De rekening voor agents

01

Waarom dit, waarom nu

Stel je de financieel verantwoordelijke voor die in april een bericht krijgt van de technisch directeur. Het budget voor kunstmatige intelligentie is op. Niet bijna op, gewoon op. Het is vier maanden oud.

Bij Uber ging het precies zo, en het bedrijf hing er daarna een plafond aan van vijftienhonderd dollar per medewerker per maand. Wat het geval merkwaardig maakt is niet de overschrijding. Het is dat de prijzen in diezelfde vier maanden daalden. Volgens Goldman Sachs Research leveren de chipmakers een kostenverlaging van 60 tot 70 procent per jaar per token, een tempo waar de meeste techniek jaloers op zou zijn.

Daar ligt dit dossier: niet bij de vraag of AI duur is, maar bij de vraag waarom een dalende prijs een stijgende rekening oplevert. Het antwoord blijkt te bestaan uit drie dingen die elk apart onopvallend zijn, en die samen elke prijsdaling inhalen. Twee ervan kun je meten en aanpakken. De derde is lastiger, want die bepaalt tegelijk hoeveel je systeem kan.

Wij beginnen niet bij de theorie maar bij een meting, want die is scherper dan elke redenering die wij eromheen zouden bouwen.

Tijdlijn

• mrt 2026 · De New York Times beschrijft "tokenmaxxing" onder ingenieurs bij grote technologiebedrijven.
• apr 2026 · Het interne verbruiksoverzicht van Meta komt naar buiten; de zwaarste gebruiker zit op 281 miljard tokens per maand.
• apr-mei 2026 · Uber meldt intern dat vier maanden gebruik het jaarbudget heeft opgesoupeerd, en stelt een plafond in van $1.500 per medewerker per maand.
• mei 2026 · Microsoft haalt zijn ontwikkelaars van een extern programmeerhulpje af, per eind juni.
• jul 2026 · Databricks meet programmeeragenten op de eigen codebasis en publiceert de uitkomst.
• aug 2026 · Het Britse AI Security Institute laat zien dat de gemeten kunde van een agent met ongeveer een kwart verschuift, puur door het toegestane budget.

02

Inhoud

1. Het goedkoopste model bleek het duurste

2. De helft van de rekening die nergens over gaat

3. Drie vermenigvuldigers, en waarom de derde anders is

4. Wat de agent mag uitgeven bepaalt wat hij kan

5. Jevons, 1865

6. Rantsoeneren, en waarom het de verkeerde helft raakt

7. De dag die niemand inplant

8. Wat er in een contract hoort te staan

9. Waar de cijfers vandaan komen

10. Wat een Nederlandse organisatie nu doet

11. Waar wij het mis kunnen hebben

12. Waar wij op letten

13. Verantwoording en bronnen

03

1. Het goedkoopste model bleek het duurste

Databricks liet in juli programmeeragenten los op zijn eigen codebasis van miljoenen regels, en publiceerde wat eruit kwam. Het is voor zover wij weten de nuchterste meting die er op dit moment ligt, omdat het echt werk betreft en geen testverzameling.

Twee modellen, waarvan het ene per token ongeveer 1,7 keer goedkoper is dan het andere. Op de taken van Databricks kostte dat goedkopere model $2,09 per afgeronde taak. Het duurdere kostte $1,94. En het goedkopere rondde 81 procent van de taken af tegen 87 procent voor het duurdere.

Er zitten drie omkeringen in die uitkomst en ze verdienen het om apart benoemd te worden. Het goedkopere model was duurder. Het was duurder doordat het genoeg extra tokens verbruikte om een prijsvoordeel van bijna twee keer volledig weg te eten. En het leverde tegelijk minder af, zes procentpunten minder.

De verklaring is mechanisch en niet mysterieus. Een model dat minder zuinig redeneert heeft meer beurten nodig om tot hetzelfde te komen, en elke beurt kost. Zuinigheid per token en zuinigheid per taak kunnen dus tegengesteld bewegen, en het is de tweede die op je factuur belandt.

Wat wij daaruit trekken is onaangenaam voor iedereen die een leverancier vergelijkt op zijn prijslijst. Zo'n lijst geeft een prijs per token, terwijl de verbruikte eenheid een afgeronde taak is. Hoeveel tokens daartussen zitten staat nergens vermeld en verschilt per model.

Het voorbehoud ligt voor de hand: dit zijn de taken van één bedrijf op de codebasis van dat bedrijf, en de bedragen laten zich niet overzetten. De richting laat zich wel overzetten, en bij een inkoopbeslissing is de richting wat je nodig hebt.

04

2. De helft van de rekening die nergens over gaat

Uit datzelfde onderzoek komt iets dat nauwelijks is opgepikt en dat wij nog bruikbaarder vinden.

Ze namen één model, zetten het op dezelfde stand, en lieten het door twee verschillende omhulsels lopen. Dat zijn de programma's die het model aansturen: die bepalen wat het te zien krijgt, in welke volgorde, en hoe vaak. De kosten per taak verschilden meer dan een factor twee. De kwaliteit was gelijk.

Ik heb die alinea twee keer gelezen, want er staat dat de helft van een rekening niets met je werk en niets met je modelkeuze te maken hoeft te hebben.

Het verschil zat volledig in contextbeheer. Elke keer dat een agent een beurt neemt, stuurt het omhulsel een stuk van het gesprek en van de code opnieuw mee. Gebeurt dat royaal, dan wordt dezelfde informatie tientallen keren betaald. Het zuinigste omhulsel in de test stuurde ongeveer drie keer minder mee, hield een strakkere werkset aan, en had minder runs nodig om klaar te zijn.

Voor een inkoper betekent dat iets ongemakkelijks. Twee teams in hetzelfde bedrijf, met hetzelfde model en dezelfde opdracht, kunnen het dubbele van elkaar betalen zonder dat er in hun werk iets te zien is dat het verklaart.

In ons dossier over het harnas betoogden wij dat de constructie om een model heen meer uitmaakt dan de keuze van het model zelf. Dat ging over kwaliteit. Het blijkt minstens zo hard op te gaan voor kosten, en kosten zijn van die twee veruit het makkelijkst te meten.

05

3. Drie vermenigvuldigers, en waarom de derde anders is

Nu pas is het zinnig om het geheel een naam te geven, want de twee hoofdstukken hierboven laten twee van de drie onderdelen zien.

Tussen de prijs op de offerte en het bedrag op de factuur zitten drie vermenigvuldigers. De eerste is hoe zuinig het model redeneert, en die zag je in hoofdstuk 1. De tweede is hoeveel context het omhulsel per beurt opnieuw meestuurt, en die zag je in hoofdstuk 2. De derde is hoeveel budget je de agent meegeeft.

Die derde gedraagt zich anders dan de andere twee, en dat is waar dit onderwerp lastiger wordt dan een inkooptraject. De eerste twee bepalen wat een taak kost. De derde bepaalt daarnaast wat het systeem überhaupt kán.

Het verschil is belangrijk genoeg om even bij stil te staan. Bij de eerste twee vermenigvuldigers is er een goede keuze en een slechte, en die zijn te meten. Een zuiniger model bij gelijke kwaliteit is beter. Een omhulsel dat minder context herhaalt bij gelijke kwaliteit is beter. Daar valt dus gewoon geld te besparen zonder dat er iets tegenover staat.

Bij de derde ligt dat anders, want daar staat wel iets tegenover. Elke euro die eraf gaat, gaat ook van het resultaat af. Een organisatie die haar rekening halveert door de toelage te halveren, heeft niet bespaard maar iets anders gekocht: een systeem dat een deel van het werk niet meer afkrijgt. Of dat een goede ruil is hangt af van welk werk, en die vraag is per soort taak te beantwoorden en per medewerker niet.

Dat is meteen de reden dat de meeste bedrijven het op dit moment verkeerd om aanpakken. Ze zetten een plafond op de derde vermenigvuldiger, waar de ruil zit, en laten de eerste twee ongemoeid, waar de gratis winst zit.

06

4. Wat je betaalt bepaalt wat het kan

Het Britse AI Security Institute publiceerde op 14 augustus metingen van hoe de prestatie van een agent meebeweegt met het budget dat je hem geeft, en de uitkomst is scherper dan wij hadden verwacht.

Het budget van 1 miljoen naar 10 miljoen tokens tillen verbeterde de prestatie met ongeveer 25 procent op twee programmeertoetsen. Op een verzameling zware academische vragen ging het om zo'n 22 procent, gemeten tot 5 miljoen. In hun beveiligingsverzameling werd ongeveer 8 procent van de taken alléén opgelost bij budgetten van 10 miljoen of meer, en een deel vroeg om vijftig miljoen.

Belangrijker dan die percentages is wat er níét gebeurde. De prestatie bleef stijgen bij tien keer het budget dat openbare evaluaties gewoonlijk hanteren. Binnen het bereik dat het instituut testte was er geen plafond te vinden.

Daarmee verliest een zin die op elk congres valt zijn betekenis. Dat een model iets wel of niet kan, is geen afgeronde uitspraak. Wat een model kan hangt af van wat het mag uitgeven, en een agent op een krap budget is niet een goedkopere versie van dezelfde collega maar een minder kundige. Dat verschil komt bovendien juist naar boven bij de moeilijke taken waarvoor hij is aangeschaft.

Voor het meten is het gevolg nog scherper, en het instituut zegt het ronduit: wat een agent kan is niet te lezen zonder het rekenbudget waarop het geschat is. Ze vonden daarnaast dat het tempo waarin de voorhoede vooruitgaat, gemeten op vijftig miljoen tokens, ongeveer 60 procent steiler uitkomt dan bij dezelfde modellen op 2,5 miljoen. Dezelfde modellen, alleen een andere toelage.

Wij vinden dat het cijfer dat de meeste aandacht verdient en de minste heeft gekregen. In vrijwel elke voortgangsgrafiek zit een evaluatiebudget verstopt dat er niet bij staat, en de keuze daarvan verschuift het ogenschijnlijke tempo met meer dan de helft.

07

5. Jevons, 1865

Nu de drie vermenigvuldigers er liggen, laat de tegenstrijdigheid uit de opening zich uitrekenen.

Wij maken die som liever hardop, want de uitkomst is tegendraads genoeg dat mensen aannemen dat er iets fout zit. Zakt de prijs per token in een jaar met 65 procent, dan staat hij nog op 35 procent van vandaag. Blijft de factuur dan gelijk, dan mag het volume met hooguit een factor 2,9 groeien. Uber zat binnen vier maanden op ongeveer drie keer zijn plan. Bij dat tempo is de prijsdaling geen besparing maar een korting op een overschrijding, en ze komt twaalf maanden na de factuur.

Daar zit de kern van het ongemak: de prijs daalt op een curve van jaren, het volume stijgt op een curve van kwartalen, en budgetten lopen per jaar.

Dit patroon is anderhalve eeuw oud en het loont om het goed neer te zetten in plaats van er alleen naar te wijzen. In 1865 onderzocht de econoom William Stanley Jevons een redenering die zijn tijdgenoten vanzelfsprekend vonden. De zuinigere stoommachine van James Watt haalde meer werk uit elke ton steenkool, dus zou Groot-Brittannië minder kolen gaan verbruiken. Jevons liet zien dat het omgekeerde was gebeurd: zuinigheid maakte stoomkracht goedkoper, goedkope stoomkracht maakte bedrijfstakken mogelijk die daarvoor niet uit konden, en het kolenverbruik van het land steeg juist.

Zijn punt was niet dat zuinigheid slecht uitpakt. Het was dat zuinigheid verandert wát mensen ondernemen, en dat die gedragsverandering de besparing per eenheid geregeld overspoelt.

De afstand tussen steenkool en rekenkracht is groot en het mechanisme doorstaat haar. Iets dat een tiende kost van vorig jaar wordt niet in hetzelfde volume gebruikt voor een tiende van het geld. Het wordt gericht op problemen waarvoor niemand eerder iemand zou hebben ingehuurd, door mensen die niet in de begroting stonden, in hoeveelheden die niemand had doorgerekend. Daar komt bij dat de zware taken alleen bij hogere budgetten afkomen, zoals het vorige hoofdstuk liet zien, dus stijgt ook het bedrag per taak zodra mensen doorhebben dat het helpt.

Wat wél nieuw is, is het tempo. Jevons beschreef een verschuiving over decennia. Deze arriveert binnen één boekjaar, en daarom komt de financiële afdeling hem tegen als een verrassing in plaats van als een trend.

08

6. Rantsoeneren, en waarom het de verkeerde helft raakt

De reacties die wij tot nu toe zien vallen in drie soorten uiteen, en geen van drieën is bevredigend.

Het plafond is de eerste en de zichtbaarste. Wij rekenen dat van Uber liever om naar werk dan dat we het als bedrag laten staan, en ik heb die omrekening gemaakt omdat niemand die erover schreef het had gedaan. Bij de gemeten $1,94 tot $2,09 per afgeronde programmeertaak koopt vijftienhonderd dollar tussen de 718 en 773 taken per maand. Verdeeld over 21 werkdagen is dat 34 tot 37 taken per dag.

Voor iemand die de hele dag met een agent werkt is dat een echte grens. Voor iemand die hem twee keer per week aanzet bestaat hij niet. Precies daar wringt het: één getal per hoofd knijpt bij de kleine groep die zijn manier van werken heeft omgegooid, en dat zijn vaak de mensen die de meeste waarde maken. Ondertussen blijft de verspilling uit hoofdstuk 2 volledig ongemoeid. Zit de helft van je rekening in contextbeheer, dan pakt een plafond de verkeerde helft.

Samenvoegen is de tweede reactie. Microsoft haalde zijn ontwikkelaars van een extern hulpje af en zette ze op eigen gereedschap, wat het bedrijf presenteerde als standaardiseren en wat samenviel met het einde van een boekjaar. Beide lezingen zijn waarschijnlijk tegelijk waar. Wie het omhulsel in eigen hand krijgt, krijgt volgens de meting van Databricks grip op maximaal de helft van de kosten.

De derde is rantsoeneren door toewijzen, en daar beweegt het naartoe. Aaron Levie van Box schreef in april, na een reeks gesprekken met technologieverantwoordelijken bij grote bedrijven, dat die hun budgetten een jaar vooruit vastzetten en nu echte afwegingen maken over hoe ze rekenkracht intern verdelen. Eén bedrijf overwoog een soort pitchronde om rekenbudget. Dat is een verslag van gesprekken en geen meting, en het komt overeen met wat wij horen.

Wat geen van de drie doet is waarde meten. Eric Glyman van Navan, die uitgavenbeheer verkoopt en hier dus belang bij heeft, stelt dat het probleem niet uitgeven is maar blind uitgeven: een verkoopteam telt gekwalificeerde leads en een serviceteam opgeloste gesprekken, terwijl een tokenteller alleen zegt dat de meter liep. Die waarneming klopt wat ons betreft. Zijn onderbouwende cijfers dragen wij niet, want die komen uit zijn eigen klantenbestand zonder vermelde methode.

09

7. De dag die niemand inplant

Alles hierboven loopt uit op één praktisch ongemak. De bedrijfstak offreert in de verkeerde eenheid en publiceert kunde zonder het budget dat haar heeft voortgebracht. Dat is niet te repareren met een betere leverancierskeuze.

Wat het wél repareert is meten op je eigen werk. De bevinding van Databricks bestaat alleen doordat ze op hun échte codebasis hebben gemeten en niet op een openbare testverzameling, en de omkering die ze vonden staat op geen enkele prijslijst. Een organisatie die twintig representatieve taken door twee combinaties van model en omhulsel haalt, en per taak noteert wat het kostte en of het af kwam, weet meer over haar eigen uitgaven dan uit alle gepubliceerde vergelijkingen bij elkaar. Het kost ongeveer een dag van één ingenieur.

Dat een dag volstaat komt doordat de spreiding die je meet zo groot is. Ligt er een factor twee tussen twee omhulsels en kan het verschil tussen een goedkoop en een duur model de verkeerde kant op vallen, dan zijn twintig taken ruim genoeg om het te zien zonder dat het een project wordt. De faalvorm hier is niet statistisch. Het is dat niemand die dag in de agenda zet.

Er zit bovendien een tweede opbrengst aan die wij hoger aanslaan dan de besparing zelf. Een team dat kosten per afgeronde taak op eigen werk heeft gemeten, heeft en passant moeten vastleggen wát er als afgeronde taak telt. Die definitie schrijven de meeste AI-programma's nooit op, en het is dezelfde definitie die je nodig hebt om te kunnen zeggen of hier iets van werkt. De meting betaalt zich twee keer terug: één keer bij de inkoop en één keer in het veel moeilijkere gesprek over waarde.

Overigens bestaat een deel van dat gereedschap al. Artificial Analysis, dat modellen openbaar vergelijkt, rekent met een gemengde prijs op een verhouding van zeven op twee op één tussen cachetreffers, invoer en uitvoer, en publiceert daarnaast een prijs per taak. Dat is de goede vorm.

10

8. Wat er in een contract hoort te staan

Bij inkoop wordt dit beheerst of te laat ontdekt, en het gangbare contract voor agent-gereedschap is geschreven voor een andere kostenstructuur.

De meeste bedrijfssoftware koop je per werkplek, en een werkplek is voorspelbaar. Een werkplek kost hetzelfde bij één keer per week en bij de hele dag, waardoor de jaarpost vooraf bekend is en de omzet van de leverancier vlak loopt. Bij prijzen op verbruik keert elke eigenschap daarvan om: de koper draagt de schommeling, de omzet van de leverancier groeit mee met het enthousiasme van de koper, en niemand kent het getal voordat het kwartaal dicht is.

Vier dingen volgen daaruit, en wij hebben er vrijwel geen van in een overeenkomst zien staan.

Een benoemde eenheid. Rekent het contract in tokens, dan gaat de koper akkoord met een hoeveelheid die de software van de leverancier deels zelf bepaalt, want hoofdstuk 2 liet zien dat het omhulsel vaststelt hoeveel context er per beurt opnieuw meegaat. Worden afgeronde taken beprijsd, of op zijn minst gerapporteerd, dan ligt de prikkel tot zuinigheid bij de partij die de zuinigheid bepaalt.

Zicht vóór de factuur. De mededeling bij Uber was niet dat de uitgaven hoog waren, maar dat er vier maanden voorbij waren. Een verbruiksrapportage die maandelijks komt, uitgesplitst naar team en naar soort taak, maakt van een schok een trend. Het kost de leverancier vrijwel niets en er wordt zelden om gevraagd.

Het recht om te verleggen. Wie zich op één model vastlegt kan niets met de bevinding uit hoofdstuk 1, namelijk dat het goedkoopste model per token geregeld het duurste per taak is en soms ook nog het minst afmaakt. De waarde van het kunnen verplaatsen van een soort werk naar een ander model is precies het verschil tussen die twee cijfers, en alleen wie hem niet heeft weggetekend beschikt erover.

En het budget bij elke capaciteitsclaim. Na het werk van het Britse instituut is een testscore zonder bijbehorend tokenbudget geen getal dat een inkooptraject overleeft. Ernaar vragen is redelijk, het antwoord past op één regel, en hoe een leverancier reageert zegt op zichzelf al iets.

11

9. Waar de cijfers vandaan komen

Dit onderwerp heeft hetzelfde structurele probleem dat ons dossier over synthetische media beschreef bij de fraudecijfers, dus de herkomst krijgt hier een eigen hoofdstuk.

De sterkste getallen komen van partijen die hun eigen systeem meten en hun methode erbij zetten. Databricks meet op zijn eigen codebasis; het Britse instituut publiceert evaluatiebudgetten naast de uitkomsten. Zulke partijen hebben een prikkel om voorzichtig te zijn, want hun reputatie hangt aan herhaalbaarheid.

De zwakste komen van leveranciers van kostenbeheersoftware die hun eigen klantdata beschrijven. De bewering dat het bovenste kwart van de AI-uitgevers zijn omzet verdubbelde terwijl het onderste kwart vlak bleef, hoort daar. Het voorbeeld dat tien procent van een rekening van tien miljoen dollar verleggen ongeveer een miljoen bespaart is een rekensom en geen waarneming. Beide staan hier als standpunt en niet als bevinding.

Eén cijfer verdient een aparte waarschuwing, en ik heb er een uur aan besteed omdat het vaker geciteerd wordt dan welk ander getal in dit onderwerp ook. Die 281 miljard tokens bij Meta is de zwaarste individuele gebruiker over dertig dagen. Het is geen gemiddelde, geen team en geen doorsnee-ingenieur. De verdeling erachter heb ik nergens gepubliceerd gevonden, wat betekent dat niemand die het citeert weet of de op één na zwaarste gebruiker op tweehonderd miljard zat of op twee. Het gaat rond alsof het beschrijft hoe er normaal gewerkt wordt, en ik ben het inmiddels op drie plekken zo tegengekomen.

12

10. Wat een Nederlandse organisatie nu doet

Vier bewegingen, en de eerste heeft vrijwel niemand gemaakt.

Verander de eenheid vóór je de leverancier verandert. Wij zouden ophouden met uitgaven per token bij te houden en beginnen met uitgaven per afgeronde taak, per team. Dat getal is te bouwen uit gegevens die de meeste organisaties al hebben. Zolang het niet bestaat wordt elke discussie over de vraag of dit te duur is gevoerd in een eenheid die niemand koopt.

Toets het omhulsel, niet alleen het model. Wij zouden hetzelfde model door twee omhulsels halen op twintig eigen taken en de kosten per afgeronde taak vergelijken. Ligt het verschil in de buurt van de factor twee die Databricks vond, dan is dat de goedkoopste besparing die er is, en er hoeft geen leverancier voor te wisselen.

Zet budgetten per soort taak in plaats van per persoon. Een plafond per hoofd behandelt een samenvatting van twee minuten en een verbouwing van een halve dag als dezelfde aankoop. Omdat zware taken alleen bij hogere budgetten afkomen, hongert zo'n vlak plafond juist het werk uit met de meeste waarde.

En vraag bij elke leverancier naar het budget achter de benchmark. Een capaciteitsclaim zonder vermeld tokenbudget is er een die wij niet kunnen beoordelen, en dat is een redelijke vraag om te stellen.

Eén opmerking die specifiek voor Nederlandse organisaties geldt, en die met inkoopcultuur te maken heeft. Nederlandse bedrijven zijn goed in het uitonderhandelen van tarieven en gewend om leveranciers op prijs te vergelijken. Dat is precies de vaardigheid die hier het minst oplevert, want het tarief is de kleinste van de drie vermenigvuldigers en de enige die op de offerte staat. Een inkoper die vijftien procent van het tarief afhaalt en vervolgens een omhulsel meekrijgt dat twee keer zoveel context meestuurt, heeft de onderhandeling gewonnen en de rekening verdubbeld.

Bij aanbestedingen in de publieke sector speelt hetzelfde met meer gewicht, omdat daar een prijs per eenheid meestal in het bestek staat en die eenheid dan voor de looptijd vastligt. Wordt die eenheid de token, dan is er voor jaren getekend voor een hoeveelheid die de leverancier deels zelf bepaalt.

13

11. Waar wij het mis kunnen hebben

De prijzen kunnen harder blijven dalen dan het gebruik groeit. Ons hele betoog gaat ervan uit dat de drie vermenigvuldigers de prijsdaling voorblijven. Zakken de kosten nog drie jaar met 60 tot 70 procent per jaar terwijl agents zuiniger worden, dan lost dit zichzelf op zonder dat iemand het beheert, en leest dit dossier als paniek over een tijdelijke krapte.

Databricks is één bedrijf met één codebasis. De omkering van prijs per token naar prijs per taak en de factor van het omhulsel zijn hier de dragende bevindingen, en allebei komen ze uit één technisch verslag over het interne werk van één organisatie. Ze komen overeen met wat wij zien, en ze zijn nog niet onafhankelijk herhaald.

Het verband tussen budget en kunde geldt misschien niet waar het commercieel telt. Het Britse instituut mat op toetsen die expres zwaar zijn. Het meeste agent-werk in bedrijven is dat niet; het is opzoeken, samenvatten en formulieren invullen, en daar koopt een hoger budget mogelijk niets. Als dat zo is, dan is onze derde vermenigvuldiger echt in het laboratorium en vrijwel betekenisloos op een gedeelde serviceafdeling.

En de plafonds werken misschien gewoon. Wij hebben het rantsoeneren neergezet als grof gereedschap. Het kan best dat het plafond van Uber mensen scherper heeft laten nadenken over hun opdrachten, tegen nauwelijks verlies aan resultaat, en dat het botte middel het juiste was. Niemand die hierover publiceert heeft de gegevens om dat te zeggen, en wij evenmin.

14

12. Waar wij op letten

Of iemand kosten per afgeronde taak gaat publiceren. De eenheid bestaat en Artificial Analysis rekent er een versie van uit, maar geen enkele grote leverancier offreert erin. Wie het als eerste doet maakt vergelijken mogelijk, en zal het vermoedelijk doen omdat die vergelijking hem goed uitkomt.

Of evaluatiebudgetten in de capaciteitsrapportage komen. Het Britse instituut heeft het argument gemaakt. Of system cards een tokenbudget naast een testscore gaan zetten is de enige verandering die gepubliceerde capaciteitscijfers bruikbaar maakt.

Of zuinigheid van het omhulsel een concurrentiepunt wordt. Zit er een factor twee in contextbeheer, dan zou je verwachten dat raamwerken gaan concurreren op tokens per afgeronde taak. In augustus zien wij dat nergens geadverteerd.

En wat er gebeurt bij de begrotingsronde voor 2027. Die loopt nu, in het eerste jaar waarin organisaties echte verbruiksgegevens hebben. Of budgetten per hoofd, per soort taak of helemaal niet worden gezet, vertelt hoe snel dit van een verrassing een beheerste post is geworden.

15

13. Verantwoording en bronnen

Grafieken met het label "BFF" zijn van ons, getekend uit de bronnen die eronder staan.