Een 3D-raket bouwen voor minder dan een cent: wat AI nu kost

TL;DR

• Wat: Vier AI-modellen kregen dezelfde opdracht — bouw een 3D-raketlancering — en het goedkoopste model deed het in 65 seconden voor minder dan één cent.
• Waarom relevant: De kosten van AI-modellen dalen zo snel dat taken die vorig jaar nog euro's kostten, nu letterlijk centen kosten.
• Wat je ermee kunt: Bekijk of AI-taken die je eerder te duur vond nu wél binnen je budget vallen — de prijsverschillen tussen modellen zijn enorm.

Ik kwam vandaag een vergelijking tegen van @bridgebench op X die me even stil liet staan. Vier AI-modellen kregen exact dezelfde opdracht: bouw een 3D-raketlancering. De resultaten liepen uiteen van minder dan één cent tot €1,52 — en van één minuut tot twaalf minuten. Dat verschil zegt iets over waar we nu staan met AI-kosten.

Vier modellen, dezelfde opdracht, heel andere rekeningen

De test was simpel: geef vier modellen dezelfde prompt en kijk wat er uitkomt. Dit waren de resultaten:

Wat mij hier opvalt: het verschil is niet een paar procent — het is een factor 150 tussen het goedkoopste en het duurste model. En het snelste model is ook nog eens het goedkoopste. Dat is niet vanzelfsprekend; je zou verwachten dat je voor minder geld ook minder krijgt.

Nu is dit één specifieke taak — een visuele 3D-scene genereren — en we weten niet precies hoe de kwaliteit van elke output zich verhoudt. @bridgebench deelde de vergelijking zonder diepgaande kwaliteitsanalyse. Dat is belangrijk om te benoemen: goedkoop is niet automatisch goed genoeg.

De context: waarom alles nu tegelijk goedkoper wordt

Deze test valt precies op een dag waarop er veel beweegt. OpenAI lanceerde vandaag GPT-6 Sol en GPT-6 Luna, met tokenprijzen die de helft zijn van hun voorgangers. Luna kost $0,10 per miljoen input-tokens en $0,50 per miljoen output-tokens. Ter vergelijking: Claude Opus 5.5, dat Anthropic óók vandaag uitbracht, kost $4 per miljoen input-tokens en $20 per miljoen output-tokens. Dat is veertig keer zoveel als Luna.

Grok 4.7 van xAI, dat gisteren verscheen, zit daar tussenin met $2 per miljoen input-tokens en $6 per miljoen output-tokens.

Ik vind het eerlijk gezegd bijzonder hoe snel deze prijzen dalen. Onderzoek van de South China Morning Post bevestigt dat de kosten van AI voor bedrijven in 2026 een nieuw dieptepunt hebben bereikt, aangedreven door prijzenoorlogen tussen aanbieders en de opkomst van goedkope open-source modellen.

Maar let op: goedkoper is niet altijd beter

Uit de benchmarks die ik heb bekeken blijkt dat Luna op sommige coderingstaken lager scoort dan duurdere modellen. Op DeepSWE v1.1, een benchmark voor software-engineering, haalt Luna 66,6% — behoorlijk, maar GPT-6 Sol scoort vergelijkbaar en Grok 4.7 haalt 71%. Claude Opus 5.5 presteert volgens Anthropic op het niveau van hun topmodel Fable 5.1. De winst van Luna zit dus vooral in de kosten, niet in de topscore.

Wat betekent dit als je een bedrijf runt?

Kun je je voorstellen wat dit betekent als je dagelijks AI-taken draait? Stel dat je als ondernemer elke dag honderd keer een AI-model aanroept — voor het samenvatten van documenten, het genereren van productbeschrijvingen, of het beantwoorden van klantvragen. Bij Luna praat je dan over centen per dag. Bij een duurder model als Opus 5.5 kunnen diezelfde taken tientallen euro's per dag kosten.

Dat klinkt misschien nog steeds als kleine bedragen, maar het telt op. Volgens cijfers van KPMG heeft slechts 26% van organisaties real-time zicht op wat hun AI-gebruik kost. En een onderzoek dat ik tegenkwam van Zylo schat dat kleine bedrijven gemiddeld 60% van hun AI-uitgaven verspillen aan taken waar een goedkoper model net zo goed had gekund.

Ik denk dat de les hier niet is "kies altijd het goedkoopste model." De les is: weet welk model je waarvoor gebruikt. Voor een eenvoudige samenvatting heb je geen model van $20 per miljoen tokens nodig. Voor een complexe analyse waarbij nauwkeurigheid cruciaal is, wil je misschien juist wél meer betalen.

De prijzenoorlog is in volle gang

Wat vandaag opvalt is dat drie grote AI-bedrijven — OpenAI, Anthropic en xAI — binnen 48 uur nieuwe modellen lanceren. Dat is geen toeval. De concurrentie om de laagste prijs-per-taak is keihard.

OpenAI positioneert Luna expliciet als het budgetmodel: tien keer goedkoper dan Claude Haiku 4.5, dat al een budgetmodel was. Sol zit qua prijs precies op het niveau van Claude Sonnet 5 ($2/$10). En Anthropic heeft de prijs van Opus 5.5 met 20% verlaagd ten opzichte van Opus 5.

Voor ondernemers is dit goed nieuws. Concurrentie drukt prijzen, en de modellen worden tegelijkertijd beter. Maar het maakt de keuze ook complexer. Er zijn nu zoveel modellen in zoveel prijscategorieën dat het lastig wordt om te bepalen wat je nodig hebt.

Een praktische vuistregel

Een denkbare aanpak zou zijn: begin met het goedkoopste model dat je taak aankan. Test of de output goed genoeg is. Stap alleen op naar een duurder model als de kwaliteit tekortschiet. Die aanpak voorkomt dat je structureel te veel betaalt voor taken die een eenvoudig model prima afhandelt.

Wat mij bijblijft

Die minder-dan-een-cent voor een 3D-raketscene is een mooi symbool, maar het echte verhaal zit in de trend. Een jaar geleden kostte een vergelijkbare taak bij een topmodel al snel een paar dollar. Nu doet het goedkoopste model het voor een fractie daarvan, en het is ook nog eens sneller.

Ik wil hier geen conclusie aan verbinden in de trant van "AI is nu gratis" — want dat is het niet. De kosten zitten ook in integratie, in het testen van output, in het trainen van je team. Maar de directe gebruikskosten van AI-modellen naderen een punt waarop ze voor vrijwel elk bedrijf verwaarloosbaar worden. Voor mij is dit vooral een signaal dat de drempel om met AI te beginnen — of om meer te doen met AI — weer een stuk lager is geworden.