Doorzoek deze website

Jensen Huang, oprichter en CEO van NVIDIA (archieffoto, 30 april 2026). Foto: Anders Eidesvik / Wikimedia Commons / CC BY-SA 4.0. Bron en beeldverantwoording · Licentie. In het kort Nemotron 3.5 Lightning 30B-A3B NVFP4 en Nemotron 3 Ultra laat zien dat een lage tokenprijs of veel context niet automatisch een goedkope productieoplossing oplevert. NVIDIA publiceerde in augustus 2026 Nemotron 3.5 Lightning 30B-A3B in NVFP4. De naam geeft 30 miljard totale en 3 miljard actieve parameters aan. Ook grotere Nemotron 3-modellen zijn als NVFP4-varianten beschikbaar, waaronder Ultra 550B-A55B. De beslissende factor is of de technische eigenschap herhaalpogingen, menselijk herstel en infrastructuur werkelijk verlaagt. De omgekeerde rekensom maakt zichtbaar hoeveel aantoonbare tijdwinst nodig is voordat de investering positief wordt. De marketingzin is eenvoudig: meer context, een lagere cacheprijs of minder actieve parameters maakt kunstmatige intelligentie goedkoper. Voor een bedrijf dat een eigen agentplatform op NVIDIA-hardware wil draaien met meerdere gelijktijdige gebruikers is dat hooguit het begin van de analyse. Een organisatie betaalt uiteindelijk voor een gecontroleerd resultaat, niet voor een indrukwekkende eigenschap op een modelkaart. NVFP4 verlaagt het gewichtgeheugen sterk, maar de winst verschijnt alleen wanneer GPU, kernels, inference-engine en operators de indeling efficiënt ondersteunen. Een fallback of omzetting kan de beloofde doorvoer terugnemen. Dat maakt de architectuur of tarieftabel relevant voor de begroting, maar alleen wanneer het werkproces hetzelfde gedrag vertoont. De eigen meting moet daarom exact vastleggen welke invoer terugkomt, hoeveel uitvoer ontstaat en welke correcties mensen nog uitvoeren. Direct naar een onderdeel van dit artikel Wat er nu werkelijk beschikbaar is Waar de kostprijs ontstaat De scenario’s voor drie jaren Wanneer de keuze rationeel wordt Wat er nu werkelijk beschikbaar is Volgens de NVIDIA-modelkaart voor Nemotron 3.5 Lightning geldt op de peildatum het volgende: NVIDIA publiceerde in augustus 2026 Nemotron 3.5 Lightning 30B-A3B in NVFP4. De naam geeft 30 miljard totale en 3 miljard actieve parameters aan. Ook grotere Nemotron 3-modellen zijn als NVFP4-varianten beschikbaar, waaronder Ultra 550B-A55B. Die feiten zijn nuttig, maar ze vormen nog geen onafhankelijke producttest. Leveranciers meten vaak onder vaste instellingen en publiceren resultaten die niet vanzelf iets zeggen over Nederlandse teksten, eigen systemen of de foutschade van een organisatie. Een model dat op een benchmark wint, kan in een specifieke workflow alsnog duurder zijn door verkeerde bronkeuze, ongeldige velden of extra controle. Beschikbaarheid moet precies worden benoemd. Open gewichten via NVIDIA-modelkaarten, runtime-ondersteuning vereist. Een chatdienst, een publieke preview, een API en downloadbare gewichten geven elk een andere mate van controle. Ook een permissieve licentie neemt de plicht tot beveiliging, logging, gegevensminimalisatie en kwaliteitscontrole niet over. Dat een bestand in het GPU-geheugen past, bewijst niet dat er voldoende ruimte is voor contextcache, batching en meerdere gebruikers. Ook actieve parameters zijn niet hetzelfde als totale gewichten die geladen moeten worden. Daarom hoort de proef niet te eindigen bij een geslaagd voorbeeld. Neem representatieve moeilijke gevallen, een druk moment, een storing en een wijziging van het model of endpoint mee. Pas dan wordt duidelijk of de gekozen route bestand is tegen normaal bedrijfsgebruik. Een goede testset bevat tussen twintig en honderd echte taken en een vooraf vastgelegde acceptatiegrens. Een antwoord telt alleen als het inhoudelijk klopt, de afgesproken vorm heeft, controleerbare bronnen gebruikt waar dat nodig is en geen inhoudelijke reparatie vraagt. Zo ontstaat een percentage geslaagde taken bij de eerste poging en een reële kostprijs per geaccepteerd resultaat. Versiebeheer is daarbij geen administratief detail. Modellen, aliassen, runtimes en quantisaties kunnen veranderen. Bewaar een vaste regressieset en noteer model-ID, datum, promptversie en toolinstellingen. Zonder die gegevens is een kwaliteitsdaling achteraf nauwelijks te herleiden. Waar de kostprijs ontstaat De kale modelrekening bestaat uit meer dan input en output. Caching kan invoer verlagen, maar alleen bij een echte treffer. Tools kunnen aparte kosten rekenen. Bij lokale modellen verschuift de rekening naar hardware, energie, beheer en afschrijving. Daarboven komen de tijd voor integratie, beveiliging, evaluatie en menselijke controle. Voor het rekenvoorbeeld nemen we een eenmalige inrichting van € 36.000 en terugkerende kosten van € 14.500 per jaar. Een aantoonbaar vrijgespeeld arbeidsuur waarderen we op € 80. De investering wordt in drie gelijke delen over 2027, 2028 en 2029 verdeeld. Financieringskosten, belastingen en inflatie laten we buiten beschouwing zodat de beslisregel eenvoudig controleerbaar blijft. De formule is: netto kasbesparing per jaar is bespaarde uren per maand maal twaalf maal € 80, min € 14.500 en min een derde van € 36.000. De drempel is (€ 14.500 plus € 36.000 gedeeld door drie) gedeeld door twaalf maal € 80. Dat komt uit op 27,6 uur per maand. Die uren tellen alleen wanneer zij werkelijk uit betaald werk verdwijnen of aantoonbaar extra productie mogelijk maken. Dezelfde verbetering mag niet tegelijk als tijdbesparing, foutreductie en extra omzet worden opgenomen. Ook niet-bestede capaciteit is geen voordeel. Een medewerker die sneller klaar is maar geen ander werk oppakt, creëert geen directe kasbesparing. De omgekeerde berekening voorkomt koopdruk. Eerst wordt vastgesteld welke netto opbrengst nodig is, daarna pas welk model of welke infrastructuur daarbij past. Zo kan een organisatie besluiten dat een eenvoudigere router, betere documentselectie of strengere outputlimiet meer oplevert dan een duurder model. De scenario’s voor drie jaren In het lage scenario stijgt de gemeten tijdwinst van 16 uur per maand in 2027 naar 19 uur in 2028 en 22 uur in 2029. In het middenscenario zijn dat 46, 56 en 66 uur. Het hoge scenario gebruikt 96, 114 en 132 uur per maand. De verschillen verbeelden adoptie en procesverbetering, niet een voorspelde modelprijs. De lage uitkomst laat zien wat er gebeurt wanneer een pilot technisch werkt maar weinig breed wordt gebruikt. Het middenscenario veronderstelt dat teams terugkerende taken standaardiseren en de foutcontrole beheersen. Het hoge scenario vraagt structureel volume, goede bronselectie en voldoende taken met een hoge uurwaarde. Zonder die voorwaarden is het hoge pad geen basisbegroting. De bedragen zijn netto na de genoemde inrichting en terugkerende kosten, maar vóór belasting en financiering. API-tarieven kunnen wijzigen en lokaal stroomverbruik kan afwijken. Daarom horen ze ieder kwartaal opnieuw te worden ingevuld met facturen, loggegevens en werkelijk geaccepteerde taken. Wanneer de keuze rationeel wordt Voor een bedrijf dat een eigen agentplatform op NVIDIA-hardware wil draaien met meerdere gelijktijdige gebruikers begint een verstandige proef met het meten van het huidige proces. Noteer per taak de menselijke doorlooptijd, het aantal fouten, de herstelminuten en de externe kosten. Daarna krijgt het model precies dezelfde taken. Alleen het verschil tussen beide routes kan aan de inzet worden toegeschreven. Documentselectie is vaak de goedkoopste eerste verbetering. Verwijder duplicaten, oude versies en irrelevante bijlagen voordat het model draait. Leg bij ieder antwoord vast welke bronpassages zijn gebruikt. Daardoor dalen tokens en controlewerk tegelijk, zonder dat een grotere context automatisch als voordeel wordt geboekt. Een router kan eenvoudige taken naar een klein of goedkoop model sturen en alleen risicovolle uitzonderingen escaleren. Dat is vaak robuuster dan alles door het krachtigste model te laten lopen. De router zelf moet wel worden getest, want verkeerd afgeprijsde taken kunnen fouten juist onzichtbaar maken. Vier meetwaarden zijn voldoende om de eerste maand bestuurbaar te maken. Noteer de kosten per geaccepteerde taak, het percentage dat bij de eerste poging slaagt, de menselijke herstelminuten en de totale doorlooptijd. Bekijk het gemiddelde én de slechtste tien procent. Juist lange uitlopers veroorzaken gemiste deadlines en onverwachte personeelskosten. Een lager gemiddelde zonder verbetering van die staart kan voor tijdkritisch werk nog steeds een slechte keuze zijn. Gebruik daarnaast een controlegroep. Laat een deel van de taken gedurende de proef via het bestaande proces lopen, zodat seizoensdrukte, nieuwe medewerkers of veranderde documentkwaliteit niet ten onrechte aan het model worden toegeschreven. Vergelijk dezelfde taaksoort en dezelfde acceptatiegrens. Pas wanneer het verschil enkele weken standhoudt, is opschalen verdedigbaar. Deze aanpak kost discipline, maar voorkomt dat één geslaagde demo wordt verward met een structureel verdienmodel. Beveiliging en continuïteit verdienen een afzonderlijke begrotingsregel. Bepaal welke gegevens de omgeving mogen verlaten, wie logs kan zien, hoe lang invoer wordt bewaard en wat er gebeurt bij uitval. Een reserve-API of handmatige noodroute kost geld, maar kan bij tijdkritisch werk goedkoper zijn dan stilstand. De conclusie volgt daarom niet uit één prijs of benchmark. NVIDIA Nemotron kan economisch aantrekkelijk zijn wanneer de gemeten tijdwinst boven 27,6 uur per maand komt en de kwaliteit onder normale omstandigheden standhoudt. Onder die grens is optimaliseren van het bestaande proces, betere retrieval of een kleinere proef rationeler. Wie lid is van De Belegger en vragen heeft over deze analyse kan de code GRAAG mailen aan info@debelegger.nl.

In het kort VWCE geeft met één positie toegang tot ontwikkelde én opkomende markten. Toch is de Verenigde Staten met 61,68% de doorslaggevende motor. De tien grootste posities wegen grofweg een kwart, terwijl opkomende markten maar ongeveer een tiende vertegenwoordigen. De verlaging van de lopende kosten naar 0,14% is gunstig, maar veel minder belangrijk dan de winstgroei en waardering van Amerikaanse megacaps. Bij €171,91 vraagt een redelijk middenpad nog steeds om ongeveer 7% winstgroei per jaar. De naam All-World klinkt alsof iedere regio ongeveer even zwaar meetelt. Zo werkt een marktgewogen index niet. Het fonds geeft de grootste beursbedrijven het grootste gewicht, ongeacht waar ze gevestigd zijn. Daardoor bezit een belegger met VWCE duizenden bedrijven, maar komt bijna 62 cent van iedere ingelegde euro alsnog in Amerikaanse aandelen terecht. Dat is geen fout in het product. Het is precies wat de FTSE All-World Index belooft: grote en middelgrote ondernemingen uit ontwikkelde én opkomende markten, gewogen naar vrij verhandelbare beurswaarde. De relevante vraag is daarom niet of VWCE goed spreidt, maar welk economisch risico achter die spreiding schuilgaat. Op 8 oktober sloot de Amsterdamse notering op €171,91. Het gaat om de accumulerende USD-shareclass met ISIN IE00BK5BQT80, verhandeld in euro op Euronext Amsterdam onder ticker VWCE. De fondsvaluta is dollar, de handelsvaluta is euro en het valutarisico is niet afgedekt. Dividenden worden binnen het fonds herbelegd. Direct naar een onderdeel van dit artikel Wereldwijd bezit, Amerikaanse motor Tienduizenden regels, één concentratiepunt De kostenverlaging helpt, maar verandert het verhaal niet Reverse waardering: wat moet €171,91 waarmaken? Drie scenario’s voor 2027, 2028 en 2029 Het sterkste tegenargument Wat telt vanaf hier? Wereldwijd bezit, Amerikaanse motor Vanguard rapporteerde per 31 augustus 2026 een Amerikaanse weging van 61,68%. Japan kwam op 6,00%, Taiwan op 3,31%, het Verenigd Koninkrijk op 3,25% en Canada op 3,01%. China woog 2,72%. Samen komen de opkomende markten ruwweg op een lage dubbele-cijferweging. Dat verschil is logisch. De index kijkt naar beurswaarde, niet naar de omvang van een economie of bevolking. Veel grote Chinese, Indiase en Braziliaanse ondernemingen zijn kleiner op de beurs, deels minder vrij verhandelbaar of simpelweg goedkoper gewaardeerd. De Verenigde Staten herbergen juist uitzonderlijk grote technologiebedrijven met hoge marges en hoge multiples. Wie VWCE naast IWDA legt, ziet hier het belangrijkste inhoudelijke verschil. IWDA volgt alleen ontwikkelde markten en laat opkomende markten helemaal weg. VWCE voegt die landen wel toe, maar in een marktgewogen verhouding. Het fonds is dus breder, niet gelijkmatiger verdeeld. Tienduizenden regels, één concentratiepunt Het fonds bezat eind augustus 3.784 aandelen, tegenover 4.263 namen in de index. Vanguard gebruikt fysieke sampling: het fonds koopt een representatieve selectie in plaats van noodzakelijk ieder indexaandeel in exact dezelfde verhouding. Dat houdt handel beheersbaar, maar verandert de kern van het risico niet. NVIDIA woog 4,766%, Apple 4,235% en Microsoft 3,487%. Tel Amazon, beide Alphabet-klassen, TSMC, Broadcom, Meta en Micron erbij op en ongeveer een kwart van het fonds hangt aan tien bedrijven. Dat zijn sterke ondernemingen, maar hun winst wordt sterk beïnvloed door dezelfde thema’s: AI-investeringen, cloudvraag, advertentiemarkten, halfgeleidercycli en de prijs die beleggers voor groei willen betalen. Spreiding telt nog steeds. Een tegenvaller bij één bedrijf doet veel minder schade dan in een geconcentreerde aandelenportefeuille. Alleen beschermt spreiding over duizenden namen niet tegen een gelijktijdige daling van Amerikaanse waarderingen. Het onderscheid tussen bedrijfsrisico en marktrisico is hier belangrijk. De kostenverlaging helpt, maar verandert het verhaal niet Vanguard verlaagde de lopende kosten op 28 juli 2026 van 0,19% naar 0,14% per jaar. Voor een langetermijnbelegger is dat prettig: een groter deel van het indexrendement blijft in het fonds. De kosten worden dagelijks in de intrinsieke waarde verwerkt, niet als losse factuur afgeschreven. Toch is 0,05 procentpunt besparing klein naast een koersdaling van 15% of een paar procentpunten lagere winstgroei. Op €100.000 scheelt de verlaging aanvankelijk ongeveer €50 per jaar. Dat loopt door samengestelde groei op, maar de richting van bedrijfswinsten blijft veruit belangrijker. Voor wie het verschil tussen herbeleggen en uitkeren eerst helder wil hebben, legt dit eerdere stuk over accumulerende en distribuerende ETF’s de mechaniek uit. Bij VWCE wordt dividend automatisch binnen het fonds herbelegd. Het koersrendement benadert daardoor het totaalrendement beter dan bij een uitkerende shareclass, al blijven bronbelasting, transactiekosten en tracking difference bestaan. Reverse waardering: wat moet €171,91 waarmaken? Per 31 augustus rapporteerde Vanguard een look-through koers-winstverhouding van 21,0. Look-through betekent dat de winsten van alle onderliggende bedrijven naar hun fondsgewicht worden samengevoegd. De portefeuille noteerde daarnaast op 3,6 keer boekwaarde, met een rendement op eigen vermogen van 18,7%. Een P/E van 21 betekent dat iedere €171,91 fondskoers grofweg €8,19 onderliggende jaarwinst vertegenwoordigt, als valuta en timing gelijk worden gehouden. Stel dat een belegger 7% koersrendement per jaar verlangt en de P/E in 2029 daalt naar 19. Dan moet de onderliggende winst per fondsdeel in drie jaar naar ongeveer €11,14. Dat is circa 10,8% groei per jaar. Hier zit de spanning. Vanguard rapporteerde een historische winstgroeimaatstaf van 20,1%, maar zo’n momentopname mag niet rechtstreeks drie jaar worden doorgetrokken. De recente sprong in halfgeleiderwinsten kan normaliseren. Tegelijk kan een lagere rente de waardering ondersteunen en kunnen opkomende markten meer bijdragen dan hun huidige gewicht doet vermoeden. Drie scenario’s voor 2027, 2028 en 2029 De scenario’s hieronder beginnen bij €171,91 op 8 oktober 2026. Bear: winstgroei blijft laag, Amerikaanse megacapwaarderingen dalen en de euro wordt sterker; mogelijke koersen €150, €147 en €153. Midden: winsten groeien ongeveer 7% per jaar en de waardering normaliseert beperkt; €180, €195 en €211. Gunstig: AI-productiviteit, bredere wereldgroei en opkomende markten trekken samen; €198, €225 en €253. De formule is telkens: onderliggende winst per ETF-eenheid maal een passende look-through P/E, met valuta-effect in het winstpad. Omdat VWCE accumuleert, wordt geen los dividend bovenop deze koersroute gezet. Dat voorkomt dubbeltelling. Het sterkste tegenargument De beste verdediging van VWCE is eenvoudig: niemand weet welke regio de komende tien jaar wint. Een marktgewogen wereldfonds laat winnaars automatisch groter worden en verliezers kleiner, zonder dat de belegger steeds hoeft te handelen. Opkomende markten zijn aanwezig, de kosten zijn laag en het fonds is groot en liquide. Daar staat tegenover dat passief niet hetzelfde is als waarderingsblind. Wie vandaag koopt, accepteert dat Amerikaanse megacaps de uitkomst domineren. Een lage kostenvoet kan een te hoge aankoopprijs niet repareren. Voor beleggers die alleen de Verenigde Staten willen vergelijken, blijft de uitleg over VUSA en de S&P 500 een nuttige referentie. Wat telt vanaf hier? Drie dingen verdienen meer aandacht dan de dagelijkse koers. Ten eerste de winstgroei van de grootste Amerikaanse posities. Ten tweede de relatieve waardering en winstbijdrage van opkomende markten. Ten derde het verschil tussen fondsresultaat en indexresultaat na kosten en belastingen. VWCE blijft een efficiënte alles-in-één-oplossing. Alleen is het geen neutrale wereldbol. Het is een actuele kaart van beurswaarde, met Amerika in het midden en groeimarkten aan de rand. Wie dat begrijpt, weet ook welke aannames €171,91 moeten dragen.

In het kort Netflix verwacht dat de advertentie-omzet in 2026 ongeveer verdubbelt tot circa $3 miljard. Dat is een serieuze nieuwe inkomstenbron, maar op een verwachte groepsomzet van $51,0 tot $51,4 miljard blijft reclame nog bescheiden. De belangrijkste vraag is daarom niet alleen hoeveel adverteerders betalen, maar hoeveel operationele winst en vrije kasstroom van iedere reclamedollar overblijft. De advertentielaag verandert de economie van een abonnement. Netflix kan op hetzelfde kijkuur zowel abonnementsomzet als advertentie-omzet verdienen, maar krijgt ook kosten voor verkoop, technologie, meting en een breder contentaanbod. De hefboom ontstaat pas wanneer reclame sneller groeit dan die extra kosten. Bij $71,57 per aandeel op Nasdaq, gemeten op 8 oktober 2026 om 20.29 UTC met twintig minuten vertraging, vraagt de waardering om aanhoudende winstgroei. De koers is na de aandelensplitsing op een andere basis dan oudere koersen. Vergelijk daarom alleen bedragen per aandeel die op dezelfde aandelenbasis zijn berekend. Netflix presenteert op 20 oktober na sluiting van de Amerikaanse beurs de cijfers over het derde kwartaal. De omzetgroei krijgt waarschijnlijk veel aandacht, maar voor aandeelhouders is de ontwikkeling van de advertentiemarge minstens zo belangrijk. Een advertentiebedrijf kan hard groeien en toch weinig waarde toevoegen wanneer verkoopkosten, kortingen en technologie-investeringen even hard oplopen. Direct naar een onderdeel van dit artikel Reclame wordt groot genoeg om apart te volgen Van bereik naar bijdrage Wat moet de huidige koers waarmaken? Drie paden naar 2029 Tot slot Reclame wordt groot genoeg om apart te volgen In de aandeelhoudersbrief van 16 juli meldde Netflix over het tweede kwartaal $12,6 miljard omzet, 13 procent meer dan een jaar eerder. De operationele winst bedroeg $4,2 miljard en de operationele marge 33,4 procent. Voor heel 2026 rekent het bedrijf op $51,0 tot $51,4 miljard omzet en een operationele marge van 31,5 procent. Het opvallendste detail was de verwachting dat de advertentie-omzet ongeveer verdubbelt tot $3 miljard. Die $3 miljard is ongeveer 5,9 procent van de verwachte jaaromzet. Dat lijkt klein, maar de richting telt. De advertentielaag geeft Netflix een tweede manier om hetzelfde publiek te gelde te maken. Een goedkoper abonnement kan bovendien prijsgevoelige huishoudens binnenhouden. De combinatie kan de omzet per huishouden verhogen zonder dat iedere abonnee een hogere abonnementsprijs hoeft te betalen. Daar staat een belangrijke beperking tegenover. Netflix publiceert geen volledige winst-en-verliesrekening voor reclame. Beleggers zien dus wel omzetgroei, maar niet precies hoeveel personeelskosten, advertentietechnologie en contentkosten eraan worden toegerekend. Dat maakt een losse omzetmijlpaal minder informatief dan hij klinkt. Van bereik naar bijdrage De kernvraag is eenvoudig: hoeveel van de $3 miljard blijft over nadat de directe advertentiekosten zijn betaald? Bij 42 procent directe kosten levert het model ongeveer $1,74 miljard operationele bijdrage op. Dat is geen voorspelling, maar een manier om de gevoeligheid te zien. Loopt de kostenratio op naar 60 procent, dan verdwijnt $540 miljoen van die bijdrage. Netflix heeft schaalvoordelen. Dezelfde advertentiesoftware kan over tientallen markten worden gebruikt en een grote catalogus trekt veel kijktijd. Toch is niet iedere minuut even waardevol. Sport, live-evenementen en populaire series kunnen hogere advertentieprijzen dragen, maar zijn vaak ook duurder. Daarnaast kan een hogere advertentiedruk de kijkervaring verslechteren. Meer advertenties per uur zijn dus niet automatisch beter. De sterkste tegenwerping is dat Netflix reclame niet nodig heeft om te winnen. Het abonnementenmodel produceert al veel kas en de onderneming kan prijzen verhogen. Dat klopt, maar juist daarom ligt de lat hoog. Een nieuwe activiteit moet de totale marge verbeteren, niet alleen nieuwe omzet leveren. Anders had management ook kapitaal kunnen besteden aan content, technologie of aandeleninkoop. Wie de kasstroomkant van content verder wil uitwerken, vindt in deze eerdere analyse over contentdollars en vrije kas de belangrijkste timingverschillen tussen uitgaven en afschrijving. Voor de bredere vraag hoe contractwaarde nog geen omzet is, laat de analyse van Nebius zien waarom een commerciële belofte pas telt wanneer levering en kas volgen. Wat moet de huidige koers waarmaken? De beurswaarde was bij de gemeten koers ongeveer $290 miljard. Dat is te groot om reclame als los groeiverhaal te behandelen. De relevante rekensom loopt via winst per aandeel: wat moet Netflix in 2029 verdienen om vanaf $71,57 een redelijk rendement te bieden? Bij een gewenst jaarrendement van 9 procent en een koers-winstverhouding van 30 in 2029 is ongeveer $3,09 winst per aandeel nodig. Vanuit een indicatieve 2026-basis van $2,65 vraagt dat grofweg 5 procent jaarlijkse groei. De uitkomst beweegt sterk met de eindmultiple. Een multiple van 24 maakt dezelfde toekomstige winst veel minder waard dan een multiple van 36. De onderneming moet daarbij ook aandelenbeloning en inkoop netjes in de rekensom verwerken. Aandeleninkoop creëert alleen waarde wanneer Netflix onder de intrinsieke waarde koopt en sneller inkoopt dan er nieuwe aandelen bijkomen. De advertentiebijdrage mag dus niet dubbel worden geteld als winstgroei én als financiering voor inkoop zonder naar het aandeelental te kijken. Drie paden naar 2029 In het bear-scenario groeit reclame wel, maar blijven verkoop- en contentkosten hoog. De groepsmarge zakt richting 27 procent en de markt betaalt een lagere multiple. In het middenscenario draagt reclame vanaf 2027 zichtbaar bij, blijft de operationele marge rond 31 procent en groeit de winst per aandeel ongeveer 12 procent per jaar. In het gunstige scenario stijgen advertentieprijzen, verbetert de bezettingsgraad en werkt de technologie over meer landen. Het verschil tussen de paden zit niet in één hitserie. Het zit in de combinatie van prijs, kijktijd, advertentiebezetting, kosten per campagne en de discipline bij contentuitgaven. Op 20 oktober wil de markt daarom meer zien dan een groeiend reclamegetal. Een aanwijzing over marges, verkoopkosten of de opbrengst per advertentie-uur zou de waardering veel beter toetsbaar maken. Tot slot Netflix heeft met reclame een geloofwaardige tweede inkomstenmotor gebouwd. $3 miljard omzet is groot genoeg om het resultaat te beïnvloeden, maar nog niet groot genoeg om een zwakke uitvoering elders te verhullen. De huidige koers beloont een bedrijf dat reclame omzet in winst per aandeel zonder de kijkervaring of contentdiscipline te verliezen. Dat kan, maar de advertentiemarge moet het bewijs leveren.

In het kort Shell nam op 29 september de definitieve investeringsbeslissing voor de tweede fase van LNG Canada. De uitbreiding verdubbelt de productiecapaciteit van het project. Shell heeft een belang van 40 procent en krijgt daardoor toegang tot bijna 6 miljoen ton extra LNG-capaciteit per jaar. Dezelfde Canadese strategie omvat de overname van ARC Resources. De transactie had bij aankondiging een aandelenwaarde van ongeveer $13,6 miljard en werd gefinancierd met circa $3,4 miljard cash en $10,2 miljard in Shell-aandelen. Daarvoor kwamen ongeveer 228 miljoen nieuwe gewone aandelen bij. Het Amsterdamse aandeel stond op 8 oktober 2026 om 15.39 UTC op €44,75, met vijftien minuten vertraging. De beleggingsvraag is of extra gasproductie en LNG-marge sneller waarde per aandeel opbouwen dan de kapitaalkosten en verwatering. Een LNG-project lijkt op het eerste gezicht eenvoudig: koop gas, koel het af, verscheep het en verkoop het in een markt met hogere prijzen. In werkelijkheid bestaat de waarde uit een keten van productie, pijpleiding, liquefactie, transport, contracten en handel. Een zwakke schakel kan de marge van de hele keten verlagen. Direct naar een onderdeel van dit artikel Extra capaciteit is nog geen extra kas ARC brengt gas mee, maar ook nieuwe aandelen De waardering draait om kas per aandeel Drie paden naar 2029 Tot slot Extra capaciteit is nog geen extra kas LNG Canada Phase 2 verdubbelt de capaciteit van het project. Voor Shells 40-procentsbelang gaat het om bijna 6 miljoen ton extra productiecapaciteit per jaar. De bouw en opstart liggen echter vóór de volledige kasstroom. Bovendien hangt de opbrengst per ton af van gasinkoop, energiegebruik, scheepskosten en het prijsmechanisme in verkoopcontracten. Bij een vrije kasbijdrage van $110 per ton levert 5,6 miljoen ton in het vereenvoudigde model ongeveer $616 miljoen per jaar op. Dat is betekenisvol, maar klein naast Shells totale kasstroom en de miljardeninvestering. Hogere benutting en gunstige contractmarges zijn dus nodig om een duidelijk verschil per aandeel te maken. De gunstige uitleg is dat LNG Canada aan de westkust ligt. Aziatische afnemers zijn dichterbij dan bij veel Amerikaanse Golfkustprojecten en de Canadese gasbasis kan concurrerend zijn. De tegenwerping is dat meerdere LNG-projecten tegelijk capaciteit toevoegen. Als aanbod sneller groeit dan vraag, kan de handelsmarge dalen. ARC brengt gas mee, maar ook nieuwe aandelen De overname van ARC Resources vult Shells Canadese gaspositie aan. Dat past strategisch: meer eigen gas kan de aanvoer naar LNG Canada versterken en waarde in meerdere schakels vasthouden. De betaalmethode telt echter evenveel als de industriële logica. Ongeveer driekwart van de aangekondigde vergoeding bestond uit Shell-aandelen. Daardoor deelt de toekomstige winst met meer stukken. Aandelenfinanciering beschermt de balans, maar verschuift de rendementsdrempel naar winst per aandeel. De overname is pas waardecreërend wanneer de toegevoegde kas per nieuw aandeel hoger is dan wat bestaande aandeelhouders vóór de transactie verdienden. Met $2,4 miljard extra jaarlijkse vrije kas zou in het model ongeveer $10,53 per nieuw aandeel ontstaan. Dat klinkt royaal, maar het is geen winst per aandeel en negeert timing, belasting, onderhoudsinvesteringen en de kapitaalkosten. De module maakt vooral zichtbaar hoeveel operationele prestatie tegenover 228 miljoen nieuwe aandelen moet staan. In de eerdere analyse van groeiende LNG-vraag staat waarom volume zonder handelsmarge weinig zegt. De analyse van Shells uitkeringen bij lagere olie laat daarnaast zien hoeveel van de kas al nodig is voor dividend en aandeleninkoop. De waardering draait om kas per aandeel Shell rapporteert in dollars maar het hier besproken aandeel noteert in euro's in Amsterdam. Valuta kan dus operationele vooruitgang versterken of verzwakken voor een eurobelegger. Ook dividend wordt vanuit dollarbedragen omgerekend. De koers alleen vergelijken met dollarwinst zonder wisselkoersbrug geeft een schijnnauwkeurige waardering. De onderneming handhaafde bij de tweedekwartaalcijfers een cash-capexverwachting van $24 tot $26 miljard voor 2026 en kondigde opnieuw $3 miljard aandeleninkoop aan. Door de ARC-uitgifte kan inkoop deels nodig zijn om verwatering te compenseren. Dat is anders dan netto vermindering van het aandeelental. De reverse valuation moet daarom starten bij vrije kas na investeringen, gedeeld door het verwaterde aantal aandelen. Nettoschuld wordt eenmaal meegenomen en dividend staat los van de scenario-koersen. Zo wordt voorkomen dat dezelfde kas zowel in de ondernemingswaarde als in de aandeelhoudersuitkering meetelt. Drie paden naar 2029 Het bear-scenario combineert een lagere olieprijs, oplopende projectkosten en tragere LNG-kas. In het middenscenario blijven projecten op schema en groeit de vrije kas per aandeel ondanks de nieuwe stukken. Het gunstige scenario veronderstelt sterke LNG-contractmarges, hoge benutting en strakke kapitaaldiscipline. De koersbanden bevatten geen dividend. Voor het totaalrendement moet een belegger ontvangen dividend optellen, maar alleen wanneer de onderliggende vrije kas het dekt. Een hoge uitkering gefinancierd met meer schuld of minder noodzakelijke investeringen is geen gratis rendement. Tot slot Shell bouwt in Canada een geïntegreerde gas- en LNG-positie die tientallen jaren kan produceren. De strategische samenhang is overtuigend. De financiële toets is strenger: bijna 6 miljoen ton extra Shell-capaciteit en ARC's gas moeten de projectkosten én de 228 miljoen nieuwe aandelen overtreffen. Groei is pas waardevol wanneer ook de vrije kas per aandeel groeit.

JD Technology Building in Beijing, vestigingsadres van Moonshot AI (archieffoto, 10 september 2020). Foto: Ashtang775 / Wikimedia Commons / CC BY-SA 4.0. Bron en beeldverantwoording · Licentie. In het kort Kimi K2.5 en actuele Kimi API-modellen laat zien dat een lage tokenprijs of veel context niet automatisch een goedkope productieoplossing oplevert. Moonshot adviseert voor lange gesprekken om eerdere context samen te vatten of te filteren en lange documenten in delen te verwerken. Dat advies is economisch relevant: een miljoen tokens context is capaciteit, geen verplichting om ieder vervolgverzoek het volledige dossier opnieuw te laten lezen. De beslissende factor is of de technische eigenschap herhaalpogingen, menselijk herstel en infrastructuur werkelijk verlaagt. De omgekeerde rekensom maakt zichtbaar hoeveel aantoonbare tijdwinst nodig is voordat de investering positief wordt. De marketingzin is eenvoudig: meer context, een lagere cacheprijs of minder actieve parameters maakt kunstmatige intelligentie goedkoper. Voor een due-diligenceteam dat honderden contracten doorzoekt en antwoorden naar exacte documenten moet kunnen terugleiden is dat hooguit het begin van de analyse. Een organisatie betaalt uiteindelijk voor een gecontroleerd resultaat, niet voor een indrukwekkende eigenschap op een modelkaart. Zonder compaction groeit iedere nieuwe beurt mee met de volledige gesprekshistorie. De kosten en wachttijd kunnen daardoor stijgen terwijl de extra context nauwelijks nieuwe informatie toevoegt. Dat maakt de architectuur of tarieftabel relevant voor de begroting, maar alleen wanneer het werkproces hetzelfde gedrag vertoont. De eigen meting moet daarom exact vastleggen welke invoer terugkomt, hoeveel uitvoer ontstaat en welke correcties mensen nog uitvoeren. Direct naar een onderdeel van dit artikel Wat er nu werkelijk beschikbaar is Waar de kostprijs ontstaat De scenario’s voor drie jaren Wanneer de keuze rationeel wordt Wat er nu werkelijk beschikbaar is Volgens de Kimi-richtlijnen voor lange gesprekken geldt op de peildatum het volgende: Moonshot adviseert voor lange gesprekken om eerdere context samen te vatten of te filteren en lange documenten in delen te verwerken. Dat advies is economisch relevant: een miljoen tokens context is capaciteit, geen verplichting om ieder vervolgverzoek het volledige dossier opnieuw te laten lezen. Die feiten zijn nuttig, maar ze vormen nog geen onafhankelijke producttest. Leveranciers meten vaak onder vaste instellingen en publiceren resultaten die niet vanzelf iets zeggen over Nederlandse teksten, eigen systemen of de foutschade van een organisatie. Een model dat op een benchmark wint, kan in een specifieke workflow alsnog duurder zijn door verkeerde bronkeuze, ongeldige velden of extra controle. Beschikbaarheid moet precies worden benoemd. Cloud-API; model- en prijsstatus per endpoint controleren. Een chatdienst, een publieke preview, een API en downloadbare gewichten geven elk een andere mate van controle. Ook een permissieve licentie neemt de plicht tot beveiliging, logging, gegevensminimalisatie en kwaliteitscontrole niet over. Samenvatten kan ook bewijs of uitzonderingen weggooien. Een goede keten bewaart daarom verwijzingen naar de brondelen en haalt alleen relevante passages opnieuw op wanneer de vraag dat vraagt. Daarom hoort de proef niet te eindigen bij een geslaagd voorbeeld. Neem representatieve moeilijke gevallen, een druk moment, een storing en een wijziging van het model of endpoint mee. Pas dan wordt duidelijk of de gekozen route bestand is tegen normaal bedrijfsgebruik. Een goede testset bevat tussen twintig en honderd echte taken en een vooraf vastgelegde acceptatiegrens. Een antwoord telt alleen als het inhoudelijk klopt, de afgesproken vorm heeft, controleerbare bronnen gebruikt waar dat nodig is en geen inhoudelijke reparatie vraagt. Zo ontstaat een percentage geslaagde taken bij de eerste poging en een reële kostprijs per geaccepteerd resultaat. Versiebeheer is daarbij geen administratief detail. Modellen, aliassen, runtimes en quantisaties kunnen veranderen. Bewaar een vaste regressieset en noteer model-ID, datum, promptversie en toolinstellingen. Zonder die gegevens is een kwaliteitsdaling achteraf nauwelijks te herleiden. Waar de kostprijs ontstaat De kale modelrekening bestaat uit meer dan input en output. Caching kan invoer verlagen, maar alleen bij een echte treffer. Tools kunnen aparte kosten rekenen. Bij lokale modellen verschuift de rekening naar hardware, energie, beheer en afschrijving. Daarboven komen de tijd voor integratie, beveiliging, evaluatie en menselijke controle. Voor het rekenvoorbeeld nemen we een eenmalige inrichting van € 13.000 en terugkerende kosten van € 5.200 per jaar. Een aantoonbaar vrijgespeeld arbeidsuur waarderen we op € 70. De investering wordt in drie gelijke delen over 2027, 2028 en 2029 verdeeld. Financieringskosten, belastingen en inflatie laten we buiten beschouwing zodat de beslisregel eenvoudig controleerbaar blijft. De formule is: netto kasbesparing per jaar is bespaarde uren per maand maal twaalf maal € 70, min € 5.200 en min een derde van € 13.000. De drempel is (€ 5.200 plus € 13.000 gedeeld door drie) gedeeld door twaalf maal € 70. Dat komt uit op 11,3 uur per maand. Die uren tellen alleen wanneer zij werkelijk uit betaald werk verdwijnen of aantoonbaar extra productie mogelijk maken. Dezelfde verbetering mag niet tegelijk als tijdbesparing, foutreductie en extra omzet worden opgenomen. Ook niet-bestede capaciteit is geen voordeel. Een medewerker die sneller klaar is maar geen ander werk oppakt, creëert geen directe kasbesparing. De omgekeerde berekening voorkomt koopdruk. Eerst wordt vastgesteld welke netto opbrengst nodig is, daarna pas welk model of welke infrastructuur daarbij past. Zo kan een organisatie besluiten dat een eenvoudigere router, betere documentselectie of strengere outputlimiet meer oplevert dan een duurder model. De scenario’s voor drie jaren In het lage scenario stijgt de gemeten tijdwinst van 6 uur per maand in 2027 naar 7 uur in 2028 en 8 uur in 2029. In het middenscenario zijn dat 18, 22 en 26 uur. Het hoge scenario gebruikt 38, 46 en 54 uur per maand. De verschillen verbeelden adoptie en procesverbetering, niet een voorspelde modelprijs. De lage uitkomst laat zien wat er gebeurt wanneer een pilot technisch werkt maar weinig breed wordt gebruikt. Het middenscenario veronderstelt dat teams terugkerende taken standaardiseren en de foutcontrole beheersen. Het hoge scenario vraagt structureel volume, goede bronselectie en voldoende taken met een hoge uurwaarde. Zonder die voorwaarden is het hoge pad geen basisbegroting. De bedragen zijn netto na de genoemde inrichting en terugkerende kosten, maar vóór belasting en financiering. API-tarieven kunnen wijzigen en lokaal stroomverbruik kan afwijken. Daarom horen ze ieder kwartaal opnieuw te worden ingevuld met facturen, loggegevens en werkelijk geaccepteerde taken. Wanneer de keuze rationeel wordt Voor een due-diligenceteam dat honderden contracten doorzoekt en antwoorden naar exacte documenten moet kunnen terugleiden begint een verstandige proef met het meten van het huidige proces. Noteer per taak de menselijke doorlooptijd, het aantal fouten, de herstelminuten en de externe kosten. Daarna krijgt het model precies dezelfde taken. Alleen het verschil tussen beide routes kan aan de inzet worden toegeschreven. Documentselectie is vaak de goedkoopste eerste verbetering. Verwijder duplicaten, oude versies en irrelevante bijlagen voordat het model draait. Leg bij ieder antwoord vast welke bronpassages zijn gebruikt. Daardoor dalen tokens en controlewerk tegelijk, zonder dat een grotere context automatisch als voordeel wordt geboekt. Een router kan eenvoudige taken naar een klein of goedkoop model sturen en alleen risicovolle uitzonderingen escaleren. Dat is vaak robuuster dan alles door het krachtigste model te laten lopen. De router zelf moet wel worden getest, want verkeerd afgeprijsde taken kunnen fouten juist onzichtbaar maken. Vier meetwaarden zijn voldoende om de eerste maand bestuurbaar te maken. Noteer de kosten per geaccepteerde taak, het percentage dat bij de eerste poging slaagt, de menselijke herstelminuten en de totale doorlooptijd. Bekijk het gemiddelde én de slechtste tien procent. Juist lange uitlopers veroorzaken gemiste deadlines en onverwachte personeelskosten. Een lager gemiddelde zonder verbetering van die staart kan voor tijdkritisch werk nog steeds een slechte keuze zijn. Gebruik daarnaast een controlegroep. Laat een deel van de taken gedurende de proef via het bestaande proces lopen, zodat seizoensdrukte, nieuwe medewerkers of veranderde documentkwaliteit niet ten onrechte aan het model worden toegeschreven. Vergelijk dezelfde taaksoort en dezelfde acceptatiegrens. Pas wanneer het verschil enkele weken standhoudt, is opschalen verdedigbaar. Deze aanpak kost discipline, maar voorkomt dat één geslaagde demo wordt verward met een structureel verdienmodel. Beveiliging en continuïteit verdienen een afzonderlijke begrotingsregel. Bepaal welke gegevens de omgeving mogen verlaten, wie logs kan zien, hoe lang invoer wordt bewaard en wat er gebeurt bij uitval. Een reserve-API of handmatige noodroute kost geld, maar kan bij tijdkritisch werk goedkoper zijn dan stilstand. De conclusie volgt daarom niet uit één prijs of benchmark. Kimi van Moonshot kan economisch aantrekkelijk zijn wanneer de gemeten tijdwinst boven 11,3 uur per maand komt en de kwaliteit onder normale omstandigheden standhoudt. Onder die grens is optimaliseren van het bestaande proces, betere retrieval of een kleinere proef rationeler. Wie lid is van De Belegger en vragen heeft over deze analyse kan de code GRAAG mailen aan info@debelegger.nl.

Sohu Internet Plaza in Beijing, vestigingsadres van Z.ai (archieffoto, 20 oktober 2012). Foto: WhisperToMe / Wikimedia Commons / CC0. Bron en beeldverantwoording · Licentie. In het kort GLM-5.3, GLM-5.3-Flash en FlashX laat zien dat een lage tokenprijs of veel context niet automatisch een goedkope productieoplossing oplevert. Z.ai beschrijft Coding Plans met vijfuurs- en weekquota, credits waarin cached input wordt meegeteld en een lagere creditbelasting in daluren. Op de API-prijspagina staat GLM-5.3-Flash op $0,15 input, $0,03 cached input en $0,50 output per miljoen tokens; GLM-5.3 staat hoger geprijsd. De beslissende factor is of de technische eigenschap herhaalpogingen, menselijk herstel en infrastructuur werkelijk verlaagt. De omgekeerde rekensom maakt zichtbaar hoeveel aantoonbare tijdwinst nodig is voordat de investering positief wordt. De marketingzin is eenvoudig: meer context, een lagere cacheprijs of minder actieve parameters maakt kunstmatige intelligentie goedkoper. Voor een klein ontwikkelteam dat codeagents vooral tijdens Europese kantooruren gebruikt is dat hooguit het begin van de analyse. Een organisatie betaalt uiteindelijk voor een gecontroleerd resultaat, niet voor een indrukwekkende eigenschap op een modelkaart. Een abonnement kan goedkoop lijken wanneer een team de nominale maandprijs door alle beschikbare credits deelt. In werkelijkheid bepalen cachetreffers, piekuren en quota-resetmomenten hoeveel nuttig werk binnen het plan past. Dat maakt de architectuur of tarieftabel relevant voor de begroting, maar alleen wanneer het werkproces hetzelfde gedrag vertoont. De eigen meting moet daarom exact vastleggen welke invoer terugkomt, hoeveel uitvoer ontstaat en welke correcties mensen nog uitvoeren. Direct naar een onderdeel van dit artikel Wat er nu werkelijk beschikbaar is Waar de kostprijs ontstaat De scenario’s voor drie jaren Wanneer de keuze rationeel wordt Wat er nu werkelijk beschikbaar is Volgens de Z.ai-documentatie over Coding Plans geldt op de peildatum het volgende: Z.ai beschrijft Coding Plans met vijfuurs- en weekquota, credits waarin cached input wordt meegeteld en een lagere creditbelasting in daluren. Op de API-prijspagina staat GLM-5.3-Flash op $0,15 input, $0,03 cached input en $0,50 output per miljoen tokens; GLM-5.3 staat hoger geprijsd. Die feiten zijn nuttig, maar ze vormen nog geen onafhankelijke producttest. Leveranciers meten vaak onder vaste instellingen en publiceren resultaten die niet vanzelf iets zeggen over Nederlandse teksten, eigen systemen of de foutschade van een organisatie. Een model dat op een benchmark wint, kan in een specifieke workflow alsnog duurder zijn door verkeerde bronkeuze, ongeldige velden of extra controle. Beschikbaarheid moet precies worden benoemd. API en Coding Plans met afzonderlijke quota. Een chatdienst, een publieke preview, een API en downloadbare gewichten geven elk een andere mate van controle. Ook een permissieve licentie neemt de plicht tot beveiliging, logging, gegevensminimalisatie en kwaliteitscontrole niet over. Een ongebruikt quotum is geen besparing en een overschreden limiet kan juist wachttijd creëren. De gebruiker moet daarom taakvolume per vijf uur en per week meten, niet alleen per maand. Daarom hoort de proef niet te eindigen bij een geslaagd voorbeeld. Neem representatieve moeilijke gevallen, een druk moment, een storing en een wijziging van het model of endpoint mee. Pas dan wordt duidelijk of de gekozen route bestand is tegen normaal bedrijfsgebruik. Een goede testset bevat tussen twintig en honderd echte taken en een vooraf vastgelegde acceptatiegrens. Een antwoord telt alleen als het inhoudelijk klopt, de afgesproken vorm heeft, controleerbare bronnen gebruikt waar dat nodig is en geen inhoudelijke reparatie vraagt. Zo ontstaat een percentage geslaagde taken bij de eerste poging en een reële kostprijs per geaccepteerd resultaat. Versiebeheer is daarbij geen administratief detail. Modellen, aliassen, runtimes en quantisaties kunnen veranderen. Bewaar een vaste regressieset en noteer model-ID, datum, promptversie en toolinstellingen. Zonder die gegevens is een kwaliteitsdaling achteraf nauwelijks te herleiden. Waar de kostprijs ontstaat De kale modelrekening bestaat uit meer dan input en output. Caching kan invoer verlagen, maar alleen bij een echte treffer. Tools kunnen aparte kosten rekenen. Bij lokale modellen verschuift de rekening naar hardware, energie, beheer en afschrijving. Daarboven komen de tijd voor integratie, beveiliging, evaluatie en menselijke controle. Voor het rekenvoorbeeld nemen we een eenmalige inrichting van € 8.500 en terugkerende kosten van € 3.000 per jaar. Een aantoonbaar vrijgespeeld arbeidsuur waarderen we op € 67. De investering wordt in drie gelijke delen over 2027, 2028 en 2029 verdeeld. Financieringskosten, belastingen en inflatie laten we buiten beschouwing zodat de beslisregel eenvoudig controleerbaar blijft. De formule is: netto kasbesparing per jaar is bespaarde uren per maand maal twaalf maal € 67, min € 3.000 en min een derde van € 8.500. De drempel is (€ 3.000 plus € 8.500 gedeeld door drie) gedeeld door twaalf maal € 67. Dat komt uit op 7,3 uur per maand. Die uren tellen alleen wanneer zij werkelijk uit betaald werk verdwijnen of aantoonbaar extra productie mogelijk maken. Dezelfde verbetering mag niet tegelijk als tijdbesparing, foutreductie en extra omzet worden opgenomen. Ook niet-bestede capaciteit is geen voordeel. Een medewerker die sneller klaar is maar geen ander werk oppakt, creëert geen directe kasbesparing. De omgekeerde berekening voorkomt koopdruk. Eerst wordt vastgesteld welke netto opbrengst nodig is, daarna pas welk model of welke infrastructuur daarbij past. Zo kan een organisatie besluiten dat een eenvoudigere router, betere documentselectie of strengere outputlimiet meer oplevert dan een duurder model. De scenario’s voor drie jaren In het lage scenario stijgt de gemeten tijdwinst van 4 uur per maand in 2027 naar 5 uur in 2028 en 6 uur in 2029. In het middenscenario zijn dat 12, 15 en 18 uur. Het hoge scenario gebruikt 26, 32 en 38 uur per maand. De verschillen verbeelden adoptie en procesverbetering, niet een voorspelde modelprijs. De lage uitkomst laat zien wat er gebeurt wanneer een pilot technisch werkt maar weinig breed wordt gebruikt. Het middenscenario veronderstelt dat teams terugkerende taken standaardiseren en de foutcontrole beheersen. Het hoge scenario vraagt structureel volume, goede bronselectie en voldoende taken met een hoge uurwaarde. Zonder die voorwaarden is het hoge pad geen basisbegroting. De bedragen zijn netto na de genoemde inrichting en terugkerende kosten, maar vóór belasting en financiering. API-tarieven kunnen wijzigen en lokaal stroomverbruik kan afwijken. Daarom horen ze ieder kwartaal opnieuw te worden ingevuld met facturen, loggegevens en werkelijk geaccepteerde taken. Wanneer de keuze rationeel wordt Voor een klein ontwikkelteam dat codeagents vooral tijdens Europese kantooruren gebruikt begint een verstandige proef met het meten van het huidige proces. Noteer per taak de menselijke doorlooptijd, het aantal fouten, de herstelminuten en de externe kosten. Daarna krijgt het model precies dezelfde taken. Alleen het verschil tussen beide routes kan aan de inzet worden toegeschreven. Documentselectie is vaak de goedkoopste eerste verbetering. Verwijder duplicaten, oude versies en irrelevante bijlagen voordat het model draait. Leg bij ieder antwoord vast welke bronpassages zijn gebruikt. Daardoor dalen tokens en controlewerk tegelijk, zonder dat een grotere context automatisch als voordeel wordt geboekt. Een router kan eenvoudige taken naar een klein of goedkoop model sturen en alleen risicovolle uitzonderingen escaleren. Dat is vaak robuuster dan alles door het krachtigste model te laten lopen. De router zelf moet wel worden getest, want verkeerd afgeprijsde taken kunnen fouten juist onzichtbaar maken. Vier meetwaarden zijn voldoende om de eerste maand bestuurbaar te maken. Noteer de kosten per geaccepteerde taak, het percentage dat bij de eerste poging slaagt, de menselijke herstelminuten en de totale doorlooptijd. Bekijk het gemiddelde én de slechtste tien procent. Juist lange uitlopers veroorzaken gemiste deadlines en onverwachte personeelskosten. Een lager gemiddelde zonder verbetering van die staart kan voor tijdkritisch werk nog steeds een slechte keuze zijn. Gebruik daarnaast een controlegroep. Laat een deel van de taken gedurende de proef via het bestaande proces lopen, zodat seizoensdrukte, nieuwe medewerkers of veranderde documentkwaliteit niet ten onrechte aan het model worden toegeschreven. Vergelijk dezelfde taaksoort en dezelfde acceptatiegrens. Pas wanneer het verschil enkele weken standhoudt, is opschalen verdedigbaar. Deze aanpak kost discipline, maar voorkomt dat één geslaagde demo wordt verward met een structureel verdienmodel. Beveiliging en continuïteit verdienen een afzonderlijke begrotingsregel. Bepaal welke gegevens de omgeving mogen verlaten, wie logs kan zien, hoe lang invoer wordt bewaard en wat er gebeurt bij uitval. Een reserve-API of handmatige noodroute kost geld, maar kan bij tijdkritisch werk goedkoper zijn dan stilstand. De conclusie volgt daarom niet uit één prijs of benchmark. GLM van Z.ai kan economisch aantrekkelijk zijn wanneer de gemeten tijdwinst boven 7,3 uur per maand komt en de kwaliteit onder normale omstandigheden standhoudt. Onder die grens is optimaliseren van het bestaande proces, betere retrieval of een kleinere proef rationeler. Wie lid is van De Belegger en vragen heeft over deze analyse kan de code GRAAG mailen aan info@debelegger.nl.

Jack Ma, oprichter van Alibaba (archieffoto, 5 december 2015). Foto: UNclimatechange / Hajue Staudt / Wikimedia Commons / CC BY 2.0. Bron en beeldverantwoording · Licentie. In het kort Qwen3-Coder-Next en Qwen3.8 laat zien dat een lage tokenprijs of veel context niet automatisch een goedkope productieoplossing oplevert. Qwen noemt onder meer Qwen3-Coder-480B-A35B, 30B-A3B en Coder-Next op basis van Qwen3-Next-80B-A3B. De A-notatie beschrijft actieve parameters per token, maar een lokale server moet nog steeds alle expertengewichten beschikbaar hebben. De Qwen3-opengewichten staan volgens de officiële repository onder Apache 2.0. De beslissende factor is of de technische eigenschap herhaalpogingen, menselijk herstel en infrastructuur werkelijk verlaagt. De omgekeerde rekensom maakt zichtbaar hoeveel aantoonbare tijdwinst nodig is voordat de investering positief wordt. De marketingzin is eenvoudig: meer context, een lagere cacheprijs of minder actieve parameters maakt kunstmatige intelligentie goedkoper. Voor een ontwikkelteam dat een codingmodel intern wil draaien op eigen GPU-servers is dat hooguit het begin van de analyse. Een organisatie betaalt uiteindelijk voor een gecontroleerd resultaat, niet voor een indrukwekkende eigenschap op een modelkaart. Mixture-of-experts verlaagt de hoeveelheid rekenwerk per token doordat slechts een deel van het netwerk actief is. Het modelbestand, de gewichten, de contextcache en de runtime moeten echter gezamenlijk in het geheugen passen. Dat maakt de architectuur of tarieftabel relevant voor de begroting, maar alleen wanneer het werkproces hetzelfde gedrag vertoont. De eigen meting moet daarom exact vastleggen welke invoer terugkomt, hoeveel uitvoer ontstaat en welke correcties mensen nog uitvoeren. Direct naar een onderdeel van dit artikel Wat er nu werkelijk beschikbaar is Waar de kostprijs ontstaat De scenario’s voor drie jaren Wanneer de keuze rationeel wordt Wat er nu werkelijk beschikbaar is Volgens de officiële Qwen3-Coder-repository geldt op de peildatum het volgende: Qwen noemt onder meer Qwen3-Coder-480B-A35B, 30B-A3B en Coder-Next op basis van Qwen3-Next-80B-A3B. De A-notatie beschrijft actieve parameters per token, maar een lokale server moet nog steeds alle expertengewichten beschikbaar hebben. De Qwen3-opengewichten staan volgens de officiële repository onder Apache 2.0. Die feiten zijn nuttig, maar ze vormen nog geen onafhankelijke producttest. Leveranciers meten vaak onder vaste instellingen en publiceren resultaten die niet vanzelf iets zeggen over Nederlandse teksten, eigen systemen of de foutschade van een organisatie. Een model dat op een benchmark wint, kan in een specifieke workflow alsnog duurder zijn door verkeerde bronkeuze, ongeldige velden of extra controle. Beschikbaarheid moet precies worden benoemd. Open gewichten onder Apache 2.0, plus clouddiensten. Een chatdienst, een publieke preview, een API en downloadbare gewichten geven elk een andere mate van controle. Ook een permissieve licentie neemt de plicht tot beveiliging, logging, gegevensminimalisatie en kwaliteitscontrole niet over. Wie 3 miljard actieve parameters gelijkstelt aan een model van 3 miljard parameters onderschat de benodigde opslag en GPU- of systeemgeheugen. Quantisatie helpt, maar kan kwaliteit, doorvoer en softwarecompatibiliteit veranderen. Daarom hoort de proef niet te eindigen bij een geslaagd voorbeeld. Neem representatieve moeilijke gevallen, een druk moment, een storing en een wijziging van het model of endpoint mee. Pas dan wordt duidelijk of de gekozen route bestand is tegen normaal bedrijfsgebruik. Een goede testset bevat tussen twintig en honderd echte taken en een vooraf vastgelegde acceptatiegrens. Een antwoord telt alleen als het inhoudelijk klopt, de afgesproken vorm heeft, controleerbare bronnen gebruikt waar dat nodig is en geen inhoudelijke reparatie vraagt. Zo ontstaat een percentage geslaagde taken bij de eerste poging en een reële kostprijs per geaccepteerd resultaat. Versiebeheer is daarbij geen administratief detail. Modellen, aliassen, runtimes en quantisaties kunnen veranderen. Bewaar een vaste regressieset en noteer model-ID, datum, promptversie en toolinstellingen. Zonder die gegevens is een kwaliteitsdaling achteraf nauwelijks te herleiden. Waar de kostprijs ontstaat De kale modelrekening bestaat uit meer dan input en output. Caching kan invoer verlagen, maar alleen bij een echte treffer. Tools kunnen aparte kosten rekenen. Bij lokale modellen verschuift de rekening naar hardware, energie, beheer en afschrijving. Daarboven komen de tijd voor integratie, beveiliging, evaluatie en menselijke controle. Voor het rekenvoorbeeld nemen we een eenmalige inrichting van € 32.000 en terugkerende kosten van € 11.500 per jaar. Een aantoonbaar vrijgespeeld arbeidsuur waarderen we op € 75. De investering wordt in drie gelijke delen over 2027, 2028 en 2029 verdeeld. Financieringskosten, belastingen en inflatie laten we buiten beschouwing zodat de beslisregel eenvoudig controleerbaar blijft. De formule is: netto kasbesparing per jaar is bespaarde uren per maand maal twaalf maal € 75, min € 11.500 en min een derde van € 32.000. De drempel is (€ 11.500 plus € 32.000 gedeeld door drie) gedeeld door twaalf maal € 75. Dat komt uit op 24,6 uur per maand. Die uren tellen alleen wanneer zij werkelijk uit betaald werk verdwijnen of aantoonbaar extra productie mogelijk maken. Dezelfde verbetering mag niet tegelijk als tijdbesparing, foutreductie en extra omzet worden opgenomen. Ook niet-bestede capaciteit is geen voordeel. Een medewerker die sneller klaar is maar geen ander werk oppakt, creëert geen directe kasbesparing. De omgekeerde berekening voorkomt koopdruk. Eerst wordt vastgesteld welke netto opbrengst nodig is, daarna pas welk model of welke infrastructuur daarbij past. Zo kan een organisatie besluiten dat een eenvoudigere router, betere documentselectie of strengere outputlimiet meer oplevert dan een duurder model. De scenario’s voor drie jaren In het lage scenario stijgt de gemeten tijdwinst van 14 uur per maand in 2027 naar 17 uur in 2028 en 20 uur in 2029. In het middenscenario zijn dat 40, 49 en 58 uur. Het hoge scenario gebruikt 86, 103 en 120 uur per maand. De verschillen verbeelden adoptie en procesverbetering, niet een voorspelde modelprijs. De lage uitkomst laat zien wat er gebeurt wanneer een pilot technisch werkt maar weinig breed wordt gebruikt. Het middenscenario veronderstelt dat teams terugkerende taken standaardiseren en de foutcontrole beheersen. Het hoge scenario vraagt structureel volume, goede bronselectie en voldoende taken met een hoge uurwaarde. Zonder die voorwaarden is het hoge pad geen basisbegroting. De bedragen zijn netto na de genoemde inrichting en terugkerende kosten, maar vóór belasting en financiering. API-tarieven kunnen wijzigen en lokaal stroomverbruik kan afwijken. Daarom horen ze ieder kwartaal opnieuw te worden ingevuld met facturen, loggegevens en werkelijk geaccepteerde taken. Wanneer de keuze rationeel wordt Voor een ontwikkelteam dat een codingmodel intern wil draaien op eigen GPU-servers begint een verstandige proef met het meten van het huidige proces. Noteer per taak de menselijke doorlooptijd, het aantal fouten, de herstelminuten en de externe kosten. Daarna krijgt het model precies dezelfde taken. Alleen het verschil tussen beide routes kan aan de inzet worden toegeschreven. Documentselectie is vaak de goedkoopste eerste verbetering. Verwijder duplicaten, oude versies en irrelevante bijlagen voordat het model draait. Leg bij ieder antwoord vast welke bronpassages zijn gebruikt. Daardoor dalen tokens en controlewerk tegelijk, zonder dat een grotere context automatisch als voordeel wordt geboekt. Een router kan eenvoudige taken naar een klein of goedkoop model sturen en alleen risicovolle uitzonderingen escaleren. Dat is vaak robuuster dan alles door het krachtigste model te laten lopen. De router zelf moet wel worden getest, want verkeerd afgeprijsde taken kunnen fouten juist onzichtbaar maken. Vier meetwaarden zijn voldoende om de eerste maand bestuurbaar te maken. Noteer de kosten per geaccepteerde taak, het percentage dat bij de eerste poging slaagt, de menselijke herstelminuten en de totale doorlooptijd. Bekijk het gemiddelde én de slechtste tien procent. Juist lange uitlopers veroorzaken gemiste deadlines en onverwachte personeelskosten. Een lager gemiddelde zonder verbetering van die staart kan voor tijdkritisch werk nog steeds een slechte keuze zijn. Gebruik daarnaast een controlegroep. Laat een deel van de taken gedurende de proef via het bestaande proces lopen, zodat seizoensdrukte, nieuwe medewerkers of veranderde documentkwaliteit niet ten onrechte aan het model worden toegeschreven. Vergelijk dezelfde taaksoort en dezelfde acceptatiegrens. Pas wanneer het verschil enkele weken standhoudt, is opschalen verdedigbaar. Deze aanpak kost discipline, maar voorkomt dat één geslaagde demo wordt verward met een structureel verdienmodel. Beveiliging en continuïteit verdienen een afzonderlijke begrotingsregel. Bepaal welke gegevens de omgeving mogen verlaten, wie logs kan zien, hoe lang invoer wordt bewaard en wat er gebeurt bij uitval. Een reserve-API of handmatige noodroute kost geld, maar kan bij tijdkritisch werk goedkoper zijn dan stilstand. De conclusie volgt daarom niet uit één prijs of benchmark. Qwen kan economisch aantrekkelijk zijn wanneer de gemeten tijdwinst boven 24,6 uur per maand komt en de kwaliteit onder normale omstandigheden standhoudt. Onder die grens is optimaliseren van het bestaande proces, betere retrieval of een kleinere proef rationeler. Wie lid is van De Belegger en vragen heeft over deze analyse kan de code GRAAG mailen aan info@debelegger.nl.

Arthur Mensch, medeoprichter en CEO van Mistral AI (archieffoto, 11 februari 2026). Foto: Jan234 / Wikimedia Commons / CC0. Bron en beeldverantwoording · Licentie. In het kort Mistral Large 4, Medium 3.5 en Small 4 laat zien dat een lage tokenprijs of veel context niet automatisch een goedkope productieoplossing oplevert. Mistral vermeldt in oktober 2026 Large 4 als open-weight algemeen multimodaal model en Medium 3.5 als 128 miljard parameter-model onder Modified MIT. Voor Medium 3.5 staat $1,50 input en $7,50 output per miljoen tokens, 256.000 context en een geraamd GPU-geheugenbereik van 64 tot 256 GB. De beslissende factor is of de technische eigenschap herhaalpogingen, menselijk herstel en infrastructuur werkelijk verlaagt. De omgekeerde rekensom maakt zichtbaar hoeveel aantoonbare tijdwinst nodig is voordat de investering positief wordt. De marketingzin is eenvoudig: meer context, een lagere cacheprijs of minder actieve parameters maakt kunstmatige intelligentie goedkoper. Voor een Europese onderneming die gevoelige documenten intern wil verwerken en piekbelasting moet opvangen is dat hooguit het begin van de analyse. Een organisatie betaalt uiteindelijk voor een gecontroleerd resultaat, niet voor een indrukwekkende eigenschap op een modelkaart. Downloadbare gewichten verwijderen de API-factuur niet, maar verplaatsen die naar hardware, energie, beheer, beschikbaarheid en upgrades. Het verschil wordt pas aantrekkelijk bij voldoende stabiel volume of bijzondere eisen aan gegevenscontrole. Dat maakt de architectuur of tarieftabel relevant voor de begroting, maar alleen wanneer het werkproces hetzelfde gedrag vertoont. De eigen meting moet daarom exact vastleggen welke invoer terugkomt, hoeveel uitvoer ontstaat en welke correcties mensen nog uitvoeren. Direct naar een onderdeel van dit artikel Wat er nu werkelijk beschikbaar is Waar de kostprijs ontstaat De scenario’s voor drie jaren Wanneer de keuze rationeel wordt Wat er nu werkelijk beschikbaar is Volgens de Mistral-modeloverzicht geldt op de peildatum het volgende: Mistral vermeldt in oktober 2026 Large 4 als open-weight algemeen multimodaal model en Medium 3.5 als 128 miljard parameter-model onder Modified MIT. Voor Medium 3.5 staat $1,50 input en $7,50 output per miljoen tokens, 256.000 context en een geraamd GPU-geheugenbereik van 64 tot 256 GB. Die feiten zijn nuttig, maar ze vormen nog geen onafhankelijke producttest. Leveranciers meten vaak onder vaste instellingen en publiceren resultaten die niet vanzelf iets zeggen over Nederlandse teksten, eigen systemen of de foutschade van een organisatie. Een model dat op een benchmark wint, kan in een specifieke workflow alsnog duurder zijn door verkeerde bronkeuze, ongeldige velden of extra controle. Beschikbaarheid moet precies worden benoemd. Open gewichten met modelafhankelijke licenties; API daarnaast beschikbaar. Een chatdienst, een publieke preview, een API en downloadbare gewichten geven elk een andere mate van controle. Ook een permissieve licentie neemt de plicht tot beveiliging, logging, gegevensminimalisatie en kwaliteitscontrole niet over. Een theoretisch passend model kan in productie te weinig ruimte overlaten voor contextcache en gelijktijdige gebruikers. Ook de licentie verschilt per variant, zodat open gewicht niet automatisch één uniforme gebruiksvoorwaarde betekent. Daarom hoort de proef niet te eindigen bij een geslaagd voorbeeld. Neem representatieve moeilijke gevallen, een druk moment, een storing en een wijziging van het model of endpoint mee. Pas dan wordt duidelijk of de gekozen route bestand is tegen normaal bedrijfsgebruik. Een goede testset bevat tussen twintig en honderd echte taken en een vooraf vastgelegde acceptatiegrens. Een antwoord telt alleen als het inhoudelijk klopt, de afgesproken vorm heeft, controleerbare bronnen gebruikt waar dat nodig is en geen inhoudelijke reparatie vraagt. Zo ontstaat een percentage geslaagde taken bij de eerste poging en een reële kostprijs per geaccepteerd resultaat. Versiebeheer is daarbij geen administratief detail. Modellen, aliassen, runtimes en quantisaties kunnen veranderen. Bewaar een vaste regressieset en noteer model-ID, datum, promptversie en toolinstellingen. Zonder die gegevens is een kwaliteitsdaling achteraf nauwelijks te herleiden. Waar de kostprijs ontstaat De kale modelrekening bestaat uit meer dan input en output. Caching kan invoer verlagen, maar alleen bij een echte treffer. Tools kunnen aparte kosten rekenen. Bij lokale modellen verschuift de rekening naar hardware, energie, beheer en afschrijving. Daarboven komen de tijd voor integratie, beveiliging, evaluatie en menselijke controle. Voor het rekenvoorbeeld nemen we een eenmalige inrichting van € 34.000 en terugkerende kosten van € 13.000 per jaar. Een aantoonbaar vrijgespeeld arbeidsuur waarderen we op € 78. De investering wordt in drie gelijke delen over 2027, 2028 en 2029 verdeeld. Financieringskosten, belastingen en inflatie laten we buiten beschouwing zodat de beslisregel eenvoudig controleerbaar blijft. De formule is: netto kasbesparing per jaar is bespaarde uren per maand maal twaalf maal € 78, min € 13.000 en min een derde van € 34.000. De drempel is (€ 13.000 plus € 34.000 gedeeld door drie) gedeeld door twaalf maal € 78. Dat komt uit op 26,0 uur per maand. Die uren tellen alleen wanneer zij werkelijk uit betaald werk verdwijnen of aantoonbaar extra productie mogelijk maken. Dezelfde verbetering mag niet tegelijk als tijdbesparing, foutreductie en extra omzet worden opgenomen. Ook niet-bestede capaciteit is geen voordeel. Een medewerker die sneller klaar is maar geen ander werk oppakt, creëert geen directe kasbesparing. De omgekeerde berekening voorkomt koopdruk. Eerst wordt vastgesteld welke netto opbrengst nodig is, daarna pas welk model of welke infrastructuur daarbij past. Zo kan een organisatie besluiten dat een eenvoudigere router, betere documentselectie of strengere outputlimiet meer oplevert dan een duurder model. De scenario’s voor drie jaren In het lage scenario stijgt de gemeten tijdwinst van 14 uur per maand in 2027 naar 17 uur in 2028 en 20 uur in 2029. In het middenscenario zijn dat 42, 51 en 60 uur. Het hoge scenario gebruikt 88, 105 en 122 uur per maand. De verschillen verbeelden adoptie en procesverbetering, niet een voorspelde modelprijs. De lage uitkomst laat zien wat er gebeurt wanneer een pilot technisch werkt maar weinig breed wordt gebruikt. Het middenscenario veronderstelt dat teams terugkerende taken standaardiseren en de foutcontrole beheersen. Het hoge scenario vraagt structureel volume, goede bronselectie en voldoende taken met een hoge uurwaarde. Zonder die voorwaarden is het hoge pad geen basisbegroting. De bedragen zijn netto na de genoemde inrichting en terugkerende kosten, maar vóór belasting en financiering. API-tarieven kunnen wijzigen en lokaal stroomverbruik kan afwijken. Daarom horen ze ieder kwartaal opnieuw te worden ingevuld met facturen, loggegevens en werkelijk geaccepteerde taken. Wanneer de keuze rationeel wordt Voor een Europese onderneming die gevoelige documenten intern wil verwerken en piekbelasting moet opvangen begint een verstandige proef met het meten van het huidige proces. Noteer per taak de menselijke doorlooptijd, het aantal fouten, de herstelminuten en de externe kosten. Daarna krijgt het model precies dezelfde taken. Alleen het verschil tussen beide routes kan aan de inzet worden toegeschreven. Documentselectie is vaak de goedkoopste eerste verbetering. Verwijder duplicaten, oude versies en irrelevante bijlagen voordat het model draait. Leg bij ieder antwoord vast welke bronpassages zijn gebruikt. Daardoor dalen tokens en controlewerk tegelijk, zonder dat een grotere context automatisch als voordeel wordt geboekt. Een router kan eenvoudige taken naar een klein of goedkoop model sturen en alleen risicovolle uitzonderingen escaleren. Dat is vaak robuuster dan alles door het krachtigste model te laten lopen. De router zelf moet wel worden getest, want verkeerd afgeprijsde taken kunnen fouten juist onzichtbaar maken. Vier meetwaarden zijn voldoende om de eerste maand bestuurbaar te maken. Noteer de kosten per geaccepteerde taak, het percentage dat bij de eerste poging slaagt, de menselijke herstelminuten en de totale doorlooptijd. Bekijk het gemiddelde én de slechtste tien procent. Juist lange uitlopers veroorzaken gemiste deadlines en onverwachte personeelskosten. Een lager gemiddelde zonder verbetering van die staart kan voor tijdkritisch werk nog steeds een slechte keuze zijn. Gebruik daarnaast een controlegroep. Laat een deel van de taken gedurende de proef via het bestaande proces lopen, zodat seizoensdrukte, nieuwe medewerkers of veranderde documentkwaliteit niet ten onrechte aan het model worden toegeschreven. Vergelijk dezelfde taaksoort en dezelfde acceptatiegrens. Pas wanneer het verschil enkele weken standhoudt, is opschalen verdedigbaar. Deze aanpak kost discipline, maar voorkomt dat één geslaagde demo wordt verward met een structureel verdienmodel. Beveiliging en continuïteit verdienen een afzonderlijke begrotingsregel. Bepaal welke gegevens de omgeving mogen verlaten, wie logs kan zien, hoe lang invoer wordt bewaard en wat er gebeurt bij uitval. Een reserve-API of handmatige noodroute kost geld, maar kan bij tijdkritisch werk goedkoper zijn dan stilstand. De conclusie volgt daarom niet uit één prijs of benchmark. Mistral kan economisch aantrekkelijk zijn wanneer de gemeten tijdwinst boven 26,0 uur per maand komt en de kwaliteit onder normale omstandigheden standhoudt. Onder die grens is optimaliseren van het bestaande proces, betere retrieval of een kleinere proef rationeler. Wie lid is van De Belegger en vragen heeft over deze analyse kan de code GRAAG mailen aan info@debelegger.nl.

Lei Jun, oprichter en CEO van Xiaomi (archieffoto, 13 september 2024). Foto: WIPO / Samar Shamoon / Wikimedia Commons / CC BY 2.0. Bron en beeldverantwoording · Licentie. In het kort MiMo-V2-Pro en MiMo-V2-Flash laat zien dat een lage tokenprijs of veel context niet automatisch een goedkope productieoplossing oplevert. Xiaomi publiceerde voor MiMo-V2-Pro een contextvenster van één miljoen tokens. Tot 256.000 tokens kost input $1 en output $3 per miljoen tokens; tussen 256.000 en één miljoen tokens verdubbelen die bedragen. Cache read gaat in dezelfde stap van $0,20 naar $0,40. De beslissende factor is of de technische eigenschap herhaalpogingen, menselijk herstel en infrastructuur werkelijk verlaagt. De omgekeerde rekensom maakt zichtbaar hoeveel aantoonbare tijdwinst nodig is voordat de investering positief wordt. De marketingzin is eenvoudig: meer context, een lagere cacheprijs of minder actieve parameters maakt kunstmatige intelligentie goedkoper. Voor een engineeringsbedrijf dat ontwerpen, tickets en handleidingen in één agentsessie combineert is dat hooguit het begin van de analyse. Een organisatie betaalt uiteindelijk voor een gecontroleerd resultaat, niet voor een indrukwekkende eigenschap op een modelkaart. De grens van 256.000 tokens maakt documentselectie een financiële keuze. Een lang dossier dat net boven de grens uitkomt, betaalt het hogere tarief voor alle tokens in de aanvraag. Dat maakt de architectuur of tarieftabel relevant voor de begroting, maar alleen wanneer het werkproces hetzelfde gedrag vertoont. De eigen meting moet daarom exact vastleggen welke invoer terugkomt, hoeveel uitvoer ontstaat en welke correcties mensen nog uitvoeren. Direct naar een onderdeel van dit artikel Wat er nu werkelijk beschikbaar is Waar de kostprijs ontstaat De scenario’s voor drie jaren Wanneer de keuze rationeel wordt Wat er nu werkelijk beschikbaar is Volgens de Xiaomi MiMo-V2-Pro-modelpagina geldt op de peildatum het volgende: Xiaomi publiceerde voor MiMo-V2-Pro een contextvenster van één miljoen tokens. Tot 256.000 tokens kost input $1 en output $3 per miljoen tokens; tussen 256.000 en één miljoen tokens verdubbelen die bedragen. Cache read gaat in dezelfde stap van $0,20 naar $0,40. Die feiten zijn nuttig, maar ze vormen nog geen onafhankelijke producttest. Leveranciers meten vaak onder vaste instellingen en publiceren resultaten die niet vanzelf iets zeggen over Nederlandse teksten, eigen systemen of de foutschade van een organisatie. Een model dat op een benchmark wint, kan in een specifieke workflow alsnog duurder zijn door verkeerde bronkeuze, ongeldige velden of extra controle. Beschikbaarheid moet precies worden benoemd. Open API; sommige snelle varianten waren tijdelijk en beperkt. Een chatdienst, een publieke preview, een API en downloadbare gewichten geven elk een andere mate van controle. Ook een permissieve licentie neemt de plicht tot beveiliging, logging, gegevensminimalisatie en kwaliteitscontrole niet over. De UltraSpeed-variant uit juni 2026 was alleen via aanvraag en tijdelijk beschikbaar. Een proef met zo’n beperkte dienst is daarom geen bewijs dat dezelfde snelheid of prijs structureel beschikbaar blijft. Daarom hoort de proef niet te eindigen bij een geslaagd voorbeeld. Neem representatieve moeilijke gevallen, een druk moment, een storing en een wijziging van het model of endpoint mee. Pas dan wordt duidelijk of de gekozen route bestand is tegen normaal bedrijfsgebruik. Een goede testset bevat tussen twintig en honderd echte taken en een vooraf vastgelegde acceptatiegrens. Een antwoord telt alleen als het inhoudelijk klopt, de afgesproken vorm heeft, controleerbare bronnen gebruikt waar dat nodig is en geen inhoudelijke reparatie vraagt. Zo ontstaat een percentage geslaagde taken bij de eerste poging en een reële kostprijs per geaccepteerd resultaat. Versiebeheer is daarbij geen administratief detail. Modellen, aliassen, runtimes en quantisaties kunnen veranderen. Bewaar een vaste regressieset en noteer model-ID, datum, promptversie en toolinstellingen. Zonder die gegevens is een kwaliteitsdaling achteraf nauwelijks te herleiden. Waar de kostprijs ontstaat De kale modelrekening bestaat uit meer dan input en output. Caching kan invoer verlagen, maar alleen bij een echte treffer. Tools kunnen aparte kosten rekenen. Bij lokale modellen verschuift de rekening naar hardware, energie, beheer en afschrijving. Daarboven komen de tijd voor integratie, beveiliging, evaluatie en menselijke controle. Voor het rekenvoorbeeld nemen we een eenmalige inrichting van € 14.000 en terugkerende kosten van € 5.600 per jaar. Een aantoonbaar vrijgespeeld arbeidsuur waarderen we op € 71. De investering wordt in drie gelijke delen over 2027, 2028 en 2029 verdeeld. Financieringskosten, belastingen en inflatie laten we buiten beschouwing zodat de beslisregel eenvoudig controleerbaar blijft. De formule is: netto kasbesparing per jaar is bespaarde uren per maand maal twaalf maal € 71, min € 5.600 en min een derde van € 14.000. De drempel is (€ 5.600 plus € 14.000 gedeeld door drie) gedeeld door twaalf maal € 71. Dat komt uit op 12,1 uur per maand. Die uren tellen alleen wanneer zij werkelijk uit betaald werk verdwijnen of aantoonbaar extra productie mogelijk maken. Dezelfde verbetering mag niet tegelijk als tijdbesparing, foutreductie en extra omzet worden opgenomen. Ook niet-bestede capaciteit is geen voordeel. Een medewerker die sneller klaar is maar geen ander werk oppakt, creëert geen directe kasbesparing. De omgekeerde berekening voorkomt koopdruk. Eerst wordt vastgesteld welke netto opbrengst nodig is, daarna pas welk model of welke infrastructuur daarbij past. Zo kan een organisatie besluiten dat een eenvoudigere router, betere documentselectie of strengere outputlimiet meer oplevert dan een duurder model. De scenario’s voor drie jaren In het lage scenario stijgt de gemeten tijdwinst van 6 uur per maand in 2027 naar 7 uur in 2028 en 8 uur in 2029. In het middenscenario zijn dat 19, 23 en 27 uur. Het hoge scenario gebruikt 40, 48 en 56 uur per maand. De verschillen verbeelden adoptie en procesverbetering, niet een voorspelde modelprijs. De lage uitkomst laat zien wat er gebeurt wanneer een pilot technisch werkt maar weinig breed wordt gebruikt. Het middenscenario veronderstelt dat teams terugkerende taken standaardiseren en de foutcontrole beheersen. Het hoge scenario vraagt structureel volume, goede bronselectie en voldoende taken met een hoge uurwaarde. Zonder die voorwaarden is het hoge pad geen basisbegroting. De bedragen zijn netto na de genoemde inrichting en terugkerende kosten, maar vóór belasting en financiering. API-tarieven kunnen wijzigen en lokaal stroomverbruik kan afwijken. Daarom horen ze ieder kwartaal opnieuw te worden ingevuld met facturen, loggegevens en werkelijk geaccepteerde taken. Wanneer de keuze rationeel wordt Voor een engineeringsbedrijf dat ontwerpen, tickets en handleidingen in één agentsessie combineert begint een verstandige proef met het meten van het huidige proces. Noteer per taak de menselijke doorlooptijd, het aantal fouten, de herstelminuten en de externe kosten. Daarna krijgt het model precies dezelfde taken. Alleen het verschil tussen beide routes kan aan de inzet worden toegeschreven. Documentselectie is vaak de goedkoopste eerste verbetering. Verwijder duplicaten, oude versies en irrelevante bijlagen voordat het model draait. Leg bij ieder antwoord vast welke bronpassages zijn gebruikt. Daardoor dalen tokens en controlewerk tegelijk, zonder dat een grotere context automatisch als voordeel wordt geboekt. Een router kan eenvoudige taken naar een klein of goedkoop model sturen en alleen risicovolle uitzonderingen escaleren. Dat is vaak robuuster dan alles door het krachtigste model te laten lopen. De router zelf moet wel worden getest, want verkeerd afgeprijsde taken kunnen fouten juist onzichtbaar maken. Vier meetwaarden zijn voldoende om de eerste maand bestuurbaar te maken. Noteer de kosten per geaccepteerde taak, het percentage dat bij de eerste poging slaagt, de menselijke herstelminuten en de totale doorlooptijd. Bekijk het gemiddelde én de slechtste tien procent. Juist lange uitlopers veroorzaken gemiste deadlines en onverwachte personeelskosten. Een lager gemiddelde zonder verbetering van die staart kan voor tijdkritisch werk nog steeds een slechte keuze zijn. Gebruik daarnaast een controlegroep. Laat een deel van de taken gedurende de proef via het bestaande proces lopen, zodat seizoensdrukte, nieuwe medewerkers of veranderde documentkwaliteit niet ten onrechte aan het model worden toegeschreven. Vergelijk dezelfde taaksoort en dezelfde acceptatiegrens. Pas wanneer het verschil enkele weken standhoudt, is opschalen verdedigbaar. Deze aanpak kost discipline, maar voorkomt dat één geslaagde demo wordt verward met een structureel verdienmodel. Beveiliging en continuïteit verdienen een afzonderlijke begrotingsregel. Bepaal welke gegevens de omgeving mogen verlaten, wie logs kan zien, hoe lang invoer wordt bewaard en wat er gebeurt bij uitval. Een reserve-API of handmatige noodroute kost geld, maar kan bij tijdkritisch werk goedkoper zijn dan stilstand. De conclusie volgt daarom niet uit één prijs of benchmark. MiMo van Xiaomi kan economisch aantrekkelijk zijn wanneer de gemeten tijdwinst boven 12,1 uur per maand komt en de kwaliteit onder normale omstandigheden standhoudt. Onder die grens is optimaliseren van het bestaande proces, betere retrieval of een kleinere proef rationeler. Wie lid is van De Belegger en vragen heeft over deze analyse kan de code GRAAG mailen aan info@debelegger.nl.

Lee Garden One in Hongkong, kantoorlocatie van MiniMax (archieffoto, 21 januari 2020). Foto: Wpcpey / Wikimedia Commons / CC BY 4.0. Bron en beeldverantwoording · Licentie. In het kort MiniMax M3 laat zien dat een lage tokenprijs of veel context niet automatisch een goedkope productieoplossing oplevert. MiniMax publiceerde op 1 juni 2026 een contextvenster van één miljoen tokens voor M3. Tot en met 512.000 tokens noemt het bedrijf $0,30 input, $1,20 output en $0,06 cache read per miljoen tokens. Boven 512.000 tokens verdubbelen de tokenprijzen. De beslissende factor is of de technische eigenschap herhaalpogingen, menselijk herstel en infrastructuur werkelijk verlaagt. De omgekeerde rekensom maakt zichtbaar hoeveel aantoonbare tijdwinst nodig is voordat de investering positief wordt. De marketingzin is eenvoudig: meer context, een lagere cacheprijs of minder actieve parameters maakt kunstmatige intelligentie goedkoper. Voor een adviseur die een transactiedossier met veel dubbele versies en bijlagen doorzoekt is dat hooguit het begin van de analyse. Een organisatie betaalt uiteindelijk voor een gecontroleerd resultaat, niet voor een indrukwekkende eigenschap op een modelkaart. De prijsdrempel geldt voor de hele lange sessie. Een paar irrelevante bijlagen kunnen daardoor niet alleen extra tokens toevoegen, maar ook het tarief van de volledige aanvraag verhogen. Dat maakt de architectuur of tarieftabel relevant voor de begroting, maar alleen wanneer het werkproces hetzelfde gedrag vertoont. De eigen meting moet daarom exact vastleggen welke invoer terugkomt, hoeveel uitvoer ontstaat en welke correcties mensen nog uitvoeren. Direct naar een onderdeel van dit artikel Wat er nu werkelijk beschikbaar is Waar de kostprijs ontstaat De scenario’s voor drie jaren Wanneer de keuze rationeel wordt Wat er nu werkelijk beschikbaar is Volgens de officiële MiniMax M3-release geldt op de peildatum het volgende: MiniMax publiceerde op 1 juni 2026 een contextvenster van één miljoen tokens voor M3. Tot en met 512.000 tokens noemt het bedrijf $0,30 input, $1,20 output en $0,06 cache read per miljoen tokens. Boven 512.000 tokens verdubbelen de tokenprijzen. Die feiten zijn nuttig, maar ze vormen nog geen onafhankelijke producttest. Leveranciers meten vaak onder vaste instellingen en publiceren resultaten die niet vanzelf iets zeggen over Nederlandse teksten, eigen systemen of de foutschade van een organisatie. Een model dat op een benchmark wint, kan in een specifieke workflow alsnog duurder zijn door verkeerde bronkeuze, ongeldige velden of extra controle. Beschikbaarheid moet precies worden benoemd. API en open gewichten, prijs per contextlaag. Een chatdienst, een publieke preview, een API en downloadbare gewichten geven elk een andere mate van controle. Ook een permissieve licentie neemt de plicht tot beveiliging, logging, gegevensminimalisatie en kwaliteitscontrole niet over. Automatisch schrappen zonder inhoudelijke controle kan juist de doorslaggevende bijlage verwijderen. De beste besparing komt van deduplicatie, versiebeheer en gerichte retrieval, niet van willekeurig afkappen. Daarom hoort de proef niet te eindigen bij een geslaagd voorbeeld. Neem representatieve moeilijke gevallen, een druk moment, een storing en een wijziging van het model of endpoint mee. Pas dan wordt duidelijk of de gekozen route bestand is tegen normaal bedrijfsgebruik. Een goede testset bevat tussen twintig en honderd echte taken en een vooraf vastgelegde acceptatiegrens. Een antwoord telt alleen als het inhoudelijk klopt, de afgesproken vorm heeft, controleerbare bronnen gebruikt waar dat nodig is en geen inhoudelijke reparatie vraagt. Zo ontstaat een percentage geslaagde taken bij de eerste poging en een reële kostprijs per geaccepteerd resultaat. Versiebeheer is daarbij geen administratief detail. Modellen, aliassen, runtimes en quantisaties kunnen veranderen. Bewaar een vaste regressieset en noteer model-ID, datum, promptversie en toolinstellingen. Zonder die gegevens is een kwaliteitsdaling achteraf nauwelijks te herleiden. Waar de kostprijs ontstaat De kale modelrekening bestaat uit meer dan input en output. Caching kan invoer verlagen, maar alleen bij een echte treffer. Tools kunnen aparte kosten rekenen. Bij lokale modellen verschuift de rekening naar hardware, energie, beheer en afschrijving. Daarboven komen de tijd voor integratie, beveiliging, evaluatie en menselijke controle. Voor het rekenvoorbeeld nemen we een eenmalige inrichting van € 12.000 en terugkerende kosten van € 4.800 per jaar. Een aantoonbaar vrijgespeeld arbeidsuur waarderen we op € 69. De investering wordt in drie gelijke delen over 2027, 2028 en 2029 verdeeld. Financieringskosten, belastingen en inflatie laten we buiten beschouwing zodat de beslisregel eenvoudig controleerbaar blijft. De formule is: netto kasbesparing per jaar is bespaarde uren per maand maal twaalf maal € 69, min € 4.800 en min een derde van € 12.000. De drempel is (€ 4.800 plus € 12.000 gedeeld door drie) gedeeld door twaalf maal € 69. Dat komt uit op 10,6 uur per maand. Die uren tellen alleen wanneer zij werkelijk uit betaald werk verdwijnen of aantoonbaar extra productie mogelijk maken. Dezelfde verbetering mag niet tegelijk als tijdbesparing, foutreductie en extra omzet worden opgenomen. Ook niet-bestede capaciteit is geen voordeel. Een medewerker die sneller klaar is maar geen ander werk oppakt, creëert geen directe kasbesparing. De omgekeerde berekening voorkomt koopdruk. Eerst wordt vastgesteld welke netto opbrengst nodig is, daarna pas welk model of welke infrastructuur daarbij past. Zo kan een organisatie besluiten dat een eenvoudigere router, betere documentselectie of strengere outputlimiet meer oplevert dan een duurder model. De scenario’s voor drie jaren In het lage scenario stijgt de gemeten tijdwinst van 5 uur per maand in 2027 naar 6 uur in 2028 en 7 uur in 2029. In het middenscenario zijn dat 16, 20 en 24 uur. Het hoge scenario gebruikt 34, 41 en 48 uur per maand. De verschillen verbeelden adoptie en procesverbetering, niet een voorspelde modelprijs. De lage uitkomst laat zien wat er gebeurt wanneer een pilot technisch werkt maar weinig breed wordt gebruikt. Het middenscenario veronderstelt dat teams terugkerende taken standaardiseren en de foutcontrole beheersen. Het hoge scenario vraagt structureel volume, goede bronselectie en voldoende taken met een hoge uurwaarde. Zonder die voorwaarden is het hoge pad geen basisbegroting. De bedragen zijn netto na de genoemde inrichting en terugkerende kosten, maar vóór belasting en financiering. API-tarieven kunnen wijzigen en lokaal stroomverbruik kan afwijken. Daarom horen ze ieder kwartaal opnieuw te worden ingevuld met facturen, loggegevens en werkelijk geaccepteerde taken. Wanneer de keuze rationeel wordt Voor een adviseur die een transactiedossier met veel dubbele versies en bijlagen doorzoekt begint een verstandige proef met het meten van het huidige proces. Noteer per taak de menselijke doorlooptijd, het aantal fouten, de herstelminuten en de externe kosten. Daarna krijgt het model precies dezelfde taken. Alleen het verschil tussen beide routes kan aan de inzet worden toegeschreven. Documentselectie is vaak de goedkoopste eerste verbetering. Verwijder duplicaten, oude versies en irrelevante bijlagen voordat het model draait. Leg bij ieder antwoord vast welke bronpassages zijn gebruikt. Daardoor dalen tokens en controlewerk tegelijk, zonder dat een grotere context automatisch als voordeel wordt geboekt. Een router kan eenvoudige taken naar een klein of goedkoop model sturen en alleen risicovolle uitzonderingen escaleren. Dat is vaak robuuster dan alles door het krachtigste model te laten lopen. De router zelf moet wel worden getest, want verkeerd afgeprijsde taken kunnen fouten juist onzichtbaar maken. Vier meetwaarden zijn voldoende om de eerste maand bestuurbaar te maken. Noteer de kosten per geaccepteerde taak, het percentage dat bij de eerste poging slaagt, de menselijke herstelminuten en de totale doorlooptijd. Bekijk het gemiddelde én de slechtste tien procent. Juist lange uitlopers veroorzaken gemiste deadlines en onverwachte personeelskosten. Een lager gemiddelde zonder verbetering van die staart kan voor tijdkritisch werk nog steeds een slechte keuze zijn. Gebruik daarnaast een controlegroep. Laat een deel van de taken gedurende de proef via het bestaande proces lopen, zodat seizoensdrukte, nieuwe medewerkers of veranderde documentkwaliteit niet ten onrechte aan het model worden toegeschreven. Vergelijk dezelfde taaksoort en dezelfde acceptatiegrens. Pas wanneer het verschil enkele weken standhoudt, is opschalen verdedigbaar. Deze aanpak kost discipline, maar voorkomt dat één geslaagde demo wordt verward met een structureel verdienmodel. Beveiliging en continuïteit verdienen een afzonderlijke begrotingsregel. Bepaal welke gegevens de omgeving mogen verlaten, wie logs kan zien, hoe lang invoer wordt bewaard en wat er gebeurt bij uitval. Een reserve-API of handmatige noodroute kost geld, maar kan bij tijdkritisch werk goedkoper zijn dan stilstand. De conclusie volgt daarom niet uit één prijs of benchmark. MiniMax kan economisch aantrekkelijk zijn wanneer de gemeten tijdwinst boven 10,6 uur per maand komt en de kwaliteit onder normale omstandigheden standhoudt. Onder die grens is optimaliseren van het bestaande proces, betere retrieval of een kleinere proef rationeler. Wie lid is van De Belegger en vragen heeft over deze analyse kan de code GRAAG mailen aan info@debelegger.nl.

Noordtoren van Raycom InfoTech Park in Beijing, vestigingslocatie van DeepSeek (archieffoto, 8 februari 2025). Foto: N509FZ / Wikimedia Commons / CC BY-SA 4.0. Bron en beeldverantwoording · Licentie. In het kort DeepSeek-chat en redeneermodellen via de officiële API laat zien dat een lage tokenprijs of veel context niet automatisch een goedkope productieoplossing oplevert. DeepSeek splitst de rekening in cached input, cache-miss input en output. Dat maakt het verleidelijk om vooral naar de lage invoerprijs te kijken, terwijl complexe redeneertaken veel uitvoer en herhaalpogingen kunnen veroorzaken. De beslissende factor is of de technische eigenschap herhaalpogingen, menselijk herstel en infrastructuur werkelijk verlaagt. De omgekeerde rekensom maakt zichtbaar hoeveel aantoonbare tijdwinst nodig is voordat de investering positief wordt. De marketingzin is eenvoudig: meer context, een lagere cacheprijs of minder actieve parameters maakt kunstmatige intelligentie goedkoper. Voor een softwareteam dat ingewikkelde foutmeldingen analyseert en elke oplossing door automatische tests laat lopen is dat hooguit het begin van de analyse. Een organisatie betaalt uiteindelijk voor een gecontroleerd resultaat, niet voor een indrukwekkende eigenschap op een modelkaart. Een redenerend model genereert intern en extern meer tokens naarmate de taak langer duurt. Als de invoer vaak wordt hergebruikt maar het antwoord lang blijft, daalt het aandeel van input in de totale rekening snel. Dat maakt de architectuur of tarieftabel relevant voor de begroting, maar alleen wanneer het werkproces hetzelfde gedrag vertoont. De eigen meting moet daarom exact vastleggen welke invoer terugkomt, hoeveel uitvoer ontstaat en welke correcties mensen nog uitvoeren. Direct naar een onderdeel van dit artikel Wat er nu werkelijk beschikbaar is Waar de kostprijs ontstaat De scenario’s voor drie jaren Wanneer de keuze rationeel wordt Wat er nu werkelijk beschikbaar is Volgens de DeepSeek API-prijspagina geldt op de peildatum het volgende: DeepSeek splitst de rekening in cached input, cache-miss input en output. Dat maakt het verleidelijk om vooral naar de lage invoerprijs te kijken, terwijl complexe redeneertaken veel uitvoer en herhaalpogingen kunnen veroorzaken. Die feiten zijn nuttig, maar ze vormen nog geen onafhankelijke producttest. Leveranciers meten vaak onder vaste instellingen en publiceren resultaten die niet vanzelf iets zeggen over Nederlandse teksten, eigen systemen of de foutschade van een organisatie. Een model dat op een benchmark wint, kan in een specifieke workflow alsnog duurder zijn door verkeerde bronkeuze, ongeldige velden of extra controle. Beschikbaarheid moet precies worden benoemd. API-prijzen kennen cache-hit, cache-miss en output. Een chatdienst, een publieke preview, een API en downloadbare gewichten geven elk een andere mate van controle. Ook een permissieve licentie neemt de plicht tot beveiliging, logging, gegevensminimalisatie en kwaliteitscontrole niet over. De officiële prijs is per token, niet per goedgekeurd besluit of opgeloste fout. Voor productie is daarom een meting nodig van totale tokens per geaccepteerde taak, inclusief afgebroken runs en retries. Daarom hoort de proef niet te eindigen bij een geslaagd voorbeeld. Neem representatieve moeilijke gevallen, een druk moment, een storing en een wijziging van het model of endpoint mee. Pas dan wordt duidelijk of de gekozen route bestand is tegen normaal bedrijfsgebruik. Een goede testset bevat tussen twintig en honderd echte taken en een vooraf vastgelegde acceptatiegrens. Een antwoord telt alleen als het inhoudelijk klopt, de afgesproken vorm heeft, controleerbare bronnen gebruikt waar dat nodig is en geen inhoudelijke reparatie vraagt. Zo ontstaat een percentage geslaagde taken bij de eerste poging en een reële kostprijs per geaccepteerd resultaat. Versiebeheer is daarbij geen administratief detail. Modellen, aliassen, runtimes en quantisaties kunnen veranderen. Bewaar een vaste regressieset en noteer model-ID, datum, promptversie en toolinstellingen. Zonder die gegevens is een kwaliteitsdaling achteraf nauwelijks te herleiden. Waar de kostprijs ontstaat De kale modelrekening bestaat uit meer dan input en output. Caching kan invoer verlagen, maar alleen bij een echte treffer. Tools kunnen aparte kosten rekenen. Bij lokale modellen verschuift de rekening naar hardware, energie, beheer en afschrijving. Daarboven komen de tijd voor integratie, beveiliging, evaluatie en menselijke controle. Voor het rekenvoorbeeld nemen we een eenmalige inrichting van € 19.000 en terugkerende kosten van € 7.200 per jaar. Een aantoonbaar vrijgespeeld arbeidsuur waarderen we op € 72. De investering wordt in drie gelijke delen over 2027, 2028 en 2029 verdeeld. Financieringskosten, belastingen en inflatie laten we buiten beschouwing zodat de beslisregel eenvoudig controleerbaar blijft. De formule is: netto kasbesparing per jaar is bespaarde uren per maand maal twaalf maal € 72, min € 7.200 en min een derde van € 19.000. De drempel is (€ 7.200 plus € 19.000 gedeeld door drie) gedeeld door twaalf maal € 72. Dat komt uit op 15,7 uur per maand. Die uren tellen alleen wanneer zij werkelijk uit betaald werk verdwijnen of aantoonbaar extra productie mogelijk maken. Dezelfde verbetering mag niet tegelijk als tijdbesparing, foutreductie en extra omzet worden opgenomen. Ook niet-bestede capaciteit is geen voordeel. Een medewerker die sneller klaar is maar geen ander werk oppakt, creëert geen directe kasbesparing. De omgekeerde berekening voorkomt koopdruk. Eerst wordt vastgesteld welke netto opbrengst nodig is, daarna pas welk model of welke infrastructuur daarbij past. Zo kan een organisatie besluiten dat een eenvoudigere router, betere documentselectie of strengere outputlimiet meer oplevert dan een duurder model. De scenario’s voor drie jaren In het lage scenario stijgt de gemeten tijdwinst van 8 uur per maand in 2027 naar 10 uur in 2028 en 12 uur in 2029. In het middenscenario zijn dat 24, 30 en 36 uur. Het hoge scenario gebruikt 52, 64 en 76 uur per maand. De verschillen verbeelden adoptie en procesverbetering, niet een voorspelde modelprijs. De lage uitkomst laat zien wat er gebeurt wanneer een pilot technisch werkt maar weinig breed wordt gebruikt. Het middenscenario veronderstelt dat teams terugkerende taken standaardiseren en de foutcontrole beheersen. Het hoge scenario vraagt structureel volume, goede bronselectie en voldoende taken met een hoge uurwaarde. Zonder die voorwaarden is het hoge pad geen basisbegroting. De bedragen zijn netto na de genoemde inrichting en terugkerende kosten, maar vóór belasting en financiering. API-tarieven kunnen wijzigen en lokaal stroomverbruik kan afwijken. Daarom horen ze ieder kwartaal opnieuw te worden ingevuld met facturen, loggegevens en werkelijk geaccepteerde taken. Wanneer de keuze rationeel wordt Voor een softwareteam dat ingewikkelde foutmeldingen analyseert en elke oplossing door automatische tests laat lopen begint een verstandige proef met het meten van het huidige proces. Noteer per taak de menselijke doorlooptijd, het aantal fouten, de herstelminuten en de externe kosten. Daarna krijgt het model precies dezelfde taken. Alleen het verschil tussen beide routes kan aan de inzet worden toegeschreven. Documentselectie is vaak de goedkoopste eerste verbetering. Verwijder duplicaten, oude versies en irrelevante bijlagen voordat het model draait. Leg bij ieder antwoord vast welke bronpassages zijn gebruikt. Daardoor dalen tokens en controlewerk tegelijk, zonder dat een grotere context automatisch als voordeel wordt geboekt. Een router kan eenvoudige taken naar een klein of goedkoop model sturen en alleen risicovolle uitzonderingen escaleren. Dat is vaak robuuster dan alles door het krachtigste model te laten lopen. De router zelf moet wel worden getest, want verkeerd afgeprijsde taken kunnen fouten juist onzichtbaar maken. Vier meetwaarden zijn voldoende om de eerste maand bestuurbaar te maken. Noteer de kosten per geaccepteerde taak, het percentage dat bij de eerste poging slaagt, de menselijke herstelminuten en de totale doorlooptijd. Bekijk het gemiddelde én de slechtste tien procent. Juist lange uitlopers veroorzaken gemiste deadlines en onverwachte personeelskosten. Een lager gemiddelde zonder verbetering van die staart kan voor tijdkritisch werk nog steeds een slechte keuze zijn. Gebruik daarnaast een controlegroep. Laat een deel van de taken gedurende de proef via het bestaande proces lopen, zodat seizoensdrukte, nieuwe medewerkers of veranderde documentkwaliteit niet ten onrechte aan het model worden toegeschreven. Vergelijk dezelfde taaksoort en dezelfde acceptatiegrens. Pas wanneer het verschil enkele weken standhoudt, is opschalen verdedigbaar. Deze aanpak kost discipline, maar voorkomt dat één geslaagde demo wordt verward met een structureel verdienmodel. Beveiliging en continuïteit verdienen een afzonderlijke begrotingsregel. Bepaal welke gegevens de omgeving mogen verlaten, wie logs kan zien, hoe lang invoer wordt bewaard en wat er gebeurt bij uitval. Een reserve-API of handmatige noodroute kost geld, maar kan bij tijdkritisch werk goedkoper zijn dan stilstand. De conclusie volgt daarom niet uit één prijs of benchmark. DeepSeek kan economisch aantrekkelijk zijn wanneer de gemeten tijdwinst boven 15,7 uur per maand komt en de kwaliteit onder normale omstandigheden standhoudt. Onder die grens is optimaliseren van het bestaande proces, betere retrieval of een kleinere proef rationeler. Wie lid is van De Belegger en vragen heeft over deze analyse kan de code GRAAG mailen aan info@debelegger.nl.

Elon Musk (archieffoto, 13 juli 2018). Foto: Debbie Rowe / The Royal Society / Wikimedia Commons / CC BY-SA 3.0. Bron en beeldverantwoording · Licentie. In het kort Grok 4.7 met X Search laat zien dat een lage tokenprijs of veel context niet automatisch een goedkope productieoplossing oplevert. xAI publiceerde op 6 oktober 2026 dat X Search $5 per duizend opgehaalde berichten en $10 per duizend gebruikersprofielen kost, boven op de tokenrekening. Grok 4.7 staat volgens de modelpagina op $2 per miljoen inputtokens en $6 per miljoen outputtokens met een contextvenster van 500.000 tokens. De beslissende factor is of de technische eigenschap herhaalpogingen, menselijk herstel en infrastructuur werkelijk verlaagt. De omgekeerde rekensom maakt zichtbaar hoeveel aantoonbare tijdwinst nodig is voordat de investering positief wordt. De marketingzin is eenvoudig: meer context, een lagere cacheprijs of minder actieve parameters maakt kunstmatige intelligentie goedkoper. Voor een marktteam dat realtime berichten volgt maar alleen bevestigde signalen aan analisten wil doorgeven is dat hooguit het begin van de analyse. Een organisatie betaalt uiteindelijk voor een gecontroleerd resultaat, niet voor een indrukwekkende eigenschap op een modelkaart. Een agent kan voor één antwoord meerdere zoekacties uitvoeren en tientallen berichten ophalen. Daardoor verschuift de kostenpost van taalproductie naar externe gegevens, vooral wanneer dezelfde zoekopdracht zonder limiet wordt herhaald. Dat maakt de architectuur of tarieftabel relevant voor de begroting, maar alleen wanneer het werkproces hetzelfde gedrag vertoont. De eigen meting moet daarom exact vastleggen welke invoer terugkomt, hoeveel uitvoer ontstaat en welke correcties mensen nog uitvoeren. Direct naar een onderdeel van dit artikel Wat er nu werkelijk beschikbaar is Waar de kostprijs ontstaat De scenario’s voor drie jaren Wanneer de keuze rationeel wordt Wat er nu werkelijk beschikbaar is Volgens de xAI-documentatie over X Search geldt op de peildatum het volgende: xAI publiceerde op 6 oktober 2026 dat X Search $5 per duizend opgehaalde berichten en $10 per duizend gebruikersprofielen kost, boven op de tokenrekening. Grok 4.7 staat volgens de modelpagina op $2 per miljoen inputtokens en $6 per miljoen outputtokens met een contextvenster van 500.000 tokens. Die feiten zijn nuttig, maar ze vormen nog geen onafhankelijke producttest. Leveranciers meten vaak onder vaste instellingen en publiceren resultaten die niet vanzelf iets zeggen over Nederlandse teksten, eigen systemen of de foutschade van een organisatie. Een model dat op een benchmark wint, kan in een specifieke workflow alsnog duurder zijn door verkeerde bronkeuze, ongeldige velden of extra controle. Beschikbaarheid moet precies worden benoemd. Openbare API, X Search apart afgerekend. Een chatdienst, een publieke preview, een API en downloadbare gewichten geven elk een andere mate van controle. Ook een permissieve licentie neemt de plicht tot beveiliging, logging, gegevensminimalisatie en kwaliteitscontrole niet over. Een laag tokenbedrag is geen bewijs dat een onderzoeksantwoord goedkoop is. Ook bronselectie, duplicaten en menselijke verificatie bepalen hoeveel bruikbare informatie uit de opgehaalde berichten komt. Daarom hoort de proef niet te eindigen bij een geslaagd voorbeeld. Neem representatieve moeilijke gevallen, een druk moment, een storing en een wijziging van het model of endpoint mee. Pas dan wordt duidelijk of de gekozen route bestand is tegen normaal bedrijfsgebruik. Een goede testset bevat tussen twintig en honderd echte taken en een vooraf vastgelegde acceptatiegrens. Een antwoord telt alleen als het inhoudelijk klopt, de afgesproken vorm heeft, controleerbare bronnen gebruikt waar dat nodig is en geen inhoudelijke reparatie vraagt. Zo ontstaat een percentage geslaagde taken bij de eerste poging en een reële kostprijs per geaccepteerd resultaat. Versiebeheer is daarbij geen administratief detail. Modellen, aliassen, runtimes en quantisaties kunnen veranderen. Bewaar een vaste regressieset en noteer model-ID, datum, promptversie en toolinstellingen. Zonder die gegevens is een kwaliteitsdaling achteraf nauwelijks te herleiden. Waar de kostprijs ontstaat De kale modelrekening bestaat uit meer dan input en output. Caching kan invoer verlagen, maar alleen bij een echte treffer. Tools kunnen aparte kosten rekenen. Bij lokale modellen verschuift de rekening naar hardware, energie, beheer en afschrijving. Daarboven komen de tijd voor integratie, beveiliging, evaluatie en menselijke controle. Voor het rekenvoorbeeld nemen we een eenmalige inrichting van € 9.000 en terugkerende kosten van € 4.200 per jaar. Een aantoonbaar vrijgespeeld arbeidsuur waarderen we op € 64. De investering wordt in drie gelijke delen over 2027, 2028 en 2029 verdeeld. Financieringskosten, belastingen en inflatie laten we buiten beschouwing zodat de beslisregel eenvoudig controleerbaar blijft. De formule is: netto kasbesparing per jaar is bespaarde uren per maand maal twaalf maal € 64, min € 4.200 en min een derde van € 9.000. De drempel is (€ 4.200 plus € 9.000 gedeeld door drie) gedeeld door twaalf maal € 64. Dat komt uit op 9,4 uur per maand. Die uren tellen alleen wanneer zij werkelijk uit betaald werk verdwijnen of aantoonbaar extra productie mogelijk maken. Dezelfde verbetering mag niet tegelijk als tijdbesparing, foutreductie en extra omzet worden opgenomen. Ook niet-bestede capaciteit is geen voordeel. Een medewerker die sneller klaar is maar geen ander werk oppakt, creëert geen directe kasbesparing. De omgekeerde berekening voorkomt koopdruk. Eerst wordt vastgesteld welke netto opbrengst nodig is, daarna pas welk model of welke infrastructuur daarbij past. Zo kan een organisatie besluiten dat een eenvoudigere router, betere documentselectie of strengere outputlimiet meer oplevert dan een duurder model. De scenario’s voor drie jaren In het lage scenario stijgt de gemeten tijdwinst van 4 uur per maand in 2027 naar 5 uur in 2028 en 6 uur in 2029. In het middenscenario zijn dat 12, 15 en 18 uur. Het hoge scenario gebruikt 27, 33 en 39 uur per maand. De verschillen verbeelden adoptie en procesverbetering, niet een voorspelde modelprijs. De lage uitkomst laat zien wat er gebeurt wanneer een pilot technisch werkt maar weinig breed wordt gebruikt. Het middenscenario veronderstelt dat teams terugkerende taken standaardiseren en de foutcontrole beheersen. Het hoge scenario vraagt structureel volume, goede bronselectie en voldoende taken met een hoge uurwaarde. Zonder die voorwaarden is het hoge pad geen basisbegroting. De bedragen zijn netto na de genoemde inrichting en terugkerende kosten, maar vóór belasting en financiering. API-tarieven kunnen wijzigen en lokaal stroomverbruik kan afwijken. Daarom horen ze ieder kwartaal opnieuw te worden ingevuld met facturen, loggegevens en werkelijk geaccepteerde taken. Wanneer de keuze rationeel wordt Voor een marktteam dat realtime berichten volgt maar alleen bevestigde signalen aan analisten wil doorgeven begint een verstandige proef met het meten van het huidige proces. Noteer per taak de menselijke doorlooptijd, het aantal fouten, de herstelminuten en de externe kosten. Daarna krijgt het model precies dezelfde taken. Alleen het verschil tussen beide routes kan aan de inzet worden toegeschreven. Documentselectie is vaak de goedkoopste eerste verbetering. Verwijder duplicaten, oude versies en irrelevante bijlagen voordat het model draait. Leg bij ieder antwoord vast welke bronpassages zijn gebruikt. Daardoor dalen tokens en controlewerk tegelijk, zonder dat een grotere context automatisch als voordeel wordt geboekt. Een router kan eenvoudige taken naar een klein of goedkoop model sturen en alleen risicovolle uitzonderingen escaleren. Dat is vaak robuuster dan alles door het krachtigste model te laten lopen. De router zelf moet wel worden getest, want verkeerd afgeprijsde taken kunnen fouten juist onzichtbaar maken. Vier meetwaarden zijn voldoende om de eerste maand bestuurbaar te maken. Noteer de kosten per geaccepteerde taak, het percentage dat bij de eerste poging slaagt, de menselijke herstelminuten en de totale doorlooptijd. Bekijk het gemiddelde én de slechtste tien procent. Juist lange uitlopers veroorzaken gemiste deadlines en onverwachte personeelskosten. Een lager gemiddelde zonder verbetering van die staart kan voor tijdkritisch werk nog steeds een slechte keuze zijn. Gebruik daarnaast een controlegroep. Laat een deel van de taken gedurende de proef via het bestaande proces lopen, zodat seizoensdrukte, nieuwe medewerkers of veranderde documentkwaliteit niet ten onrechte aan het model worden toegeschreven. Vergelijk dezelfde taaksoort en dezelfde acceptatiegrens. Pas wanneer het verschil enkele weken standhoudt, is opschalen verdedigbaar. Deze aanpak kost discipline, maar voorkomt dat één geslaagde demo wordt verward met een structureel verdienmodel. Beveiliging en continuïteit verdienen een afzonderlijke begrotingsregel. Bepaal welke gegevens de omgeving mogen verlaten, wie logs kan zien, hoe lang invoer wordt bewaard en wat er gebeurt bij uitval. Een reserve-API of handmatige noodroute kost geld, maar kan bij tijdkritisch werk goedkoper zijn dan stilstand. De conclusie volgt daarom niet uit één prijs of benchmark. Grok kan economisch aantrekkelijk zijn wanneer de gemeten tijdwinst boven 9,4 uur per maand komt en de kwaliteit onder normale omstandigheden standhoudt. Onder die grens is optimaliseren van het bestaande proces, betere retrieval of een kleinere proef rationeler. Wie lid is van De Belegger en vragen heeft over deze analyse kan de code GRAAG mailen aan info@debelegger.nl.