Home   2026-08-03 17:31:33

←

Claude Opus 5 is uit en presteert zoals Fable 5 voor half de tokenkosten

Original article

Anthropic heeft Claude Opus 5 uitgebracht. Het model is volgens de maker op veel vlakken vergelijkbaar met Fable 5, maar de tokens zijn slechts de helft van wat die voor Fable kosten.

Claude Opus 5 is per direct beschikbaar, zegt Anthropic. Het model scoort in benchmarks veel hoger dan het voorgaande model, Opus 4.8. In de meeste benchmarks is Opus 5 vergelijkbaar met Fable 5, zegt Anthropic.

Wel geeft het bedrijf tegen VentureBeat een belangrijke nuancering. Opus 5 doet het vooral heel goed bij taken met een specifieke uitkomst. Benchmarks bevatten vooral zulke vragen, waardoor het model daarop goed scoort. In de praktijk kan Fable 5 waarschijnlijk veel taken beter uitvoeren.

Benchmarks Claude Opus 5
Benchmarks van Claude Opus 5.

Daar staat tegenover dat Opus 5 veel minder kost dan Fable 5. De tokenkosten zijn vergelijkbaar met die van Opus 4.8, zegt Anthropic. Opus 5 kost vijf dollar per miljoen inputtokens en 25 dollar per miljoen outputtokens. Dat betekent dat Opus 5 per token precies half zoveel kost als Fable.

Er komt ook een Fast Mode beschikbaar voor Opus 5. Daarmee is de tool 2,5 keer zo snel. Dat kost twee keer zoveel tokens.

Update, 26-07 – In het intro en de titel stond aanvankelijk dat het model minder kostte aan tokens, maar dat klopt niet. De tokens kosten de helft van wat ze bij Fable kosten.

De tokeneconomie wordt steeds belangrijker

AI-bedrijven maken steeds vaker bekend hoeveel hun nieuwe AI-modellen kosten. Een jaar geleden lag de nadruk nog veel meer op prestaties en benchmarkcijfers. AI-bedrijven waren toen vaak vaag over de exacte kosten van de modellen. Maar de economische kant van AI-modellen wordt steeds belangrijker. Steeds meer bedrijven gebruiken AI-modellen in de praktijk, maar de kosten daarvan kunnen snel oplopen. Door verschillende modellen te gebruiken voor specifieke taken kunnen ontwikkelaars en de bedrijven waarvoor ze werken zuiniger omgaan met tokens. Daarom wordt het steeds belangrijker dat gebruikers weten wat de tools hen kosten.

Claude Opus 5

Door Tijs Hofmans

Nieuwscoördinator

Feedback • 24-07-2026 21:09
121 • submitter: LordPan

24-07-2026 • 21:09

121

Submitter: LordPan

Lees meer

Reacties (121)

Wat zijn die tokens eigenlijk?

Moet ik die extra betalen ?
Tokens zijn woorden of delen van woorden of leestekens, getallen etc die omgezet worden naar een geheel getal waarmee de LLM kan werken. Aan het einde worden output tokens weer terug omgezet in tekst.

Je hebt input tokens (prompt, vraag, agentic prompts, afbeeldingen etc) en output tokens, antwoord. Input tokens zijn doorgaans goedkoper dan output tokens. Deze zijn aangegeven met verschillende prijzen met miljoen tokens. Bijvoorbeeld $5/1m input en $25/1m output in het geval van claude opus.

Er zijn 2 verbruiksmodellen: abonnement en credit.

Als je een abonnement hebt betaal je voor een bepaald aantal tokens (meestal niet nader gespecificeerd, kan per provider en over tijd verschillen in hoeverre dit gesubsidieerd wordt, naar gelang de datacenter capaciteit en andere factoren).

Hoe complexer het model hoe sneller je je toelage per tijdslimiet ziet krimpen. In het geval van Claude is er elke 5 uur een limiet en een week limiet. Als je een van de limieten op hebt verbruikt moet je wachten totdat de tijd voorbij is en je verbruikslimited weer gereset wordt (welke maar eerst op is geraakt).

Met een abonnement betaal je dus niet extra voor tokens, tenzij je er zelf voor kiest. Als je abonnement limiet is bereikt kun je dmv pre-paid tokens kopen die niet gesubsidieerd zijn en dus veel duurder (de $5/1m input en $25/1m output).

Context is alle tokens die momenteel in een sessie actief zijn, input en output tokens, zeg maar de hele conversatie. Dit kan met programmeren of grote stukken tekst snel oplopen.

Je moet daarom letten op je context verbruik: 1m tokens context max, maar bij 150K context verbruik geldt een hoger tarief of gaat je abbo sneller op. Context vergt duur geheugen, en zoals je weet is geheugen veel duurder momenteel. Zit je context vol dan start je een nieuwe sessie en is de LLM alles vergeten, tenzij je het opslaat in een bestand, meestal een samenvatting of een nieuwe selectie van tekst uit meerdere bestanden voor vervolg vragen/verwerking/programmeer opdracht.

De mate van subsidie wordt momenteel geschat dat je voor 't $200 max plan ongeveer $5000 aan tokens krijgt. Daar draaien ze verlies op. Ze maken wel winst op pre-paid credits, meestal bij commercieel gebruik.
Het werkt erg goed om zo tussen de 120k en 150k Fable of Opus een "continuation prompt" te laten genereren die je dan als bestand aan je eerste prompt van een nieuwe conversatie toe kan voegen en de opdracht "continue" geeft.
Hoe weet je hoeveel tokens er in gebruik zijn in een chat? Ik loop af en toe tegen de limiet aan.
in Claude Code (desktop app) kun je het elk moment zien (als de ai bezig is, en ook als ie klaar is)
De webversies van chatgpt en claude laten het inderdaad niet zien
Dank! Ik gebruik inderdaad de webversie. Maar ga Claude Code proberen voor een website project.
Let wel op: Tokenverbruik loopt niet lineair, tijdens drukke momenten kunnen tokens duurder worden.

Trouwens ik heb nu even Opus 5 geprobeerd en raad het af als je het gebruikt om met documenten te werken want het hallicineert heel erg snel, iets wat met Opus 4.8 niet zo erg was. Het is wel goed in dingen maken, maar heeft het dus heel moeilijk met input data dat ommgezet moet worden in output data.
In claude web kun je linksonder op je naam klikken en usage kiezen (y)
Zoals Jimbolino hieronder al beschreven heeft.
Interessant als ruwe schatting, hoeveel kleiner is deze "summary context prompt" dan, factor 10 ?
Ligt heel erg aan het project waar je mee bezig bent. Ik ben vooral bezig met theoretische wis- en natuurkunde en ontologie en laat veelvuldig scripts genereren voor machine verificatie (Lean, Rocq, Isabel,Mizar etcetera). Veel deep reasoning dus. Sommige prompts hebben een factor 1:10 andere 1:100. In grote lijnen kan je stellen dat hoe meer dialoog hoe lager de verhouding wordt.
Hele kleine nit hier die wellicht voor andere lezers illustratief is, waar het token inderdaad een getal is, is hetgene waar de LLM mee werkt normaal gesproken naar mijn weten een vector die opgezocht wordt op basis van het token.

Dit is een vector met een zeer groot aantal dimensies die als het ware de 'betekenis' van het token op een wiskundige manier vertegenwoordigen.
  • Input text wordt opgekapt in tokens door de tokenizer
  • Token = (sub)woord (string). Wordt omgezet in token ID
  • Token ID = index (positie) van dit token (integer) in het gekende vocabularium van de LLM. Bv. token "het" = 27649, "_gte" = 125. Wordt gebruikt om een token embedding op te zoeken in de token embedding table, eerste stap van een LLM (elke token index heeft een rij in deze tabel, die rij is de token embedding vector)
  • Token embedding = initiële, ruwe "betekenis" van een token (float vector).
  • Token embeddings worden door de rest van de LLM geduwd. Op het einde komt een voorspelling van het volgende token (token index).
  • Dat proces wordt herhaald tot bv. een stop token gegenereerd wordt. Daarna worden de token indices omgezet naar tokens en aaneen gelijmd door de tokenizer.
Heb je voor dat laatste een bron? Ben benieuwd.
Wat hij zegt klopt. Bij Github kon ik laatst het werkelijke verbruik van mijn abonnement zien en dat was een schrikbarend gat. Github heeft ook hun hele abonnementsstructuur omgezet en is peperduur geworden.
Github maakte ook 50 miljoen verlies per maand. Ik heb collega's die eerst met 100€/maand alles konden en nu met 500€/maand te kort komen, waar een ander weer de helft gebruikt.
Met alle respect, maar "het klopt wat hij zegt" is geen sterke bron. Ik geloof wat je zegt, en Github Copilot is inderdaad ook erg duur geworden. Maar ik vraag naar een bron over die subsidie waar hij het over heeft, daar zou ik graag een bron van zien. Ik ben geen fan van cijfers als feiten weer te geven zonder daarbij een bron te vernoemen.
Volgens mij wordt hier met subsidie bedoelt: verkocht onder kostprijs. Google maar eens op: ”how are ai llm tokens prized and are they subsidized". AI bedrijven zijn niet heel scheutig met informatie over hun kosten, opbrengsten en gebruik van hun diensten maar op basis van openbare bronnen is er wel een schatting te maken.
En er is geen enkele mogelijkheid dat je zelf even naar de bron gaat zoeken?
Wat? Dat is pas een omgekeerde wereld - een lezer zou bronnen moeten gaan opzoeken om wat de schrijver zegt wel of niet te bevestigen!? Als iemand iets beschrijft als feit is het niet mijn verantwoordelijkheid als lezer om daar een bron bij te zoeken. Als jij iets doet uitschijnen als feit, dan verwacht ik dat je daarbij ook een bron kan geven als daarnaar gevraagd wordt.

Stel je voor dat onderzoekers ereen paper zouden schrijven met "er wordt een schatting gemaakt dat x" zonder enige bronvermelding. Je zou onmiddellijk een afwijzing van een reviewer krijgen. "schatting gemaakt door wie? Wat is de bron?". Dat zal de lezer toch niet zelf moeten gaan opzoeken...
Heb je voor dat laatste een bron? Ben benieuwd.
Bron of niet, heel er zal hij er niet van af zitten. 1 complexe taak met opus heeft mij ooit bijna 40 euro gekost, terwijl het ongeveer anderhalf keer mijn 5 uurse limiet was bij een x5 abonnement. Losse tokens kopen is echt ontiegelijk duur. Er is ook een reden waarom je de API niet mag gebruiken als je een abonnement hebt. De API is enkel als je met credits werkt en deze kosten lopen heel erg snel hard op.
Dit geloof ik. Toen ik Fable voor het eerst testte gaf ik hem een prompt waarmee mijn limiet in 1 keer op was (was ook wel een beetje de bedoeling). Tegenwoordig probeer ik vaak in Opus 4.8 (nu wellicht 5) of Fable te starten met een uitgebreide prompt en dan schakel ik terug als het plan er ligt en ik domme vragen begin te stellen zoals hoe werkt docker ook alweer of wat is het commando voor.. (soms stel ik die vragen juist aan mijn lokale gemma4 26b, draait top met 16gb vram). Andere mensen die nog tips hebben?
Test je via claude.ai of via een CLI? Wat enorm helpt is de cache warm houden, dus zorgen dat je niet te lang wacht met een vervolg prompt of confirmaties als het model toestemming vraagt. Sommigen zetten daarom in hun prompt welke tools er niet gebruikt moeten worden, als je lijst te veel werk word, dan zetten mensen die de CLI tool van claude gebruiken dit in hun CLAUDE.md. Je kunt het model zelf ook om tips vragen van wat je anders kunt hebben gedaan in je interactie, al heb ik de cache tip nog nooit terug gehad.
Een enkele keer heb ik CLI gebruikt, maar omdat ik iets meer gevoel wil houden voor wat er gebeurd vraag ik de laatste tijd weer alles via claude.ai en breng wijzigingen zelf aan (ben ook geen echte programmeur, maar kan wel programmacode lezen en snap de structuur vaak redelijk goed en als de AI iets doet wat ik niet snap wil ik het weten.. Maar de hele codebase nalezen voordat ik ga testen doe ik (natuurlijk) ook niet). Dat je vlug moet zijn met je antwoord als hij om input vraagt wist ik niet dat uitmaakte...
Ja, helaas maakt dat uit. Wat je kunt doen is je changes in een branch (in git) doen met de CLI agent. En dan kun je met git diff die hele branch vergelijken met je main/master. Als je dit in een UI doet, kun je er ook een pull request van maken die je in de browser kunt bekijken. Er is helemaal niets mis met jou aanpak trouwens.
Bedankt voor de tips iig. Neem ze mee!
Voor privé gebruik is dit inderdaad zeer duur. Maar als je het professioneel gebruikt en er code mee laat schrijven, dan valt zo'n bedrag beter mee, zeker als je er sterke productiviteitswinst mee boekt.
De prijszetting voor de tokens is dan ook vooral gericht op de zakelijke markt.
Voor privé gebruik is dit inderdaad zeer duur. Maar als je het professioneel gebruikt en er code mee laat schrijven, dan valt zo'n bedrag beter mee, zeker als je er sterke productiviteitswinst mee boekt.
De prijszetting voor de tokens is dan ook vooral gericht op de zakelijke markt.
Sowieso is coding via AI een heel stuk goedkoper dan 1-2 manuren. Een Developer kost tegenwoordig minstens 180 euro per uur, daarvoor heb je de max X20 abonnement van Claude.
Geen idee of het klopt, maar hier is een bron:

https://businessengineer.ai/p/the-subsidized-agi-economy

Mijn vermelde inschatting ligt nog hoger dan ik aangaf, maar zit wel in de range van $4500-$8000.
Het voelt echt als een drugsdealer-junkie relatie. Niet zeggen hoeveel het echt kost, goedkoop iedereen verslaafd maken en dan de prijs opschroeven.

Leuk dat ze zeggen hoeveel x tokens kosten, maar nergens zie ik inderdaad hoeveel tokens ik heb of hoeveel tokens iets heeft gekost. Als je de CLI gebruikt is dat wel meer inzichtelijk maar voor normale web of desktop app gebruikers niet
Dat is het absoluut. Claude Desktop is hier dan nog 1 van de betere imo, ChatGPT Desktop steekt bijna alles weg.
Goeie uitleg!

Paar kleine aanvullingen:
  • de 150K drempel met hoger tarief bestaat niet meer en is door Anthropic in maart verwijderd. Standaard API-prijzen dus voor het volledige context venster
  • $5/1M input en $25/1M output"als voorbeeldprijs voor je credits is te weinig; dat geldt eigenlijk alleen voor Opus. Meer realistisch is $1/$5 (Haiku) t/m $10/$50 (Fable 5).
Je bent de cache vergeten die bijv Codex er nog bij heeft. Daarin staat bij mij al 1 miljard tokens volgens de statistieken.

Die cache scheelt enorm in het verbranden van tokens. Feitelijk zit mij hele project in die cache.

En als ik de kosten van zoveel tokens vergelijk tussen de API en met het Plus abbo dan zitten daar per maand duizenden euro’s tussen.
Klopt, cache hits verlaagd het input token verbruik. Geheugen is duur, dus er zit een timeout op voordat de cache weer geleegd wordt.

Claude heeft hier nog een web tool voor als je een abonnement hebt: projects, deze kun je koppelen met een git repo en bestanden selecteren die gecachet moeten worden of je kunt losse bestanden uploaden die dan standaard in de cache worden geplaatst. Deze kosten dan geen input tokens meer. Hierop zit wel een bepaald aantal MB maximum op (ik weet zo niet uit mijn hoofd). Dit werkt ook als je met claude code werkt in dezelfde repo. Hiermee kun je bijvoorbeeld je skills en design specs, architecture docs en bron code bestanden die onderhevig zijn aan veel veranderingen etc. in plaatsen voor context.
Met deze leuke tool van OpenAI kan je zelf eens experimenteren met de tokenizer achter GPT. Je geeft een zin, een hoop woorden of tekens, en je krijgt te zien hoe de tokenizer jouw input omzet in tokens. Deze worden bij GPT dan op hun beurt geïnterpreteerd door het taalmodel.

https://platform.openai.com/tokenizer

Kleine nuance: mogelijks werkt de tokenizer achter Claude iets anders, het taalmodel is hier namelijk nauw mee verbonden en wordt dus vaak niet op zichzelf getraind. Het concept is daarentegen wel vergelijkbaar.
Fijne uitleg. Toch blijft het vrij vaag, vooral het verbruik. Zo heb ik Hermes agent en is het vrij vaag wat dat verbruikt. Gelukkig heb je binnen openrouter wel verbruik statistieken. Maar het blijft een beetje gissen.

Het is ook lastig om voor je taak de juiste model te kiezen. En daarmee de kosten te beperken.

[Reactie gewijzigd door iAR op 25 juli 2026 08:00]

Je kunt Hermes instellen dat hij automatisch switcht en taken van het ene model delegeert naar het andere. Ik heb een week lang alles op GPT 5.6 Terra gedraaid om skills te maken, en ga nu het default model omlaag zetten. Alles wat dan over het toepassen van skills gaat zou prima moeten werken met een simpeler model. Liefst zelfs eentje die lokaal draait via LM Studio. En alles dat over coding gaat mag dan een duurder model gebruiken.
Maar dan alsnog is het lastig te bepalen welk model hij waar voor moet gebruiken. Ik heb bijvoorbeeld enkele taken waarbij hij uit verschillende bronnen informatie moet halen en op basis daarvan op het web verschillende bronnen moet raadplegen om vervolgens tips en suggesties te geven.

Ik weet niet of mijn lokale model op mijn NAS of misschien iMac dat goed kan draaien...
Om de kosten te beperken ben je bijna altijd beter uit met een chinese aanbieder dan met anthropic. Werken eigenlijk bijna altijd even goed als claude (soms zelf beter, claude in in sommige dingen niet zo goed als concurenten). Je kan het zelfs zo instellen dat als je chinese model er even niet uitkomt dat ie dan claude inschakeld.
Van die 5000 tokens maak je lang niet alles op. Een gemiddelde MAX gebruiker verbruikt tussen de 100 en 500 euro aan tokens per week. Er zijn niet veel gebruikers die hun werk 24/7 draaien in loops. Dus uiteindelijk wordt maar een beperkte hoeveelheid gebruikt van wat wordt geboden. En naar mate de user base groeit, dalen de kosten verder. Die abbo's zetten ook aan tot API gebruik, en daar wordt goed aan verdiend. De gemiddelde gebruiker heeft ook geen MAX account en gebruikt AI veel minder intensief. Over de hele userbase wordt er inmiddels aan verdiend.
Een token is ongeveer gelijk aan een woord in een zin. (In het echt ligt het wat complexer en genuanceerder)

De kosten per token zijn dus als het ware hoeveel moeite het kost om een bepaalde input (de prompt die je stuurt plus alle context die de software mee stuurt, zoals bestaande projectcode en web search etc etc) te verwerken, en vervolgens een kostenplaatje voor de output (daadwerkelijke uitkomst van de opdracht) per token ("woord")
Dat ligt aan wat voor een abonnement je hebt afgesloten bij Antropic. Als je een Pro of Max abonnement hebt dan zit daar al een bepaalde hoeveelheid aan "tokens" in .. en die kan je verbruiken binnen de verschillende limieten die er zijn (tijdsblokken van 5 uur .. en maximum per week). Maar omdat je een abonnement hebt .. krijg je effectief meer tokens voor je geld.

Je kan ook een API toegang nemen .. en daarmee betaal je gewoon voor elke gebruikte input en output tokens.

En een "token" is een woord, of een lettergreep of "iets" wat door een LLM model vertaald kan worden naar een "getal" .. wat dan weer gebruikt kan worden om te bepalen welke getallen logischerwijs bij elkaar horen op basis van de de voorgaande getallen. (Okee... Wel heel simpel gezegd, maar je betaalt dus per woord/lettergreep )
Wat zijn die tokens eigenlijk?
De gegeven antwoorden zijn misschien onnodig complex.

Een vraag deel je op in brokjes, die gaan in een zwarte doos, en dan komen er weer brokjes (antwoord) uit. Dat zijn input-tokens en output-tokens. Grofweg zou je kunnen spreken van lettergrepen, maar bijvoorbeeld ook leestekens of emoji.

De vraagbrokjes (of input-tokens) worden in parallel verwerkt en daarom zijn ze goedkoop. Maar de antwoordbrokjes (of output-tokens) komen er in serie uit, dus daarom zijn ze duur.

Je kunt economisch gezien dus beter een gedetailleerde vraag stellen en vragen om een kort antwoord. Je hebt er alleen mee te maken als je AI via een API wilt integreren met je software, anders is een abonnement waarschijnlijk de beste value for money.
Computerphile heeft een leuke video over wat tokens zijn. En waarom je zo snel zo veel gebruikt.
Iets wat mensen per direct mee moeten stoppen met het kopen ervan als ze die bubbel eindelijk willen laten barsten
Het laten barsten van een bubbel is geen doel op zich.

En, tsja, bij het bedrijf waar ik werk hebben we recent een hulpbotje gebouwd, die 2 a 3 euro per dag kost, maar je ook soms wel een uur of 2 a 3 aan uitpluiswerk scheelt (het helpt hoofdzakelijk met log-analyse)...

De maandkosten van dat ding liggen daarmee onder het uurtarief van een beetje competente IT'er, en het scheelt ons team in totaal richting een kwart FTE aan (uitzoek)werk. (Ook al niet het leukste klusje)

Dat is een blijvertje!

(huidige) AI gaat dus niemand van mijn team vervangen, maar is wel druk op weg om een onmisbaar hulpmiddel te zijn, met name bij troubleshooting.

Oftewel, die bubbel is niet alleen maar lucht!

[Reactie gewijzigd door Keypunchie op 24 juli 2026 23:00]

Dat lijkt mij dan ook een veel nuttigere toepassing dan meer dan 100k aan tokens verbranden in een loop om een volledig vibe coded app te maken.
Er is naar mijn mening ook wel een verschil tussen vibe coden met kennis en zonder kennis. Ik heb bijv. een hekel aan front end (bijv JavaScript). De ene keer ga ik redelijk gericht te werk en stuur ik het model continue inhoudelijk bij. De andere keer merk ik dat het neerkomt op trial & error. Als je het model inhoudelijk kan bijsturen werkt het vrij goed en heb je niet zoveel nodig. Trial & error is daarentegen echt vaak een verspilling van compute
Als je het model actief bijstuurt en je hebt zelf de kennis dan is dat ook geen vibe coden eigenlijk. Dan gebruik je het meer als amplifier. Gebruikt idd niet gek veel tokens dan.

Dat is dan ook heel wat anders dan een zekere CEO die riep dat je minimaal de helft van je salaris aan tokens moet verbranden.
Dat geldt voor heel veel complexe takenpakketten, niet alleen IT. 80% van het werk kan een AI voor 20% van de kosten. De laatste 20% is veel duurder. Daar kun je alsnog beter een mens het werk laten doen.
Het is voor bedrijven zoeken naar modellen om het gebruik naar klanten te beprijzen, en dat gebeurt ook al als ik intern meelees.
Hier net hetzelfde. Frontend laat ik volledig door AI afhandelen terwijl ik architectuur en best practices in het oog blijf houden. Ben nu overgeschakeld op het pro plan van Claude simpelweg omdat het venster van 5 uur tekort kwam, anders was het abonnement van 18 euro zelfs voldoende.
Of ook: python voorbeeld algoritme en dan functie omzetten naar julia—>40x sneller
bedrijven* en dat gaat niet gebeuren
Nee. Ook mensen en dat gaat wel gebeuren. Geen enkel iemand baas of consument gaat de rekening straks betalen wanneer de geldstroom van investeerders stopt.
Iets wat mensen per direct mee moeten stoppen met het kopen ervan als ze die bubbel eindelijk willen laten barsten
Nee hoor, dat is niet nodig, Dat zijn ze zelf prima aan het doen.
Claude Opus 5 is uit en presteert zoals Fable 5 tegen de helft van de prijs
En nee, de bubbel zal niet barsten, maar hij zal wel behoorlijk leeglopen in de eerste helft van volgend jaar.

Ik dacht eerst dat hallucinaties de doodsteek van AI zouden zijn, maar ik zie dat AI-gebruikers de tool anders aan het gebruiken zijn, meer als een meestal nuttige maar op zijn tijd liegende, overdrijvende en dus niet altijd betrouwbare partner, die het saaie onderzoeks-/speurwerk voor ze wegneemt.

Wat de bubbel wel behoorlijk zal laten leeglopen, is dat mensen en bedrijven minder bereid zijn om veel voor hun tokkens te betalen, en nu de buzz en glimmer van AI aan het verdwijnen is, dat er nu al een race naar de bodem aan het plaatsvinden is.

En over tijd, gaat AI gewoon een tool worden die zijn nut heeft, maar niemand er de hoofdprijs voor wil betalen.
Ik kan je deze podcast eigenlijk enorm aanraden.
Hier wordt er specifiek ingegaan op wat tokens nu eigenlijk zijn.

YouTube: #2 - Staat Europa in 2031 volledig buitenspel in de AI-race?
Komt volgens mij vooral vanwege het verschil tussen een model en de applicatie eromheen.

Het makkelijkste voorbeeld is het zoeken. Je stuurt een prompt. Een LLM gebruikt jouw prompt om output te genereren in de vorm van zoek opdrachten. De resultaten worden weer in een LLM gestopt om te bepalen of de zoekopdracht voldoende info heeft opgeleverd. Zo ja, dan genereert de LLM een antwoord. Zo niet dan genereert het LLM weer een zoekopdracht. Zo kan het loopje blijven gaan. Jij stelt een korte vraag maar de hoeveelheid tekst dat het model moet verwerken groeit met elke zoekopdracht enorm.

Voor code is het simpeler. Voor code heeft het model vaak geen additionele informatie nodig en is het puur het verwerken van je prompt. Daar is het visueel heel zichtbaar want het is beperkt tot jou input en de output van het model zonder al teveel magie op de achtergrond
edit:
Als je een model lokaal draait is dat heel zichtbaar. Stel een relatief oud model bijvoorbeeld de vraag wie de burgermeester is van Rotterdam. Je krijgt vaak Aboutaleb als antwoord. Geef je model daarna bijv DuckDuckGo als tool. of een webscraper voor Wikipedia. En je krijgt ineens altijd het juiste antwoord. Dat is niet omdat je model ineens veel slimmer is geworden. Nee, de resultaten van DuckDuckGo worden gewoon toegevoegd aan je input prompt waardoor het model het juiste antwoord al in de input krijgt meegestuurd. Niks schimmige aan...

[Reactie gewijzigd door Mellow Jack op 24 juli 2026 23:54]

Achter de schermen worden heel veel tokens gegenereerd (thinking) die je wel betaald maar niet krijgt. Dus het is zowiezo behoorlijk schimmig allemaal.
Dat is niet schimmig, je rekent met tokens het werk van de ai af. Daar valt het interne denk werk ook onder.

Niet anders dan bij een mens overigens. Daar krijg je ook alleen de output aan het einde van een denkproces.
Schimmig omdat de thinking stream niet meer als geheel ingezien kan worden. Dus 'claimen' hard te denken en de prijs gaat omhoog zonder dat het controleerbaar is.
Wat dat ding wel of niet denkt of doet is niet relevant. Het is betekenis loos.

Het enige wat uitmaakt is of het resultaat in de genomen tijd de prijs waard is.

Als ik ergens een week over doe een ik krijg 10000 euro. En nu krijg ik na een week nog steeds 10000 maar met 1000 euro aan ai credits ben ik na twee dagen klaar en kan ik 5 dagen vrije tijd hebben. Geef de klant wellicht nog 1000 korting.... Wat kan het mij schelen als dat ding, de ai maar voor 500 werkelijk werk heeft gedaan. De prijs is gewoon te goed om te laten liggen. Ik ga er op vooruit.
Als ke die dan in bijvoorbeeld lmstudio ook nog geheugen geeft, dan gaat de snelheid op een gegeven moment omhoog en de tokens omlaag. Goose heeft het standaard aan staan.
Het woord "token" in de context van LLM's heeft niets te maken met een "virtuele munt". Het is gewoon een klein stukje van de input of output data die de LLM in gaat of uit komt; in de praktijk een (deel van) een woord.

Bij cryptocurrencies wordt ook het woord "token" gebruikt, wellicht dat je daarom denkt dat het iets te maken heeft met een virtuele munt. Maar daar heeft het niets mee te maken. De betekenis van "token" als het gaat over cryptocurrencies is iets heel anders.
Voor X € krijg je X tokens = virtuele munt?
Tokens, als we het over een LLM hebben, is niets anders dan een eenheid om de hoeveelheid input en output in uit te drukken. Dat je betaalt voor een hoeveelheid tokens betekent niet dat tokens een “virtuele munt” is. Ik betaal ook voor brood in de supermarkt, maar ik zou boterhammen niet een “virtuele munt” noemen.
Je rekent tokens wel af, dus ze hebben waarde, het is niet een munt als crypto, maar in ai land vertegenwoordigen tokens kosten/geld. Het is in zekere zin de munt van de ai wereld.
"maar het kost half zoveel aan tokens."

Dit is geen goede interpretatie. Opus 5 is 2x zo goedkoop, voor 1 miljoen tokens. Maar nu lijkt het volgens het artikel dat het model 2x zo efficient is, wat helemaal niet aan de orde is. Ze rekenen simpelweg de helft minder voor het tokengebruik, that's it.
En of het voordeliger is, hangt dan ook af van de vraag hoeveel tokens het model nodig heeft voor dezelfde prompt. Als het bijv. 50% meer tokens gebruikt, is het kostenverschil kleiner. Hier is meestal echter geen generiek antwoord voor, daarom is de prijs per token het makkelijkst
Iemand Opus 5 al geprobeerd, en is het echt zo dat het minder kost? Op de een of andere manier was Fable 5 bij mij best oke en niet heel slurpend gek genoeg..
Ik had dus exact dezelfde ervaring, terwijl mijn collega het tegenovergestelde had. Ik vermoed dat er of een bug in zit (zat?), of dat ze wellicht experimenteren tussen verschillende users. Mijn collega en ik doen ongeveer het zelfde, en ik loop vrijwel niet tegen limieten aan, en hij binnen het uur.
Verschil in geïnstalleerde skills?
Of hij is gewoon heel slecht in het schrijven van prompts..... Of mischien maakt hij uitgebreid gebruik van agents en skills; een hele goeie manier om je tokenverbruik enorm te verhogen.
Waarschijnlijker is hij gewoon slecht in het gebruik of doet complexer of voor de ai vager werk.

Het kan ook zijn dat fable naar je werk keek en het zo simpel vond dat hij je automatisch naar een simpeler goedkoper model heeft doorgezet.
Ja, die lijken vrijwel hetzelfde.

Ik vroeg om een oude patch the importeren en dat werd geblocked omdat er api calls in zitten die met hacking geassocieerd werden.

Automatisch gedowngrade van fable naar opus 5, en van opus 5 naar 4.8
Iemand Opus 5 al geprobeerd, en is het echt zo dat het minder kost? Op de een of andere manier was Fable 5 bij mij best oke en niet heel slurpend gek genoeg..
Ik heb opus 5 nog niet geprobeerd. Maar mijn ervaring met Opus 4.8 VS Fable was dat je met opus op max het zelfde resultaat bereikte als met Fable op low met ongeveer het zelfde token gebruik, alleen was Fable wel beter in het oplossen van complexe fouten in de code.

En als ik het artikel zo lees snap ik niet echt wat Antropics nou wilt bereiken met 2 taal modellen die beide net zo goed zouden moeten zijn? Ik vind hun doel maar heel erg wazig.
Fable is met hoge waarschijnlijkheid een groter model, zwaarder om te serveren voor Anthropic. Wat meer parate kennis op specialistische vakken, wat creatiever. Maar ongeveer dezelfde prestaties leveren voor minder (kosten, stroom, etc) is goed (genoeg) voor veel gebruikers. Het scheelt Anthropic servercapaciteit, waar ze te weinig van hebben. Maar, het zou me niets verbazen als er binnenkort een Fable 5.1 oid komt om het verschil (in presentaties) weer wat groter te maken.

[Reactie gewijzigd door oCe op 25 juli 2026 08:43]

Bij mij slurpte fable 5 echt wel substantieel meer. Vooral met meer research taken of grotere opdrachten.
Ik had het idee dat fable 5 stuk minder goed presteerde dan opus 4.8 in claude code.
Fable kost enorm veel tokens per ding dat het doet. Daarmee bedoel ik bijvoorbeeld per subtaak waar hij jouw vraag naar indeelt. Of het aantal keer dat hij je vraag uit een andere belichtingshoek moet bekijken. Maar in mijn ervaring hoeft het veel minder dingen te doen en te proberen om op het correcte antwoord te komen. Dus dat heft elkaar een beetje op. Als je per ongeluk Sonnet gebruikt of soms ook wel met Opus 4.8, dan kan je echt tokens verbrassen doordat hij er niet uitkomt, en dan telkens op een andere manier probeert. Fable heeft sneller door hoe die bij het antwoord komt. En daardoor hoeft het veel minder stappen te ondernemen om er te komen, ook al zijn die stappen duurder.
Wat voor mij alleen maar aangeeft dat ze een beetje in paniek zijn. GPT-5.6 komt uit een ineens zijn alle limieten gereset... en "gratis" Fable credits... en nu een zuiniger optie!

Ontlopen die modellen elkaar inmiddels nog echt wel? De één iets beter in beredeneren, de ander in code, een ander in plaatjes. Het wordt belangrijker om snel te kunnen schakelen tussen modellen dan om "de beste" te vinden. Daar gaat het te snel voor.
Tja, het aantal Codex-gebruikers is sinds de release van Gpt 5.6 in een week van 6 miljoen naar 10 miljoen gegaan. Sol heeft vergelijkbare prestaties als Fable, maar is drie keer goedkoper, dus Anthropic moest wel wat doen, want met Opus 4.8 konden ze de boot niet trekken, en niet iedereen wil gelijk €100 of €200 per maand betalen voor een abonnement om Fable te kunnen gebruiken.

En daarnaast heeft OpenAI die irritante 5-uurslimiet verwijderd en voeren ze regelmatig resets uit (bij elke miljoen nieuwe gebruikers sinds de release van 5.6 tot nu toe) en soms ook banked resets, waarbij je zelf kunt bepalen wanneer je reset. Dus als je dan moet kiezen tussen Codex of Claude code, dan is de keuze snel gemaakt voor de meeste mensen.

[Reactie gewijzigd door Dynamix86 op 24 juli 2026 21:58]

Ik werk al een tijdje gelijktijdig met claude code and openai codex. Met codex krijg ik meer voor elkaar, echter wel meer babysitten, terwijl met claude die gewoon veel beter zelf aan de slag kan en zelf ook bugs vind. Maar die verdraaide 5 uur limit. aaargh
Ik heb zelf ook Claude Code, en sinds kort ook Codex, en wat mij opvalt is dat Codex zelfs met Sol echt veel dommere dingen doet. De benchmarks zijn misschien goed, maar als je ziet hoe het dan soms tot een werkende oplossing komt... Dat is vaak echt extreem kortzichtig en dom.Daar vind ik Claude Opus 4.8 toch in mijn ogen een stuk sterker. Die begaat ook af en toe wel flaters, maar veel minder groot dan ik via Codex zag.

Ik gebruik dus gewoon mijn Claude tot de 5 uur limiet op is (die 5 uur kan je trouwens zelf starten. Stuur een goedemorgen om 7u voor je naar het werk vertrekt en tegen de middag zit je aan de reset, kan je na de lunch aan de volgende batch beginnen). En pas als ik bij Claude aan de limiet zit ga ik verder met Codex.

Ben dus heel benieuwd om volgende week Opus 5 te proberen.
Mwah, het is vooral de ingebouwde 'reasoning' die in een cirkeltje met zichzelf tokens verstookt die soms een stapje beter wordt, en de tooling eromheen die ook is ingetrained (dus wanneer tools moeten worden aangeroepen en hoe), maar de kern van de modellen is nog altijd gebaseerd op ruis en is niet zo gek veel beter geworden, vooral veel groter.
Denk dat veel mensen niet doorhebben dat het intern zo werkt, alleen bij Goose wordt dat in een video zo uitgelegd.
Het lijkt erop dat de llms wel een beetje aan het einde komen van wat haalbaar is. Je ziet dat anthropic en openai aan het huilie doen zijn bij Trump dat Chinese modellen gevaarlijk zijn en dat open modellen hetzelfde is als nuclear materiaal uitdelen (en dat voor een bedrijf als openai). Ze zijn op weg de politiek voor hun karretje te spannen om zo een monopoliepositie op de markt te krijgen (en dat is vrij normaal in de usa waar kapitalisme en vrije marktdenken snel wijken als het ze uitkomt).
90% van het nieuws is ook manipulatie om mensen en bedrijven aan de onbetaalbaare AI te krijgen, waar enkele bedrijven al doorkrijgen fat het in de huidige vorm vaak niet bruikbaar is. Yann Lacun geeft al aan dat de huidige modellen rond 2027 op zijn einde lopen.
Weinig meerwaarde nu dan om Fable te gebruiken.

Ik ben benieuwd of dezelfde guardrails zijn ingesteld op Opus als dat ze bij Fable hebben gedaan voor biological en hacking topics waar een fallback werd uitgevoerd.
Nee, maar het model is daar specifiek niet (zo goed) op getraind, waardoor dat dus blijkbaar niet hoef.
Iedere keer als Anthropic een model dat beter dan de top tier model was, kwam er een nieuwe nog betere. Dus binnenkort Fable 6?
Ik zie nooit Gemini in een vergelijking. Is die dan zoveel slechter?
Google loopt momenteel wel licht achter met hun modellen. Ze staan al een tijdje niet meer in de top10 beste modellen.
Die lopen wat achter op Antrophic. Het verschil in de volwassenheid van Antigravity en Claude desktop is best wel groot, en ook is Claude zelfs beter dan de oplossingen van Microsoft waardoor gebruikers weglopen bij Copilot. Slecht zijn ze ook niet, Gemma E4B lokaal is best wel een klein wonder vind ik dan.

Daarnaast ervaar ik Gemini als erg belerend, waar Claude, misschien door een stijl instructie, zich als een volwassen collega gedraagt. Ik gebruik het eerder voor support dan coderen.

[Reactie gewijzigd door satya op 25 juli 2026 11:07]

Off topic.

Ongeacht welk model, ik vind het vooral lastig om de gegenereerde code te begrijpen. Dit kost voor mij veruit de meeste inspanning. Ik vind van mijzelf dat ik een aardig goede developer ben, toch ben ik elke keer weer verbaasd over de gebruikte annotaties en oplossingen.
Je kunt stijlinstructies maken (doorgaans gewoon een markdown-file) en die meegeven aan de prompt.

Ook is een handig ding van LLMs dat je het direct aan ze kunt vragen waarom ze iets op een bepaalde manier hebben gedaan en hoe je ze het anders kunnen laten doen.
Dit kun je een hoop sturen. Bijvoorbeeld met een paar zinnen in je CLAUDE.md of AGENTS.md bestand kun je de agent vertellen dat wijzigingen opgebroken moeten worden in commits die gemakkelijk te lezen zijn voor mensen, die dus niet te veel wijzigingen in een keer mogen bevatten, en die goed uitleggen wat het bereikt, hoe het dit bereikt, en welke alternatieven het juist niet gekozen heeft en waarom. Uiteindelijk draait het een hoop om het harnas en hoe je de agent van probleem of idee naar geaccepteerde code stuurt.

edit: typo

[Reactie gewijzigd door Grimgor_6x3 op 25 juli 2026 09:48]

Vragen waarom hij dit doet. Tot nu toe altijd een zinnig antwoord gehad waarmee je ofwel hem kan verbeteren, of zelf weer iets bijleren.

Lijkt me ook iets dat heel goed kan zijn voor junior profielen: het door AI laten doen zal je minder diep door het leerproces sturen, maar door constante uitleg te vragen kan je toch nog op vrij snel tempo evolueren.
Claude Opus 5 is uit en presteert zoals Fable 5 voor half de tokenkosten
Bovenstaande gaat over euros die je nodig hebt om prestatie X te realiseren.

Onderstaande gaat over het aantal tokens dat nodig is om prestatie X te realiseren.
Anthropic heeft Claude Opus 5 uitgebracht. Het model is volgens de maker op veel vlakken vergelijkbaar met Fable 5, maar het kost half zoveel aan tokens.
Deze twee zijn niet met elkaar te vergelijken tot de prijsverschillen tussen input en output tokens erbij vermeld worden.

Onder de tabel wordt nog wat extra informtie over de kosten gegeven, maar het laat zich lezen als een VWO Wiskune-A examenopgave:
Daar staat tegenover dat Opus 5 veel minder kost dan Fable 5. De tokenkosten zijn vergelijkbaar met die van Opus 4.8, zegt Anthropic. Opus 5 kost vijf dollar per miljoen inputtokens en 25 dollar per miljoen outputtokens. Dat betekent dat Opus 5 per token precies half zoveel kost als Fable.

Er komt ook een Fast Mode beschikbaar voor Opus 5. Daarmee is de tool 2,5 keer zo snel. Dat kost twee keer zoveel tokens.

[Reactie gewijzigd door Recursio op 24 juli 2026 22:08]

Anthropic paar dagen geleden: hier heb je gratis $100 aan Fable - nice!

Anthropic nu: hier heb je standaard iets dat net zo goed is - nice?
Hier heb je een stad in Frankrijk - Nice? :+

[Reactie gewijzigd door JorisM op 25 juli 2026 07:35]

Hier heb je een jonge knappe lerares die - nice?
Die wordt liever Denise genoemd denk ik 😜

[Reactie gewijzigd door JorisM op 25 juli 2026 11:37]

Zeggen we 'half iets' in een titel als die van dit artikel als we de helft van iets bedoelen in het Nederlands? Of is dit een anglicisme (half the token cost)? Men kan namelijk wel een half brood zeggen. Of de halve kosten. Maar 'half de kosten', klinkt gewoon niet goed?

(Indien de titel wordt aangepast, hij was 'Claude Opus 5 is uit en presteert zoals Fable 5 voor half de tokenkosten'.)

[Reactie gewijzigd door erikieperikie op 24 juli 2026 22:55]

Is 'kost de helft' dan niet beter?
Ik zocht in de comments naar exact deze reactie.
Ik heb er ook even over nagedacht na het lezen van de kop. Zal wel door een LLM vertaald zijn.

Om te kunnen reageren moet je ingelogd zijn