Twee keer zo duur, vijf procent beter. Is dat het waard?

Claude Fable 5 is deze week gelanceerd en de prijsberekening werd snel openbaar. Ruwweg twee keer zo duur per token als zijn voorganger. Benchmark-verbeteringen in de enkele cijfers, afhankelijk van welke taak je meet. Als je een team runt dat echt API-rekeningen betaalt, verdient die verhouding een kritische blik voordat je iets migreert.

Dit is geen argument tegen het model. Het kan het beste reasoningmodel zijn dat Anthropic heeft uitgebracht. Maar "het beste" is niet hetzelfde als "het waard voor jouw workload," en het moment waarop een nieuw model gelanceerd wordt is meestal het slechtste moment om hier helder over na te denken.

De benchmark-val

Benchmarks zijn echte getallen die denkbeeldige workloads meten. Ze vertellen je hoe een model presteert op een gestandaardiseerde testsuite, wat nuttig is om modellen met elkaar te vergelijken. Ze vertellen je bijna niets over hoe een model presteert op je specifieke pipeline.

De meeste agencywork is geen PhD-niveau wiskunde of competitieve programmeren. Het is documentanalyse, gestructureerde output-generatie, tone-consistent schrijven, meertraps redenering over rommelige briefs. Deze taken bevinden zich in het midden van de capabilitydistributie, niet aan de grens. Een vijf procent winst op frontier-benchmarks kan zich vertalen in twee procent verbetering op je echte werk, of nul, of soms zelfs een teruggang op edge cases die het nieuwe model anders aanpakt.

Voordat je traffic naar een duurdere model routert, draai het op je eigen evals. Niet die van een leverancier. Je data, je prompts, je acceptatiecriteria.

Wat een verdubbeling van de prijs op schaal echt betekent

Dubbele prijs per token is geen abstractie. Laten we het concreet maken.

Als je huidige maandelijkse API-uitgaven op €2.000 liggen, kost een volledige migratie naar het nieuwe tier je €4.000, aangenomen dat het gebruik identiek is. Dat is €24.000 per jaar extra uitgaven om een marginale kwaliteitsverbetering op te vangen die je eindgebruikers of klanten misschien niet eens opmerken.

Voor een gefinancierd startupof een groot enterprise is dat getal niets. Voor een boutique-agencymet vijf tot vijftien live AI-pipelines is het een betekenisvol posten op de begroting. De vraag is niet of Fable 5 beter is. Het is of dat verschil meer waard is dan wat je anders met €24.000 per jaar zou doen: nog een engineer, een fatsoenlijk evaluation framework, drie clientworkshops die je productrichting echt scherpen.

Cost-per-token is ook niet het hele plaatje. Fable 5 is waarschijnlijk sneller en betrouwbaarder op complexe chains, wat latency en retry-kosten vermindert. Dat zijn echte besparingen. Modelprijs en totale pipeline-kosten zijn verschillende getallen. Reken het tweede uit.

De juiste architectuur maakt de modelkeuze minder belangrijk

Hier is de contraire positie. Als een enkele modelupgrade de economie van je product dramatisch verandert, is je architectuur waarschijnlijk te fragiel.

Goed gebouwde AI-systemen gebruiken routing. Goedkope, snelle modellen verwerken high-volume, low-stakes taken: classificatie, samenvatting, eerste-ronde extractie. Dure, capable modellen verwerken de nauwe verzameling taken waar kwaliteit het resultaat echt beïnvloedt: eindtelling, genuanceerde beoordelingsoproepen, alles wat een client direct zal lezen en actie op zal ondernemen.

Een routinglaag betekent dat je niet topmodeltarieven betaalt voor elk token in een pipeline met 10.000 calls. Het betekent ook dat je een abstractiepunt hebt waar je modellen onafhankelijk kunt wisselen, A/B-tests kunt uitvoeren en kunt reageren op prijsveranderingen zonder alles opnieuw op te bouwen.

De meeste teams slaan deze architectuur over omdat het langer duurt om te bouwen. Ze betalen ervoor later, ofwel in ongecontroleerde API-rekeningen ofwel in geforceerd migratiewerk elke keer als een nieuwe modelgeneratie arriveert.

Als de premie echt gerechtvaardigd is

Er zijn echte scenario's waar je voor het beste beschikbare model moet betalen, kosten doet er niet toe.

Als de kernwaardepropositie van je product de kwaliteit van een enkele, high-stakes output is en gebruikers betalen voor precies die kwaliteit, dan is modelcapabiliteit je product. Een juridisch onderzoekstool. Een medische documentatieassistent. Een contract-analysepipeline waar een gemiste clausule echte gevolgen heeft. In die gevallen heeft het najagen van marginale kwaliteitsverbeteringen commercieel zin omdat de kwaliteitsmarge de winstmarge is.

Dezelfde logica geldt tijdens vroege prototyping. Gebruik het beste model om vast te stellen wat eigenlijk mogelijk is. Zodra je het plafond weet, kun je terug-engineeren om het goedkoopste model te vinden dat je kwaliteitsnorm haalt. Veel teams doen dit andersom: start goedkoop, voel de pijn, upgrade alles. Duur starten en dan optimaliseren is efficiënter.

De derde gerechtvaardigd geval is competitieve differentiatie. Als je output-kwaliteit aantoonbaar beter is dan die van een concurrent die een ouder model gebruikt, en je klanten kunnen dat verschil opmerken, heb je een prisingargument. Maar je moet verifiëren dat de klant het echt opmerkt. Vaak doen ze dat niet.

Wat je deze week echt moet doen

Fable 5 is geen reden om in paniek te raken of te juichen. Het is een aansporing om werk te doen dat de meeste teams overslaan.

Audit welke taken in je pipeline echt frontier-level reasoning vereisen en welke niet. Voor de taken die dat wel doen, draai Fable 5 tegen je echte acceptatiecriteria en meet het werkelijke verschil. Voor de taken die dat niet doen, route ze naar iets goedkopers en stuur de besparingen om.

Als je nog geen model-agnostische abstracties hebt gebouwd, is de lancering van een nieuwe modelgeneratie een goed dwingende reden. De volgende komt in zes maanden. Daarna in nog eens zes. Telkens zul je met dezelfde vraag worden geconfronteerd: blijf op de huidige tier, upgrade alles, of heb je de architectuur om de beslissing chirurgisch te nemen.

Twee keer zo duur voor vijf procent beter is een slechte deal als je het in bulk koopt. Het kan een goede deal zijn voor de tien procent van je workload waar die vijf procent echt telt.