De duurste modellen van Anthropic en OpenAI kosten per token 100 keer meer dan de kleinste modellen in hun assortiment, toch gebruiken veel gebruikers standaard het vlaggenschip voor alles.

De kosten van die gewoonte zijn niet langer hypothetisch. Gebruiksklassementen bij Meta, Amazon en Uber dreven de AI-rekeningen flink op, en Uber verbrandde zijn AI-toolsbudget voor 2026 in ongeveer vier maanden. Medewerkers van Meta verbruikten eerder dit jaar 60 biljoen AI-tokens in 30 dagen in de jacht op een plek in een intern klassement met de bijnaam "Claudeonomics." Techcolumnist Gergely Orosz schatte de rekening op ongeveer 900 miljoen dollar tegen de catalogusprijzen van Anthropic, al betaalt Meta waarschijnlijk veel minder.

Bain & Company-consultant Jue Wang ziet overal een stillere variant van die verspilling. "Zoveel bedrijven, zoveel gebruikers gebruiken standaard Opus voor alles, inclusief het genereren van e-mails", vertelde ze deze zomer aan de Associated Press, verwijzend naar de high-end modellen van Anthropic. Hetzelfde doen komt neer op Albert Einstein inhuren om je wisselgeld uit te rekenen bij de McDonald's.

Elk woord dat je in ChatGPT of Claude typt—en elk woord dat het model terugschrijft—wordt afgerekend in tokens, stukjes tekst die gemiddeld ongeveer driekwart woord beslaan. Bij een abonnement van $20 bepaalt die meter hoe snel je gebruikerslimiet is bereikt. Op de API, de pay-per-token toegang waarmee ontwikkelaars modellen in hun eigen apps verwerken, bepaalt het de rekening.

De actuele prijslijst van Anthropic rekent per miljoen tokens af, en het tarief van Haiku geldt alleen voor prompts onder 100.000 tokens langere prompts kosten vijf keer zoveel. Het topmodel kost 100 keer meer dan het kleinste, en het aanbod van OpenAI heeft dezelfde spreiding, van $10 tot $0,10 per miljoen inputtokens.

Die per-token prijzen lopen snel op voor de labs—en voor hun klanten. De jaaromzet van Anthropic steeg van ongeveer $9 miljard eind 2025 naar meer dan $47 miljard in mei, terwijl OpenAI een prijzenoorlog voert om bij te blijven.

Een paar gewoontes verlagen die uitgaven aanzienlijk, en de eerste vijf tips hieronder vereisen helemaal geen code.

Wat tokenmaxxing betekent (en wat het zou moeten betekenen)

Tokenmaxxing begon als een Silicon Valley-friemelarij in de stijl van Meta's Claudeonomics, waarbij Microsoft, Shopify en Amazon medewerkers rangschikten op vergelijkbare tokenklassementen. Nvidia-ceo Jensen Huang gooide olie op het vuur toen hij in maart in de podcast "All-In" zei dat hij "diep verontrust" zou zijn als een ingenieur van $500.000 niet ten minste $250.000 aan tokens zou verbruiken.

En verbruiken deden ze die tokens… vaak aan zinloos onproductief werk. Bij Amazon gaven medewerkers toe hun cijfers opgepompt te hebben door de interne AI-tool op irrelevante taken te draaien, totdat een senior vicepresident het personeel meedeelde: "Gebruik AI niet zomaar voor het gebruik van AI."

Deze gids hanteert de betekenis waar ingenieurs nu voor pleiten: het maximaliseren van de waarde van elk token, niet het aantal dat je verbruikt—de praktijk die IBM beschrijft als tokenmaxxing als productiviteitsmaatstaf.

Drie concepten verklaren waar de tokens naartoe gaan, te beginnen met de agent-lus. Een agent is een model dat tools kan gebruiken: het denkt, zoekt op het web of voert code uit, leest het resultaat en gaat opnieuw aan de slag tot het vindt dat het klaar is—waarbij het bij elke ronde het hele gesprek opnieuw meestuurt.

Orkestratie vermenigvuldigt die kosten. Eén model treedt op als manager, splitst je verzoek in stukken, geeft die door aan werkmodellen die subagents heten en plakt hun antwoorden weer aan elkaar. Elke werker draait zijn eigen lus met zijn eigen geheugen, en daarom zegt Anthropic dat agentteams in Claude Code ongeveer zeven keer meer tokens kunnen gebruiken dan een standaardsessie wanneer teamgenoten in plan-modus draaien, een instelling die in de tussenliggende tips hieronder wordt behandeld.

Grafieken zijn hoe ontwikkelaars voorkomen dat die lussen afdwalen. Frameworks zoals LangGraph laten je een workflow tekenen als een metronetwerk, met (nodes) die het werk doen en sporen (edges) die bepalen waar het naartoe gaat, zodat het model een vaste route volgt in plaats van te blijven lussen tot het ideeën of budget tekortkomt.

Lussen automatiseren taken en verhogen de kwaliteit, maar ze verbranden ook geld—en daarom is efficiëntie essentieel.

Beginner: kleine klussen, kleine modellen

1. Kies het model bij de klus. De meeste beginners draaien AI via een grafische interface. Klik op de modelnaam in je chat-app (bovenaan het gesprek in ChatGPT, naast de verzendknop in Claude of Hermes) en schakel over naar een kleiner, sneller alternatief voor e-mails, samenvattingen en herformuleringen. Reserveer het topmodel voor zware redeneer- en beslissingstaken waarbij een subtiel foutje echt geld kost. Draai vijf taken van vorige week naast elkaar op beide modellen; als het kleine model slaagt, houd het dan aan. Bij een abonnement strekt dat je gebruikerslimiet, en op de API verlaagt het de rekening met tot wel 99%.

2. Schrijf één goede prompt in plaats van vijf slechte. Drie rondes van "nee, alleen het totaal" of "maak dit beter en nauwkeuriger" sturen elke keer het hele gesprek opnieuw mee. Eén duidelijke prompt omschrijft de klus en de exacte vorm van het antwoord. Zoiets kan werken:

Haal het factuurnummer, de datum, de leverancier en het totaalbedrag uit de onderstaande tekst. Neem elke waarde exact over zoals geschreven. Geef één regel per veld, en schrijf "ontbreekt" als een veld er niet is.

OpenAI's eigen testen toonden aan that strakkere, duidelijkere prompts hoger scoorden terwijl ze minder tokens gebruikten.

3. Start een nieuw gesprek als je van onderwerp wisselt. Het model leest bij elke verzending het hele gesprek opnieuw, dus een draad van 50 berichten over je vakantie maakt je belastingvraag tegelijk duurder en dommer. Anthropic noemt dat verval "context rot". Begin dus een nieuw gesprek zodra het onderwerp verandert.

4. Vraag om de omvang die je nodig hebt. Outputtokens kosten op de topmodellen van Anthropic en OpenAI vijf keer meer dan inputtokens. Sluit je prompts af met instructies als "drie opsommingstekens, onder 100 woorden" of "alleen de gewijzigde regels", dan heeft het model minder ruimte om op te blazen. Lengtebeperkingen op de output besparen tokens, vooral bij creatieve taken zoals schrijven of research, in plaats van deterministische taken zoals coderen of wiskunde.

5. Probeer eerst gratis voordat je betaalt. OpenRouter, een site die via één account honderden AI-modellen verbindt, heeft een gratis router die je verzoek naar een van ongeveer 20 kosteloze modellen stuurt. Modellen kunnen ook lokaal draaien LM Studio of Ollama op een videokaart met 8GB videogeheugen of een Apple M-series Mac. Gratis niveaus kunnen van de ene op de andere dag verdwijnen, dus bouw niets belangrijks erop, en lees het databeleid voordat je iets gevoelens plakt. Dat gezegd hebbende: met gratis aanbiedingen haal je je iteraties tot het maximum. Hermes heeft een goede selectie gratis modellen die de klus misschien aankunnen, en Nvidia ook. Het is beter om een prompt bij te schaven met een gratis, dommer model dan een premiummodel te betalen dat hetzelfde doet maar sneller.

Aanvullende begintips: sla extended thinking over voor eenvoudige vragen, of verlaag de effort-instelling op nieuwere Claude-modellen waar thinking niet kan worden uitgezet—Anthropic factureert het volledige denkproces als output, inclusief het deel dat gebruikers nooit zien. Abonnees van Claude Pro en Max die usage credits aanzetten, kunnen een maandelijkse uitgavenlimiet instellen onder Settings, dan Usage.

Gevorderd-beginner: je agent leest veel te veel

De voorbeelden vanaf hier gebruiken Claude Code, de agent van Anthropic die in je terminal draait en bestanden bewerkt; commando's gaan rechtstreeks in zijn chatvenster. Andere harnesses volgen vergelijkbare logica, en wie alleen de chat-apps gebruikt, kan tip 8 ook in elk chatvenster toepassen.

6. Begin goedkoop, escaleer bij falen. Typ /model om van model te wisselen, houd Sonnet als standaard aan en ga alleen omhoog naar Opus wanneer Sonnet ergens specifiek faalt, zoals een bug die hij na twee pogingen niet fixt. Voor eenvoudige subagenttaken stelt de documentatie van Anthropic voor om model: haiku in de instellingen van de subagent te zetten.

7. Maak tussen taken leeg. Typ /clear wanneer je naar een ongerelateerde taak overschakelt—dat kost niets en gooit de oude geschiedenis weg. Gebruik /compact met een notitie over wat bewaard moet blijven, zoals /compact keep the database decisions, alleen wanneer je de geschiedenis echt nodig hebt, want compacten is zelf al een grote request.

8. Laat code het saaie rekenwerk doen. Een spreadsheet van 5.000 rijen in een chat plakken dwingt het model elke rij te lezen, en het kan zich nog steeds misrekenen; een taalmodel is geen rekenmachine, hoeveel je er ook voor betaalt. Vraag in plaats daarvan om een formule of een kort script, voer dat zelf uit en geef het model alleen het resultaat.

9. Snoei je tools. MCP-servers zijn plugins die een model verbinden met apps zoals GitHub of Google Drive, en elke server voegt toolnamen en instructies toe aan elke sessie. Typ /context om te zien wat ruimte opeist en /mcp om servers uit te schakelen die het project niet gebruikt.

Aanvullende tussentips: typ /usage om te zien waar je tokens naartoe zijn gegaan, en houd CLAUDE.md (of Soul.md)—het instructiebestand dat je agent aan het begin van elke sessie leest—onder 200 regels. Voor grotere wijzigingen: druk op Shift+Tab om naar plan-modus te schakelen, waarin de agent een plan voorlegt ter goedkeuring voordat bestanden aanraakt, en druk op Esc zodra het de verkeerde kant op gaat. Gebruik /effort om het redeneerniveau terug te draaien voor simpele klussen zoals het hernoemen van een variabele. Anthropic liet zien dat het tokenverbruik van een agent daalde van 150.000 tokens naar 2.000 toen hij alleen de tooldefinities laadde die hij nodig had—een reden waarom commandline-tools zoals GitHub's gh, die niets kosten tot ze draaien, vaak winnen van een altijd-aan plugin.

Gevorderd: bouw de vangrails in het systeem

Neem een ontwikkelaar die 1.000 facturen van elk 2.000 tokens moet verwerken, met antwoorden van 200 tokens: de klus kost ongeveer $30 op Fable 5.1 en ongeveer $0,30 op Haiku 5.5, vóór alle trucs hieronder.

10. Cache de delen die nooit veranderen. Zet de stabiele instructies vooraan en de wisselende delen achteraan, en markeer het stabiele blok voor caching. In de API van Anthropic is dat één extra veld:

"system": [{
  "type": "text",
  "text": "Your invoice instructions...",
  "cache_control": {"type": "ephemeral"}
}]

Lezen uit de cache kost een fractie van de normale inputprijs, terwijl schrijven naar de standaard cache van vijf minuten extra kost. Controleer het veld cache_read_input_tokens in elke response; als het na de eerste aanroep nog steeds nul aangeeft, werkt de cache niet.

11. Batch alles dat kan wachten. Zowel OpenAI als Anthropic verwerken batchtaken met 50% korting, waarbij OpenAI resultaten binnen 24 uur belooft. Upload de 1.000 facturen als één batchbestand in plaats van 1.000 live calls te doen, en de rekening daalt fors.

12. Zet agents aan de lijn. Stel een maximaal aantal stappen en een dollarijlimiet in voor elke agent-run, en definieer vooraf wat "klaar" betekent. Claude Code accepteert een --max-budget-usd flag voor gescripte runs, en Shopify gebruikt circuit breakers die de toegang van een ontwikkelaar onmiddellijk kunnen afsluiten als zijn uitgaven binnen een dag exploderen, gebouwd om ontspoorde agents te vangen. De norm is momenteel om agents vrij te laten en ze te laten lussen tot het resultaat als perfect wordt beschouwd; heb je daar het budget niet voor, laat de agent dan niet bepalen wat "perfect" is.

Aanvullende gevordertips: zet cruciale feiten aan het begin of het einde van een lange prompt—een door Stanford geleide studie toonde aan dat modellen informatie in die posities het best gebruiken en het slechtst wanneer die middenin begraven zit. Betaal alleen voor een tweede model dat het werk controleert wanneer een fout duur is, zoals een contractbepaling of een betalingsbedrag. Schakel op de API van OpenAI een harde uitgavenlimiet per in, want de uitgavenwaarschuwingen waarschuwen alleen en stoppen geen verkeer.

Begin met één test

Maak het goedkoopste model dat slaagt voor je vijftakentest uit tip 1 een week lang de standaard, en schakel alleen omhoog als het faalt. Vergelijk daarna je gebruikspagina met die van de vorige week. Bij de facturenklus verlaagde routering alleen de rekening al van $30 naar $3,90—zelfs nadat Opus 5.5 was betaald om 300 mislukkingen over te doen.

Goedkopere tokens alleen zijn echter niet genoeg: de prijs van een enkel token is sinds 2023 met meer dan 90% gedaald, volgens Silicon Data's Token Expenditure Index, maar de uitgaven aan grote taalmodellen zijn sinds eind 2025 verdubbeld. Economen noemen dat de Jevons-paradox: een hulpbron wordt zo goedkoop dat mensen er uiteindelijk in totaal meer aan uitgeven. Een Bain & Co-brief van juni vond hetzelfde patroon, met tokprijzen die halveerden tussen december 2024 en 2025 terwijl het aantal verbruikte tokens met 450% groeide.

Het voordeel is dat dezelfde dalende prijzen voor iedereen gaan werken zodra je stopt met tokens te verbranden voor de show: combineer ze met de gewoontes hierboven, en AI wordt tegelijk goedkoper én beter.