Twee releases in vier dagen laten zien wat intelligentie nu kost.

Claude Opus 5 kost 5 dollar per miljoen invoertokens en 25 dollar per miljoen uitvoertokens. Dat is exact wat zijn voorganger kostte, terwijl het model volgens de Artificial Analysis Intelligence Index nu op de eerste plaats staat met 61 punten, net boven Fable 5 en GPT-5.6 Sol. Er is dus niets duurder geworden en er is wel iets bij gekomen. Fable 5 staat overigens sinds 1 juli weer voor ons open, nadat Washington het exportbevel introk waar ik in juni over schreef.

Op 27 juli zette Moonshot daar iets anders naast: de volledige gewichten van Kimi K3, 2,8 biljoen parameters waarvan er per token 104 miljard actief zijn. Het is daarmee het grootste model dat je zelf kunt draaien, als je de apparatuur hebt.

Die twee gebeurtenissen lijken los van elkaar te staan, maar ze gaan over hetzelfde: wat het kost om een moeilijke taak door een machine te laten doen, en waar die kosten precies landen.

Een gelijkblijvende prijs bij een beter model is niet hetzelfde als gelijkblijvende kosten. Een model dat een taak in één keer goed doet, is goedkoper dan een model dat er drie pogingen en een correctieronde van een medewerker voor nodig heeft, ook als het per token evenveel kost. De kosten per afgeronde taak dalen daardoor sneller dan de tarieven.

Voor het MKB heeft dat één praktische consequentie: een rekensom van een half jaar geleden is geen bewijs meer. Ik kom regelmatig bedrijven tegen die een idee hebben afgeschreven omdat het toen te duur uitkwam, en die het sindsdien niet opnieuw hebben bekeken. Dossierwerk, offertes nalopen, een jaar aan klachtenmail doorspitten: het soort klus dat vorig jaar niet uitkon, kan nu wel uitkomen.

Dat betekent niet dat je die som elke maand overdoet. Het betekent dat je hem één keer per jaar of bij een concrete aanleiding overdoet, met de tarieven van dat moment en met wat je inmiddels weet over hoe vaak het model het in één keer goed heeft.

Open gewichten spreken aan om goede redenen. Je zit niet vast aan één aanbieder, je gegevens hoeven het pand niet uit, en de prijs kan niet eenzijdig worden aangepast. Bij een model als Kimi K3 loopt dat argument alleen stuk op de vereisten.

Het gaat om een download van ruim een terabyte in vierbits precisie, en om minstens acht datacenterversnellers van tachtig gigabyte om het model alleen al ingeladen te krijgen; in volle precisie is het een veelvoud daarvan. Dat is geen server in de meterkast en ook geen investering die je terugverdient met een team van dertig mensen dat samenvattingen maakt. Wie het toch wil, koopt geen model maar een tweede IT-afdeling.

De waarde van zo'n release zit voor het MKB ergens anders. Een open model van dit kaliber zet een bodem onder de markt: het maakt zichtbaar wat de capaciteit werkelijk kost en het geeft Europese hostingpartijen iets om mee te bouwen. Als datasoevereiniteit voor jou een eis is, is dat de route, niet de eigen serverruimte.

De prijs van het model daalt elk kwartaal. De uren die het kost om uit te zoeken hoe jouw offerteproces werkelijk loopt, dalen niet. Die verhouding schuift al twee jaar dezelfde kant op, en hij bepaalt waar een AI-project tegenwoordig op stukloopt.

In vrijwel elke mislukte implementatie die ik langs zie komen, was het model niet het probleem. Het probleem was dat niemand kon opschrijven wat het proces doet, welke uitzonderingen er zijn en wie het antwoord controleert. Dat werk wordt niet goedkoper doordat Anthropic of Moonshot iets nieuws uitbrengt.

Daarom verandert een week als deze mijn advies niet. Process First, AI Second is geen terughoudendheid tegenover nieuw gereedschap; het is de constatering dat de dure helft van het werk aan jouw kant ligt. Het goede nieuws is dat die helft eenmalig is, en dat wat je erover opschrijft blijft staan als het model eronder weer wordt vervangen.