GPT-5.6: waarom 27% goedkoper de verkeerde reden is om te migreren

Een ontwikkelteam zette vorige week zijn productie-agent over naar GPT-5.6 en rapporteerde het resultaat: 2,2x sneller en 27% goedkoper. Het bericht ging vlot rond, en ik snap waarom. Wie een AI-rekening heeft, leest "27% goedkoper" en denkt meteen aan besparing.

Ik ga u een impopulair standpunt geven. Voor de meeste MKB'ers is die 27% precies de verkeerde reden om te migreren. Niet omdat het onwaar is, maar omdat het een korting is op een bedrag dat in uw geval waarschijnlijk klein is. U optimaliseert dan de verkeerde regel op de rekening.

Laat ik het voorrekenen, want dat is mijn vak.

Waar uw AI-rekening écht uit bestaat

Als u AI inzet in uw bedrijf, zitten uw kosten in drie potjes. Het eerste is het modelverbruik: de tokens die u per verzoek betaalt aan OpenAI of Anthropic. Het tweede is de bouw en het onderhoud: het bureau of de developer die de koppeling maakt en draaiend houdt. Het derde, en verreweg het grootste, is uw eigen tijd en die van uw mensen: het nakijken, corrigeren en wachten op output.

Die 27% korting raakt alleen dat eerste potje. En bij een gemiddeld MKB-bedrijf is dat eerste potje het kleinste van de drie.

Draait u alles via een vast abonnement, zoals ChatGPT Business of Microsoft 365 Copilot? Dan betaalt u sowieso een vaste prijs per gebruiker per maand. De tokenprijs van het onderliggende model verandert uw factuur dan geen cent. Sinds deze week draait Copilot standaard al op GPT-5.6, zonder dat u iets migreert of iets extra betaalt.

Reken die 27% eens om naar euro's

De nieuwe familie kent drie maten: Luna ($1 / $6 per miljoen tokens), Terra ($2,50 / $15) en Sol ($5 / $30). De meeste bedrijfstoepassingen draaien prima op de middenmaat.

Neem een webshop die AI inzet voor klantenservice en productteksten. Zeg 2.000 verzoeken per maand, gemiddeld 1.500 tokens in en 800 tokens uit. Op Terra komt dat neer op ongeveer $31 per maand, grofweg €29.

27% korting daarop is rond de €8 per maand. Acht euro. Dat is minder dan één keer nakijken van een verkeerde offerte door uw administratief medewerker. Zelfs als u tien keer zoveel volume draait, praat u over een besparing van ongeveer €20 per maand.

Ik ga geen migratie plannen, geen prompts hertesten en geen risico nemen voor €8 per maand. En u zou dat ook niet moeten doen. Dat is geen businesscase, dat is een afrondingsverschil.

De 2,2x is wél het getal dat telt

Het andere getal uit datzelfde bericht krijgt veel minder aandacht, terwijl het het interessante is: 2,2x sneller. Snelheid vertaalt zich namelijk wél naar het grote potje, uw tijd.

Denk aan een installatiebedrijf dat offertes laat opstellen door een AI-assistent. Duurt dat nu 40 seconden per stuk en straks 18, dan is dat op zichzelf niks. Maar de calculator die erop zit te wachten, is duur. En bij een klantenservice die live meeschrijft, bepaalt die snelheid of een klant blijft hangen of wegklikt.

Snellere modellen laten u bovendien meer stappen achter elkaar zetten binnen dezelfde wachttijd. Een agent die drie keer moet nadenken voordat hij antwoordt, wordt bij 2,2x sneller ineens bruikbaar in plaats van irritant traag. Dáár zit de winst, niet in de €8.

Mijn stelling: beoordeel een nieuw model op wat het doet met de tijd van uw mensen, niet op de tokenprijs. De tijd is tien tot honderd keer duurder dan de tokens.

De valkuil: migreren is nooit gratis

Nu de nuance, want anders wordt dit ook AI-slop. Het team dat die 27% haalde, deed iets wat de meeste MKB'ers overslaan: het mat. Ze hadden een testset, ze vergeleken de output van oud en nieuw, en ze zagen wat er beter en slechter werd.

Een model wisselen is namelijk niet "de naam aanpassen en klaar". Prompts die u maandenlang heeft bijgeschaafd voor het oude model, kunnen op het nieuwe subtiel anders reageren. De toon verschuift, een vast antwoordformaat valt weg, een koppeling die JSON verwachtte krijgt ineens net iets anders terug.

Wie blind overstapt voor een korting, ruilt €8 besparing in voor een halve dag debuggen als er iets stuk gaat. Dat is een negatieve businesscase, en precies de fout die ik ondernemers zie maken zodra er een glimmend nieuw model verschijnt.

Wanneer die 27% wél het verschil maakt

Er is een groep voor wie het verhaal omdraait, en dat is eerlijkheidshalve belangrijk. Bouwt u zélf een product waar AI in het hart zit, een tool die duizenden of miljoenen keren per dag een model aanroept, dan compoundt die 27% keihard.

Bij een verbruik van €4.000 per maand is 27% ineens meer dan €1.000 per maand, ruim €13.000 per jaar. Op dat volume verdient een zorgvuldige migratie zichzelf in een week terug. En dan telt de 2,2x snelheid daar nog eens bovenop, want die verlaagt ook uw serverkosten en verhoogt uw capaciteit.

De grens is dus simpel: bent u gebruiker of bouwer? Gebruikt u AI via abonnementen en lichte koppelingen, dan is de tokenprijs ruis. Bouwt u een product op tokens, dan is elke procent een echte marge.

Wat u maandag doet

Geen migratie plannen. Eerst uw eigen cijfers op tafel. Pak uw laatste maandfactuur van OpenAI of Anthropic erbij en kijk hoe groot dat modelpotje werkelijk is. Staat daar €30, dan weet u genoeg: 27% is geen argument.

Draait u op abonnementen zoals Copilot? Dan hoeft u niets te doen; het nieuwe model rolt vanzelf onder u door. Geniet van de snelheid, negeer de prijskop.

En zit u wél in het bouwer-scenario met serieus volume? Dan migreert u zoals dat team het deed: met een testset, een meting vooraf en achteraf, en pas overstappen als de output minstens zo goed is. Niet omdat het model nieuw is, maar omdat u het heeft uitgerekend.

De echte les van GPT-5.6 is niet dat het goedkoper is. Het is dat een spannend getal in een blogtitel u kan verleiden om de verkeerde kostenpost te optimaliseren. Reken eerst, migreer daarna.