Wat kost AI echt? Van API-token tot eigen server
API’s rekenen per token, een eigen server rekent in aanschaf, stroom en beheer. Wat een miljoen tokens werkelijk kost bij Anthropic en OpenAI, wanneer eigen hardware zich terugverdient, en welke verborgen kostenposten de rekening opdrijven.
AI kost in de praktijk niet één vast bedrag. Bij gebruik via een API betaal je vooral voor tokens: tekst die het model ontvangt en tekst die het terugstuurt. In augustus 2026 loopt dat bij de grote aanbieders uiteen van ongeveer $0,20 per miljoen inputtokens voor een budgetmodel tot $50 per miljoen outputtokens voor het zwaarste Anthropic-model. Wie veel context meestuurt, lange antwoorden genereert of verzoeken laat herhalen, betaalt daardoor aanzienlijk meer dan iemand die hetzelfde model inzet voor korte, gerichte taken.
Bij een eigen AI-server verschuift het kostenmodel. Je betaalt vooraf voor hardware en daarna voor elektriciteit, onderhoud en beheer. Een RTX 5090 met 32 GB heeft een MSRP rond $2.000, maar kost door geheugentekorten op de markt vaak $3.500-4.000 of meer. Een tweedehands RTX 4090 met 24 GB ligt rond $1.400-2.500. Daar staat tegenover dat vergelijkbare GPU-capaciteit in de cloud ongeveer $0,27-0,56 per uur kost voor 4090-klasse en $0,56-0,75 per uur voor 5090-klasse. Welke optie uiteindelijk goedkoper is, hangt vooral af van bezettingsgraad, tokenvolume, modelkeuze en hoe voorspelbaar de werklast is.
Wat een API-token echt kost
Een taalmodel rekent tekst niet af per woord, document of vraag, maar per aantal verwerkte tokens — met een onderscheid tussen inputtokens en outputtokens. Input bestaat niet alleen uit de zichtbare vraag van de gebruiker: ook systeemprompts, instructies, meegestuurde documenten, chatgeschiedenis en opgehaalde RAG-context tellen mee. Output is wat het model genereert, en die is bij vrijwel elke aanbieder duidelijk duurder dan input — wat lange antwoorden relatief kostbaar maakt.
Bij Anthropic gelden in augustus 2026 de volgende tarieven per miljoen tokens: Haiku 4.5 kost $1 input en $5 output, Sonnet 5 kost $2 input en $10 output, Opus 5 kost $5 input en $25 output, en Fable 5 kost $10 input en $50 output. Eén miljoen inputtokens plus één miljoen outputtokens komt daarmee uit op respectievelijk $6, $12, $30 en $60 — geen typische rekening per gebruiker, maar wel een duidelijk beeld van hoe sterk modelkeuze doorwerkt in de kostprijs.
Bij OpenAI ligt de flagship-tier rond $5 per miljoen inputtokens en $30 per miljoen outputtokens, de mid-tier rond $2/$12 en een budget-tier rond $0,20/$1,20. Eén miljoen input- plus outputtokens komt daarmee uit rond respectievelijk $35, $14 en $1,40. Voor een taak waarbij een budgetmodel voldoende betrouwbaar is, kan de tokenprijs dus een fractie zijn van die van een zwaarder model — maar een goedkoop model kan duurder uitpakken als het vaker moet worden aangeroepen of extra retries nodig heeft. De relevante maatstaf is daarom niet prijs per miljoen tokens, maar kosten per correct afgeronde taak.
Wat cloud-inference kost per gebruikspatroon
Cloudkosten worden sterk bepaald door het gebruikspatroon. Een eenvoudige classificatietaak met weinig input en een kort antwoord heeft een heel ander kostenprofiel dan documentanalyse waarbij tientallen pagina's context worden meegestuurd. Bij inputintensieve toepassingen — RAG-systemen, contractanalyse, dossieranalyse, assistenten met lange chatgeschiedenis — ontstaat het grootste deel van het verbruik aan de voorkant. Meer context is niet gratis en levert niet automatisch betere antwoorden op.
Bij outputintensieve toepassingen — rapporten, conceptteksten, uitgebreide analyses — is juist generatie de dominante kostenpost. Omdat output duurder is dan input, kan het begrenzen van de gewenste antwoordlengte direct effect hebben op de rekening. Bij hoog volume met veel vergelijkbare verzoeken wegen optimalisaties zwaar mee: Anthropic biedt batch-verwerking tegen 50% lagere kosten voor werk dat niet onmiddellijk hoeft te worden uitgevoerd. Ook prompt caching verandert de rekensom fors — bij Anthropic verlaagt dat de prijs van cached input met 90%. Wanneer een groot, grotendeels identiek contextblok telkens opnieuw nodig is, kan caching daarom belangrijker zijn dan overstappen naar een goedkoper model.
De belangrijkste fout bij het begroten van cloud-AI is uitgaan van het aantal vragen. Tweeduizend korte classificaties en tweeduizend uitgebreide documentanalyses kunnen dezelfde hoeveelheid API-aanroepen veroorzaken, maar niet dezelfde hoeveelheid tokenverwerking. Wie dat verschil niet logt, weet aan het einde van de maand niet welk onderdeel de rekening veroorzaakte.
Wat on-prem of eigen hardware kost
Bij lokale inference verdwijnt de tokenmeter van een externe modelprovider, maar de kosten verdwijnen niet — ze worden infrastructuurkosten. Een RTX 5090 heeft 32 GB geheugen; de officiële MSRP ligt rond $2.000, terwijl marktprijzen door geheugentekorten in augustus 2026 regelmatig rond $3.500-4.000 of hoger liggen. Een tweedehands RTX 4090 met 24 GB ligt rond $1.400-2.500.
De GPU is niet de volledige server: CPU, RAM, opslag, voeding, koeling en behuizing horen er ook bij, en een berekening die alleen naar de GPU-prijs kijkt onderschat dus de aanschafprijs van een complete lokale AI-server. Daarna komt elektriciteit — de gemiddelde Nederlandse stroomprijs ligt in augustus 2026 rond €0,26-0,29 per kWh inclusief belasting, rechtstreeks te berekenen als energieverbruik in kW × draaiuren × kWh-prijs. En daarnaast zijn er onderhoud en beheer: hardware kan uitvallen, software moet worden bijgewerkt, en bij zakelijke toepassingen horen monitoring, toegangsbeheer, back-ups en beveiligingsbeheer bij het plaatje.
Het economische voordeel van on-prem ontstaat niet doordat lokale tokens "gratis" zijn. Het ontstaat wanneer reeds betaalde hardware vaak genoeg nuttig werk uitvoert om de vaste kosten over een grote hoeveelheid inference te verdelen. Een server die grotendeels niets doet, is dure capaciteit; een server met een stabiele hoge bezettingsgraad kan juist economisch aantrekkelijk worden. Zie ook wanneer on-prem AI de investering waard is voor de bredere afweging naast alleen de rekensom.
Het break-evenpunt tussen cloud en eigen server
Er bestaat geen universeel break-evenpunt in aantallen tokens — daarvoor ontbreken twee cruciale variabelen: hoeveel tokens een specifieke lokale configuratie per tijdseenheid verwerkt, en hoeveel van die capaciteit daadwerkelijk wordt gebruikt. Wel kan de aanschafprijs van een GPU worden afgezet tegen de huurprijs van vergelijkbare capaciteit in de cloud.
Voor 4090-klasse ligt cloudhuur rond $0,27-0,56 per uur, tegenover een tweedehands aanschafprijs van ongeveer $1.400-2.500. Alleen op basis van GPU-aanschaf versus GPU-huur ligt het rekenkundige omslaggebied daarmee grofweg tussen 2.500 en 9.259 gebruiksuren. Voor 5090-klasse ligt cloudhuur rond $0,56-0,75 per uur: bij de officiële MSRP van $2.000 komt dat neer op ongeveer 2.667-3.571 huururen, en bij marktprijzen van $3.500-4.000 op ongeveer 4.667-7.143 uur. In beide gevallen zijn elektriciteit, overige serverhardware, onderhoud en beheer nog niet meegerekend — dit is dus geen volledige TCO, maar een manier om te laten zien hoe zwaar benutting weegt.
Bij API's wordt de vergelijking nog complexer, omdat een API geen kale GPU-tijd levert maar een volledig beheerde modeldienst. Om die eerlijk te vergelijken met on-prem inference, moet je kijken naar cumulatieve API-kosten voor dezelfde werklast tegenover aanschaf plus elektriciteit plus onderhoud plus beheer van de lokale infrastructuur — en daarbij moet de modelkwaliteit vergelijkbaar zijn. Een goedkoper lokaal model is economisch niet automatisch voordeliger als het voor dezelfde taak meer fouten maakt of extra controles vereist.
Verborgen kosten: context, retries, embeddings en opslag
Tokenprijzen zijn zichtbaar; een aantal andere kosten groeit minder opvallend mee. De eerste is context: een RAG-systeem haalt voor iedere vraag mogelijk meerdere tekstfragmenten op en geeft die mee aan het model als input. Haalt een systeem structureel te veel context op, dan betaal je niet alleen met langere verwerking maar ook met meer tokens. Chatgeschiedenis werkt hetzelfde: stuur je bij iedere nieuwe vraag de volledige eerdere conversatie opnieuw mee, dan groeit de input gedurende een sessie — een ogenschijnlijk simpele tiende vraag kan zo veel meer input bevatten dan de eerste.
Retries zijn een tweede kostenpost: roept een proces een model nogmaals aan omdat de eerste output ongeldig, onvolledig of onvoldoende betrouwbaar was, dan worden opnieuw tokens en inferencecapaciteit gebruikt — bij agentische workflows kan dat effect groter worden, omdat één gebruikersopdracht uit meerdere modelcalls kan bestaan. Daarnaast zijn embeddings nodig in veel RAG-architecturen: documenten worden verwerkt, opgesplitst en als vectorrepresentaties opgeslagen, met bijbehorend rekenwerk en opslag. En opslag zelf wordt vaak vergeten — bronbestanden, vectorgegevens, metadata, logs, caches en back-ups nemen ruimte in, en on-prem betekent dat je die opslag ook zelf beheert.
Een praktisch afwegingskader
De keuze tussen API, cloud-GPU en eigen hardware wordt eenvoudiger als je haar behandelt als capaciteitsvraagstuk in plaats van technische voorkeur. Begin met de werklast: is het gebruik incidenteel, sterk wisselend of moeilijk voorspelbaar, dan heeft cloud een structureel voordeel omdat capaciteit alleen beschikbaar hoeft te zijn wanneer zij wordt gebruikt. Kijk vervolgens naar de benutting — wordt AI dagelijks langdurig en voorspelbaar gebruikt, dan wordt eigen capaciteit interessanter, omdat de hardwarekosten over veel inference-uren worden verdeeld.
Daarna komt de modelbehoefte: niet iedere workload vereist dezelfde modelklasse, en modelrouting — eenvoudige taken naar goedkope modellen, moeilijke taken naar zwaardere modellen — kan belangrijker zijn dan één providerprijs optimaliseren. Analyseer de context: worden grote vaste prompts of dezelfde documenten telkens opnieuw gebruikt, dan kan caching veel verschil maken. Neem de volledige on-prem-kosten mee — niet alleen de GPU, maar ook de rest van de server, elektriciteit, onderhoud en operationeel beheer. En laat betrouwbaarheid onderdeel zijn van het kostenmodel: een inferentie die één cent kost maar regelmatig opnieuw moet worden uitgevoerd of handmatig gecorrigeerd, kan in de praktijk duurder zijn dan een duurdere maar stabielere modelcall. De nuttigste eenheid is daarom niet kosten per token, maar kosten per betrouwbaar voltooide taak.
Veelgestelde vragen
Is een eigen AI-server altijd goedkoper dan een API? Nee. Een eigen server heeft vaste aanschaf-, stroom-, onderhouds- en beheerkosten. Bij weinig of wisselend gebruik kan een API goedkoper zijn omdat je alleen betaalt voor wat je daadwerkelijk verbruikt. Eigen hardware wordt vooral economisch interessant wanneer de capaciteit structureel goed wordt benut.
Wanneer ligt het break-evenpunt tussen een cloud-GPU en een eigen GPU? Op basis van alleen GPU-aanschaf versus GPU-huur ligt de vergelijking voor een RTX 4090-klasse grofweg tussen 2.500 en 9.259 huururen. Voor een RTX 5090 ligt dat bij de MSRP van $2.000 rond 2.667-3.571 uur, en bij marktprijzen van $3.500-4.000 rond 4.667-7.143 uur. Elektriciteit, overige hardware, onderhoud en beheer zijn daarin nog niet meegerekend.
Wat is de meest onderschatte AI-kostenpost? Vaak is dat onnodige verwerking: te veel meegestuurde context, te lange output of herhaalde modelcalls door retries. Vooral bij RAG en agents kan één gebruikersvraag meerdere inference-stappen veroorzaken. Context, caching, retries en modelkeuze optimaliseren kan daardoor belangrijker zijn dan alleen zoeken naar het laagste tarief per miljoen tokens.
Conclusie
AI-kosten beginnen bij tokens, maar eindigen daar niet. API's zijn aantrekkelijk wanneer gebruik variabel is en beheergemak belangrijk is. Eigen hardware wordt interessanter naarmate de werklast stabieler en de benutting hoger wordt, en cloud-GPU's zitten daar tussenin: dedicated rekenkracht zonder directe hardware-aanschaf. Wie alleen naar de gepubliceerde prijs per miljoen tokens of de prijs van één GPU kijkt, mist een groot deel van de rekening. Context, outputlengte, retries, caching, batch-verwerking, opslag, elektriciteit en beheer bepalen uiteindelijk wat AI werkelijk kost.