Elk AI-team stelt vroeg of laat dezelfde vraag: blijven we per token betalen aan een frontierlab, of draaien we zelf een open-weightmodel? Het eerlijke antwoord hangt af van drie dingen: hoeveel tokens je echt gebruikt, hoe druk je een GPU bezig kunt houden en met welke basis je vergelijkt.
Gepubliceerde break-evenschattingen lopen ruwweg vijftig keer uiteen, omdat ze verschillende modellen, hardware, bezetting en engineeringkosten aannemen. We vatten samen waarover de analyses van 2026 het eens zijn, laten de formule zien en geven een beslissingskader. Alle prijzen en break-evencijfers hieronder zijn schattingen van leveranciers of blogs, geen benchmarks die wij hebben gedraaid.
Hoe tokenprijzen echt werken
Frontier-API's rekenen per miljoen invoer- en uitvoertokens, waarbij uitvoer meerdere keren duurder is dan invoer. De bronnen die we bekeken noemen voor frontiermodellen grofweg $2-5 per miljoen invoertokens en $12-30 per miljoen uitvoertokens, terwijl goedkopere open-weightmodellen via API's van derden een fractie kosten. Prijzen veranderen vaak, neem ze dus als ordegrootte.
Zelf hosten draait de kostenstructuur om. Je betaalt voor hardware of gehuurde GPU-tijd of je haar nu gebruikt of niet, dus de kosten per token zijn vooral vaste kosten gedeeld door het aantal tokens dat je daadwerkelijk bedient.
De break-evenformule
Een eenvoudig model: kosten per miljoen tokens = maandelijkse infrastructuurkosten ÷ (per maand bediende tokens in miljoenen). Tel engineering en beheer erbij op. De bezettingsgraad zit verstopt in de noemer: een GPU die 20% van de tijd wordt gebruikt, bedient vijf keer minder tokens dan een die 100% wordt gebruikt.
Illustratie, geen benchmark: stel dat een gehuurde GPU-server $1.500 per maand kost en bij gezonde bezetting 1,5 miljard tokens per maand bedient. Dat is ongeveer $1 per miljoen tokens vóór engineeringtijd. Bij 20% bezetting bedient dezelfde server 300 miljoen tokens en stijgen de kosten naar ongeveer $5 per miljoen, wat slechter kan zijn dan een API in het middensegment.
Wat de analyses van 2026 zeggen
In de gidsen die we bekeken is de gemeenschappelijke bevinding dat zelf hosten alleen loont bij hoog, constant volume (SitePoint, Aliteq en andere). De cijfers verschillen:
| Basis | Gemelde break-even |
|---|---|
| Frontier-API's (premiumklasse) | Ruwweg 2-6 miljoen tokens per werkdag in één analyse; 10-20 miljoen per dag in een andere, voor een open model van 27B-70B op een gehuurde GPU van H100-klasse |
| Goedkope gehoste open-weight-API's | Vaak 50 miljoen tokens per dag of meer, omdat de API al goedkoop is |
| Bezettingsdrempel | Ongeveer 60% of hoger om frontierprijzen te verslaan, volgens één gids |
De les is: vergelijk met de juiste basis. Betaal je frontierprijzen voor taken die een kleiner open model goed afhandelt, dan is de besparing groot. Kun je al een goedkoop gehost open model aanroepen, dan is de zaak voor eigen hardware op kosten alleen zwak.
De kosten die rekenmodellen weglaten
Engineering. Een gids schat twee tot vier weken beginwerk voor serving, batching, monitoring en terugvalopties.
Beheer. Dezelfde bron schat de doorlopende last op ongeveer 10-20% van de tijd van een seniorengineer, plus het piketrisico als de modelserver deel van een product is.
Stilstand en pieken. Je moet voor pieken inrichten en de dalen betalen. API's schalen voor jou terug naar nul.
Kwaliteitskloof en drift. Evaluaties, upgrades en veiligheidsfilters zijn aan jou als er een beter open model uitkomt.
Redenen om zelf te hosten die niet om kosten gaan
Privacy en soevereiniteit. Gereguleerde data mogen je omgeving mogelijk niet verlaten. Zie onze gids over de EU AI Act en de regelgevingskaart van 2026 om te zien waarom dit toeneemt.
Latentie en offline gebruik. Modellen op het apparaat of on-premises vermijden netwerkvertraging en werken zonder verbinding. Zie edge computing.
Maatwerk. Gefinetunede kleine modellen kunnen algemene modellen bij smalle taken verslaan en een productgracht worden; dat bespreken we in monetisatie van gefinetunede kleine modellen.
Voorspelbaarheid. Een vaste maandrekening is makkelijker te begroten dan gebruik dat met het verkeer piekt.
Een praktisch beslissingskader
Begin met de API. Prototypeer op een frontiermodel om te leren welke kwaliteit je nodig hebt.
Meet tokens en pieken. Log een maand lang tokens per taak en per dag voordat je iets koopt.
Test een open model op je eigen data. Haalt het je evaluatie, stuur die taak dan eerst naar een goedkoop gehost open model.
Host zelf als het volume constant en groot is, of als dataregels het eisen. Houd 60%+ bezetting als doel.
Gebruik een hybride router. Stuur routinewerk naar een lokaal of open model en schaal moeilijke gevallen op naar een frontiermodel. De kosten dalen zonder de kwaliteit te begrenzen. Wil je hulp bij het dimensioneren, praat met ons of kijk naar onze AI-diensten.
Veelgestelde vragen
Is zelf een LLM hosten goedkoper dan een API gebruiken?
Alleen bij voldoende, constant volume. Meerdere analyses van 2026 leggen de break-even tegenover frontier-API's tussen ruwweg 2 en 20 miljoen tokens per dag, afhankelijk van modelgrootte en hardware, en veel hoger tegenover goedkope gehoste open-weight-API's. Bij laag volume is de API meestal goedkoper zodra je engineeringtijd meetelt.
Zijn open-weightmodellen even goed als frontiermodellen?
Voor veel goed afgebakende taken zoals classificatie, extractie, samenvatten en routinematige codeerhulp wel, zeker na finetuning. Voor het moeilijkste redeneren en langlopend agentwerk lopen frontiermodellen doorgaans nog voor. Test met je eigen data.
Welke verborgen kosten heeft zelf hosten?
Initiële engineering (een gids schat twee tot vier weken), doorlopend beheer (ruwweg 10-20% van een seniorengineer), stilstaande GPU-tijd, monitoring, beveiligingsversterking en modelupdates.
Wanneer moet ik zelf hosten om privacyredenen in plaats van kosten?
Als data je omgeving niet mag verlaten om juridische, contractuele of soevereiniteitsredenen, kan een lokaal of privécloudmodel de enige optie zijn, wat de prijs ook is. Combineer het met toegangscontrole en logging.