De prijs per miljoen tokens, die alle uitgevers vermelden, is op zichzelf niet genoeg om de werkelijke kosten van een bedrijfstaak te schatten. Een vergelijkende test met de drie topmodellen van OpenAI en Anthropic, gepositioneerd in hetzelfde prijssegment, laat verschillen zien die kunnen oplopen tot een factor 8. Een token is een tekstuele eenheid die het model leest en produceert, en de facturering hangt dus af van het aantal verbruikte tokens.
- De prijs per miljoen tokens zegt niet genoeg over de werkelijke kosten.
- De kosten kunnen per taak tot een factor 8 verschillen.
- De tokenizer van Anthropic telt voor dezelfde code 54% meer tokens.
- Het goedkoopste model verschilt per taak, en GPT-6 Luna is in het laagsegment steeds het goedkoopst.
Op papier verschillen de tarieven vooral in het hoogste segment. GPT-6 Astra wordt vermeld tegen $10,00 per miljoen inputtokens en $50,00 voor output, tegenover $4,00 en $20,00 voor Claude Opus 5.5. Het midden- en laagsegment zijn daarentegen gelijk: GPT-6.1 Sol en Claude Sonnet 5.5 kosten beide $2,00 voor input en $10,00 voor output, terwijl GPT-6 Luna en Claude Haiku 5.5 beide $0,10 voor input en $0,50 voor output kosten.
Werkelijke kosten die afwijken van de catalogus
De test omvatte vier taken waarbij een enkel, controleerbaar antwoord wordt verwacht: een bug vinden in een GitHub-repository, gegevens uit facturen extraheren in JSON-formaat, vragen met cijfers beantwoorden in een lang document en een klantenbestand dedupliceren. Elk model werd drie keer uitgevoerd met het ‘high’ redeneerniveau, en de resultaten werden gemiddeld. De promptcache, die al verwerkte delen van een vraag hergebruikt, was aan beide kanten ingeschakeld.
Voor de bugzoektocht bestond de taak uit het corrigeren van een fout in de broncode van Flask, een Python-webframework, en de correctie werd gevalideerd als de officiële tests slaagden. Claude Haiku 5.5 faalde drie keer, en Claude Sonnet 5.5 miste één van de drie pogingen. De kosten voor GPT-6 Astra bedroegen $0,4278, tegenover $0,2534 voor Claude Opus 5.5, een verschil van 1,7 keer in het nadeel van OpenAI. Voor het extraheren van facturen kwam GPT-6 Astra uit op $0,4023 tegenover $0,2405 voor Opus 5.5.
Het geval van het lange document, een pre-IPO-prospectus van SpaceX, illustreert de rol van de prijs per token. De drie modellen van Anthropic slaagden drie keer voor de test, net als die van OpenAI. Het hoogste model van OpenAI kostte hier $2,9275, tegenover $1,0770 voor Claude Opus 5.5. Bij de deduplicatie daarentegen slaagde GPT-6 Luna slechts één keer op drie, terwijl Claude Haiku 5.5 alle drie de pogingen haalde.
Tokenizer en redenering als oorzaak
De verschillen zijn te wijten aan verschillende factoren. De tokenizer, het hulpmiddel dat tekst in stukken hakt, speelt een grote rol: voor dezelfde code telden de modellen van Anthropic 120.242 inputtokens, tegenover 77.979 bij OpenAI, ofwel 54% meer. Volgens de gepresenteerde metingen verbruikt Claude tussen 46 en 63% meer tokens, zodat een miljoen tokens van Anthropic ongeveer 35% minder tekst bevat dan een miljoen tokens van OpenAI.
De redenering, dat wil zeggen de interne overweging die het model produceert voordat het antwoordt, weegt ook op de factuur. Dezelfde instelling garandeert geen identieke redenering van model tot model, en het artikel noemt ook verschillen in voorafgaande training en reinforcement learning. Bij deduplicatie verbruiken de modellen van OpenAI duidelijk minder tokens voor output, input en redenering, waardoor ze in het midden- en laagsegment goedkoper zijn.
In totaal varieert het goedkoopste model per taak. Claude Opus 5.5 is het goedkoopst in het hoogste segment voor de vier tests, GPT-6.1 Sol is het goedkoopst in het middensegment voor drie ervan, en GPT-6 Luna voor alle vier in het laagsegment.
