar maken. Een plan kan dan budgetrust geven, ook wanneer niet iedere token wordt benut. 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 vier weken lang succesvolle taken, tokens en piekmomenten via betalen per gebruik. Bereken daarna welk deel van een plan in een rustige, normale en drukke maand wordt benut. Sluit pas af wanneer het middenscenario de vaste prijs rechtvaardigt. 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. MiMo V2.6 Pro, Flash en Pro Ultraspeed kan waarde leveren, maar alleen wanneer ongebruikte bundelcapaciteit, pieken en een verkeerde abonnementsvorm 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.

Omslagfoto: Sohu Internet Plaza in Beijing, het gebouw waar Z.ai tegenwoordig gevestigd is. Archiefbeeld, sinds 20 oktober 2012 beschikbaar; de foto toont de toenmalige Sohu-bebording. Foto: WhisperToMe / Wikimedia Commons, CC0; retouche JesseW900. Bron en beeldverantwoording · CC0 1.0 In het kort GLM-5.3, GLM-5.3-Flash en GLM-5.3-FlashX maakt documenten classificeren in zowel interactieve als nachtelijke stromen technisch haalbaar, maar de doorslaggevende kosten zitten in betalen voor snelheid die geen deadline verkort. Z.ai vermeldt per miljoen tokens $0,15 input en $0,50 output voor Flash, $0,37 en $1,25 voor FlashX en $1,40 en $4,40 voor GLM-5.3. Cached input is afzonderlijk goedkoper geprijsd. 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. FlashX kost meer dan Flash. Dat verschil kan lonen wanneer een wachtrij een medewerker, klant of vervolgsysteem ophoudt. Zonder zo’n blokkerende keten is de goedkoopste betrouwbare route meestal rationeler. 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. Direct naar een onderdeel van dit artikel Wat de actuele modelinformatie wel en niet zegt De omgekeerde rekensom maakt de grens zichtbaar Wat een koper of belegger hieruit kan halen Wat de actuele modelinformatie wel en niet zegt Volgens de Z.ai-prijspagina geldt op 8 oktober 2026 het volgende: Z.ai vermeldt per miljoen tokens $0,15 input en $0,50 output voor Flash, $0,37 en $1,25 voor FlashX en $1,40 en $4,40 voor GLM-5.3. Cached input is afzonderlijk goedkoper geprijsd. 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. Het prijsverschil tussen Flash, FlashX en GLM-5.3 is zichtbaar op de Z.ai-prijspagina, maar snelheid heeft pas een eurobedrag wanneer zij een blokkade opheft. Tien seconden winst in een volledig geautomatiseerde nachtbatch heeft weinig loonwaarde. Tien seconden in een klantgesprek kan wel tellen. Een routeringsregel kan eenvoudig beginnen: batches zonder harde deadline naar Flash, mens-in-de-luswerk naar FlashX en moeilijke uitzonderingen naar GLM-5.3. De regel moet daarna worden getoetst aan de staart van de wachttijd, niet alleen aan het gemiddelde. Beschikbaarheid moet bovendien precies worden benoemd. Commerciële API; open modellen en diensten van derden hebben eigen voorwaarden. 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 Z.ai-modeloverzicht. 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 documenten classificeren in zowel interactieve als nachtelijke stromen hoort daarom minstens één rustige dag, één druk moment en één foutscenario in de test. Zo wordt zichtbaar of betalen voor snelheid die geen deadline verkort 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 € 340. De waarde van een vrijgespeeld arbeidsuur is € 46. De minimale besparing is dan € 340 gedeeld door € 46, oftewel 7.4 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 28 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 € 340 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. Snelheid kan ook piekcapaciteit beschermen. Een korte wachtrij die normaal onschuldig lijkt, kan bij drukte oplopen en een hele werkdag vertragen. Daarom moet niet alleen het gemiddelde, maar ook het drukste uur worden gemeten. 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 Splits verkeer op deadline. Routeer nachtelijke batches naar Flash, interactieve taken naar FlashX en complexe uitzonderingen naar GLM-5.3. Houd per route wachttijd, foutpercentage en kosten per geaccepteerde taak bij. 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. GLM-5.3, GLM-5.3-Flash en GLM-5.3-FlashX kan waarde leveren, maar alleen wanneer betalen voor snelheid die geen deadline verkort 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.