Tokenmaxxing is grotendeels een stille dood gestorven. Het is tot bedrijven doorgedrongen dat ranglijsten die medewerkers aanmoedigen om zoveel mogelijk AI te gebruiken, haaks staan op gezond verstand. In plaats daarvan richt een nieuw initiatief zich op model routing, waarbij alleen de meest veeleisende prompts naar de duurste LLM’s worden gestuurd. Hoewel dat op het eerste gezicht verstandig lijkt, kent de praktijk problemen die zowel bijkomstig als fundamenteel van aard zijn.
Model routing is een simpel concept: ken elke prompt een impliciete complexiteit toe en stuur die naar de LLM die daarbij past. Het refactoren van een complete codebase of het opsporen van complexe kwetsbaarheden is wellicht een klus voor dure Mythos-klasse modellen (áls je daar toegang toe hebt), terwijl “Hoe zet ik Bluetooth aan in Windows” niet eens een tiende van een cent zou hoeven kosten.
Het concept is prima zolang je er niet te lang naar kijkt. Veel organisaties hebben de afgelopen jaren bewezen niet te begrijpen waar specifieke LLM’s voor bedoeld zijn, en eindgebruikers grijpen standaard naar het beste model dat voorhanden is. Dat geldt al helemaal voor iedereen wiens KPI’s tot voor kort het verbranden van tokens beloonden in plaats van het verstandig besteden ervan.
(Verstandige) modelkeuze bij AI zijn we niet gewend
Neem elk hip AI-buzzword met een flinke korrel zout. We zagen ‘prompt engineering’ al vroeg in het tijdperk van breed LLM-gebruik ter ziele gaan, en recenter kwam er een einde aan tokenmaxxing: de bedrijfsmode om tokenverbruik te zien als deugd of zelfs vereiste. Voor dat laatste lijkt Uber, dat begin 2026 in vier maanden Claude Code-tokenverbruik door een jaarbudget aan AI heen joeg, de spreekwoordelijke kanarie in de kolenmijn te zijn geweest. Toch wezen de signalen zelfs een maand geleden nog uit dat zakelijk AI-gebruik in 95 procent van de gevallen standaard op het grootste beschikbare model uitkomt.
Nu Claude Fable 5 per token twee keer zo duur is als Anthropics vorige topmodel Opus 4.8, hopen we voor de financiële afdelingen dat die 95 procent snel gaat slinken. Ook gebruikers van GitHub Copilot kwamen van een koude kermis thuis nu de codeertool is overgestapt op betalen naar verbruik. Geruchten dat de gebruikelijke abonnementen van 20, 100 of 200 dollar per maand zwaar gesubsidieerd zijn, komen scherp in beeld nu de ‘werkelijke kosten’ van AI-tokens zich zogenaamd openbaren. Dat verhaal over ‘werkelijke kosten’ is overigens ontzettend misleidend. Zeker, een Claude Pro/Max-abonnement kost een schijntje als je het API-equivalent van het tokenverbruik als maatstaf neemt. Maar de inference-marges van Anthropic bedragen naar verluidt 70 procent (!), waarmee heel wat AI-bouwwoede te dekken valt waarvoor het bedrijf overigens lang niet altijd zelf de rekening betaalt. API-prijslijsten zijn beleid en geen ‘ground truth’, wat betekent dat abonnementsgebruik veel minder gesubsidieerd is dan het lijkt.
De exacte marges per model kennen we niet, maar het moge duidelijk zijn dat organisaties die dankzij slimmere modelkeuzes minder aan AI uitgeven, de winsten van partijen als Anthropic en OpenAI drukken. Model routing staat daarmee op gespannen voet met de API-prijsstructuur van die AI-spelers. Bij abonnementen daarentegen zou het verhullen van welke LLM per prompt wordt ingezet weleens gemeengoed kunnen worden. GitHub Copilot, andermaal, doet dit al bijna en is één stapje verwijderd van totale intransparantie. Voor nu is te zien welk model welke output genereerde. De logica van de onvrijwillige modelkeuze is overigens best goed. Als de prompts toch meestal routinewerk zijn, waarom zou je dan het beste van het beste opdienen? Gebruikers en bedrijven zijn niet gewend om tussen modelformaten te kiezen, en mogelijk leren ze het niet eens voordat die keuze hun sowieso wordt ontnomen.
Wie bepaalt de route?
Dat alles gaat ervan uit dat gebruikers en organisaties vastzitten aan het kiezen tussen leden van één modelfamilie. Claude-gebruikers weten inderdaad vaak prima wat een “Fable-taak” is en wat een “Sonnet-taak”. Standaard boilerplate-code is perfect voor werkpaard Sonnet, terwijl geavanceerde projectplanning die met al je specifieke wensen rekening houdt, om Fable kan vragen. Maar wat als je het nog verder wilt opschudden en Z.ai’s GLM-5.2 kiest voor een taak die niet-helemaal-Opus-maar-ook-niet-helemaal-Sonnet-vormig is? En hoe zit het met de kleine Qwen- en Gemma-modellen die voor velen lokaal draaien, waarbij alleen de stroomkosten van je workstation overblijven?
De keuzes zijn eindeloos, maar de beperkingen zitten goed verstopt. Elke coding harness kent zijn eigen voor- en nadelen. Neem Claude Code: het staat integratie van externe LLM’s weliswaar toe, maar geeft in de praktijk sterk de voorkeur aan Claude-modellen. Hetzelfde geldt grotendeels voor OpenAI’s Codex en Z.ai’s kersverse ZCode. En zelfs als je deze tools met modellen van derden zou gebruiken: hun system prompts en basisopzet zijn simpelweg niet bedoeld of geoptimaliseerd voor het dynamisch routen naar LLM’s.
Het probleem met model routers van derden is dat ze de kosten doorgaans minder drukken dan de abonnementen bij enkele AI-modelbouwers dat doen, tenzij je die limieten ruimschoots overschrijdt bij die partijen. Organisaties worden dus geprikkeld om bij één aanbieder te blijven en routing verder grotendeels te vergeten. Nu tokenmaxxing in de vergetelheid raakt, zullen bedrijven wellicht scherpere vragen stellen bij onderhandelingen met LLM-aanbieders of resellers. Maar ja, die partijen hebben hun handen al vol aan de Fortune 500 en verdienen daar per contract veel meer, waardoor de rest van de organisaties het routing-vraagstuk zelf mag uitzoeken. Dit alles kan allemaal bijzaak worden. Tooling wordt volwassen, gewoontes veranderen, contracten worden heronderhandeld. Het fundamentele probleem van model routing (en mogelijk de doodsteek) heeft hier uiteindelijk weinig mee te maken.
Ingebouwde overhead
Er is veel gezegd over hoe de AI-modellen zelf verbeterd zijn. Ver weg van het lachwekkende idee dat LLM’s anno 2026 al ‘zelfverbeterend’ zouden zijn, hebben menselijke experts zelf manieren bedacht om inferencesnelheid, context windows, dynamische redeneerstappen, tool calling en het worstelen met GPU-code op kernelniveau te optimaliseren. Daardoor zijn LLM’s systemen op zichzelf geworden, in plaats van louter een stel Transformers opgeschaald naar biljoenen parameters.
Deze vooruitgang heeft LLM-aanbieders geholpen hun kosten te drukken en marges te vergroten, maar het heeft ook gewoon een beter product opgeleverd. Modellen kunnen tegenwoordig dichter bij gebruikersvoorkeuren blijven, eerdere gesprekken terughalen, lopende gesprekken compacter maken en piepkleine details in enorme codebases in context houden. Deze verbeteringen vertalen zich niet allemaal naar multi-LLM-routers.
Elke LLM draagt de ingebouwde overhead van het opnieuw verwerken van zijn context bij elke beurt. Het is een vrij groot probleem voor Transformers, die nu eenmaal zo werken dat je die context nodig hebt voor al je tokengeneraties. Nadat een tool call een resultaat teruggeeft, begint het model in feite opnieuw aan het volledige gesprek. Toch besparen prompt caching, compaction en andere onbekende methoden een groot deel van deze kosten. OpenAI en Anthropic hebben de schaal om recent berekende tokens in een direct toegankelijk geheugenformaat te bewaren en die voor langlopende taken in te zetten, wat de kosten voor henzelf én gebruikers enorm drukt. Die machinerie loont alleen als opeenvolgende verzoeken bij hetzelfde model van dezelfde aanbieder terechtkomen. En dat is nu precies de constructie die je een ‘subsidie’ op gebruikers binnen een ecosysteem-lock-in van een van deze AI-bedrijven kunt noemen.
Routeer dynamisch over modellen en aanbieders heen, en je gooit al die optimalisaties weer weg. Elke wissel is een cold start, met een berg extra rekenwerk waarvan de meeste gebruikers zich totaal niet bewust zijn. De versnipperde aard van model routing is daarmee fundamenteel in het nadeel. Zelfs als je nu op een lagere AI-rekening uitkomt: verwacht niet dat grootschalige adoptie van model routing onbeantwoord blijft. De verspilde berekeningen drijven de kosten op voor elke betrokken aanbieder, ook als het gebruik richting kleinere modellen verschuift. Met andere woorden: routing bespaart geld per prompt, maar werkt de efficiëntie tegen die prompts überhaupt zo goedkoop maakten als nu het geval is.
Conclusie: verwacht een nieuwe inhaalslag
Anthropic en OpenAI lopen in zekere zin ver voor op de stand van de techniek. Terwijl de wereld nog vertrouwd raakt met Fable 5/Mythos 5 en de GPT-5.6-varianten, werken hun makers al aan de volgende sprong. Ga er maar van uit dat model routing bij beide partijen allang een bekend fenomeen is. Het AI-ecosysteem zag het einde van tokenmaxxing al aankomen, gezien de uiterst voorspelbare reactie van klanten op hogere rekeningen. In zekere zin was dat einde geregisseerd, of op zijn minst dankbaar aanvaard, door de AI-aanbieders, die wisten dat ze hun marges ooit moesten verhogen. Men kon de lage prijzen niet vasthouden en wilde dat nu niet meer doen. 2026 was daarvoor een goed moment, met AI-tooling die sinds de Opus- en GPT-releases van het afgelopen halfjaar flink krachtiger is geworden.
Verwacht dat de modelaanbieders met een eigen route naar ingebouwde routing komen. Anthropic zet Fable 5-gebruikers momenteel op nogal lelijke wijze terug naar Opus 4.8 als veiligheidsmaatregel. Dat gedrag kan en zal in een PR-vriendelijker jasje worden gestoken. Met Mixture-of-Experts als inmiddels jarenlang gevestigde architectuur optimaliseren LLM’s intern al voor maximale doorvoersnelheid en kostenbesparing. De volgende stap is wat je een Mixture-of-Models zou kunnen noemen, ook al lijkt de onderliggende architectuur in niets op MoE. Cruciaal is dat routing aan de kant van een enkele aanbieder de nadelen van routing met meerdere aanbieders omzeilt. Verpak zo’n stap naar ‘provider-side routing’ mooi, en het komt over als een verantwoord antwoord op het tokenmaxxing-fiasco. Wie dat goed weet te verwoorden, komt bij velen juist over als klantvriendelijk. En daarmee wordt vendor lock-in eindelijk een blijvend voordeel voor de frontier AI-labs.
Lees ook: Nu Fable 5 terugkeert, wil Anthropic de regels voor grensverleggende AI vastleggen