Steeds meer AI-modellen: zo zorg je dat je niet vastzit aan één leverancier

In vijf dagen kwamen er drie nieuwe topmodellen bij

Als je het AI-nieuws probeert bij te houden, word je daar een beetje moe van. In één week tijd, medio juli 2026, lanceerde xAI zijn nieuwe Grok 4.5, dat volgens de makers net zo goed is als het duurste model van Anthropic maar een stuk goedkoper. Tegelijk kwamen er twee zogeheten "open" modellen bij, Kimi K3 en Inkling, die je in principe op je eigen server kunt draaien.

Voor een ondernemer roept dat vooral één vraag op: moet ik nu weer iets nieuws? Het korte antwoord is nee. Maar er zit wel een les onder deze nieuwsstroom die geld waard is. Namelijk dat je automatisering blijft werken als je jezelf niet aan één aanbieder hebt vastgeklonken en vastloopt als je dat wel doet.

Waarom die keuze-explosie juist goed nieuws is

Een paar jaar geleden was er in de praktijk één serieuze keuze voor bedrijven. Nu zijn er meerdere modellen die elkaar op de hielen zitten en dat drukt de prijs. Grok 4.5 kost bijvoorbeeld een fractie van wat een topmodel vorig jaar kostte, voor vergelijkbaar werk.

En het gaat door: kort hierna verscheen een topmodel dat de helft goedkoper werd dan de duurste variant, waarbij je per taak kunt kiezen hoe zwaar de AI werkt. Dat betekent concreet dat de dingen die je vandaag misschien te duur vindt om te automatiseren, over een paar maanden ineens wel uit kunnen. Een AI die elke inkomende e-mail leest en sorteert, elke offerteaanvraag samenvat of elk supportbericht een eerste antwoord geeft: die rekensom valt steeds vaker positief uit.

Eén nuance daarbij, want de beweging gaat niet alleen omlaag. In augustus 2026 kondigde Anthropic een prijsverhoging aan voor een van zijn modellen en draaide die na kritiek weer terug. Reken dus niet op een prijs die vanzelf blijft zakken. Reken erop dat prijzen bewegen, in beide richtingen en zorg dat je kunt meebewegen. Datzelfde geldt voor de ruimte binnen je abonnement, want ook het tegoed dat je per week krijgt kan krimpen zonder dat je zelf iets verandert.

De valkuil is dat veel bedrijven een automatisering bouwen die letterlijk vastzit aan één model. Zakt de prijs bij een concurrent, of stopt jouw leverancier ineens met een model, dan kun je geen kant op. Dan profiteer je niet van de daling en loop je bij een storing meteen vast.

Vastzitten aan één AI is een risico, geen luxe-probleem

Modellen komen en gaan tegenwoordig in een tempo van weken. Een model dat vandaag jouw favoriet is, kan over twee maanden duurder, trager of zelfs uit de lucht zijn. We schreven daar eerder over in wat als je AI-model morgen offline gaat en die vraag is met de huidige nieuwsstroom alleen maar actueler geworden.

De oplossing is eenvoudig, als je er bij het bouwen bewust voor kiest. Zorg dat je automatisering kan wisselen van model zonder alles opnieuw te bouwen. Tools als n8n en Claude Code laten je precies dat doen: de logica van je proces staat los van het model dat het werk uitvoert. Zakt de prijs ergens, of valt een aanbieder weg, dan zet je een ander model erachter en draait alles gewoon door.

Wat er sinds juli 2026 is veranderd

De modellen uit de opening van dit stuk zijn inmiddels alweer ingehaald. Op 1 september 2026 bracht Anthropic een opvolger uit van zijn topmodel, die volgens de eigen prijslijst ongeveer een kwart goedkoper uitpakt voor gewoon werk en tot bijna de helft voor werk waarbij de AI lang doorwerkt aan één klus. Dat is precies de prijsdaling waar dit stuk over gaat.

Interessanter dan de prijs is wat er daarna gebeurde, want dat laat het echte vastzit-risico zien. Twee dingen tegelijk:

• De standaardkeuze schoof op. In de ontwikkeltool van dezelfde leverancier werd het nieuwe model dezelfde dag de standaard. Wie niets instelt, draait dus vanaf dat moment op iets anders dan gisteren. Dat is meestal prima, maar het is wel goed om te weten dat het gebeurt zonder dat jij iets doet.
• Niet alles ging tegelijk mee. Omgevingen die via een tussenlaag van hun eigen organisatie werken, bleven voorlopig op het oude model draaien omdat die tussenlaag het nieuwe nog niet accepteerde. Precies daar zie je waar de afhankelijkheid zit: bij een schakel ertussen.

De les is niet dat je elke lancering moet volgen. De les is dat je wilt kunnen zien welk model er onder jouw automatisering draait en dat je dat zelf moet kunnen kiezen. Zet dat ergens vast, ook al is het maar een regel in een document: welke automatisering draait op welk model en wie kijkt daarnaar als er iets verandert.

Goedkoop voor het routinewerk, duur voor de uitzonderingen

Niet elk stukje werk heeft het duurste model nodig. Het meeste dagelijkse werk is redelijk voorspelbaar: een e-mail in de juiste categorie zetten, een bedrag uit een factuur halen, een korte samenvatting maken. Dat kan prima met een goedkoop of zelfs gratis model.

De verstandige aanpak is daarom een soort tweetrapsraket:

1. Een goedkoop, snel model voor het routinewerk dat vaak voorkomt en weinig fout kan gaan.
2. Een duurder, slimmer model voor de uitzonderingen, de gevallen waar het echt op precisie of nuance aankomt.

Zo betaal je alleen top-tarief voor het werk dat het waard is en houd je de rekening voor de rest laag. We gingen daar dieper op in bij een goedkoop AI-model, let op je data. En dat brengt ons meteen bij het belangrijkste voorbehoud.

"Open" en "goedkoop" klinkt mooi, maar check waar je data heen gaat

De nieuwe open modellen klinken aantrekkelijk: krachtig en in principe zelf te draaien. Maar let op één ding. Kimi K3 komt bijvoorbeeld van een Chinees bedrijf. Zodra je zakelijke of klantgegevens door zo'n model laat gaan via hun cloud, is de vraag waar die data terechtkomt en wat ermee gebeurt niet vrijblijvend.

Dat is geen reden voor paniek, wel voor een korte check voordat je iets in productie zet:

• Wat gaat erin? Welke gegevens stuur je precies naar het model?
• Waar staat de server? In de EU, in de VS, in China, of op je eigen machine?
• Wat gebeurt ermee? Wordt je invoer bewaard of gebruikt om het model te trainen?

Voor gevoelig werk is het antwoord vaak: kies een aanbieder met Europese hosting, of draai een open model op je eigen server zodat de data je pand niet verlaat. Juist die open modellen maken dat laatste nu voor meer bedrijven haalbaar, mits je de techniek goed inregelt.

Wat je hier concreet mee doet

Je hoeft niet mee te rennen met elke lancering. Wat wel verstandig is:

• Bouw nieuw werk model-onafhankelijk. Laat de logica van je proces los staan van het model, zodat wisselen later een kwestie van minuten is.
• Splits je werk in goedkoop en duur. Zet het routinewerk op een voordelig model en bewaar het dure model voor de lastige gevallen.
• Doe de datacheck vóór je live gaat. Zeker bij een nieuw of goedkoop model: weet waar je data heen gaat en kies de hosting die daarbij past.
• Meet of het klopt. Houd bij hoeveel tijd of fouten je bespaart, zodat je weet of een goedkoper model écht net zo goed werkt voor jouw geval.
• Schrijf op welk model waar draait. Eén regel per automatisering is genoeg. Zonder dat lijstje merk je een wissel pas als er iets niet meer werkt.

De rode draad is dezelfde als altijd: begin klein, bouw zo dat je kunt wisselen en zorg dat er een mens meekijkt op de punten die ertoe doen. Dan is elke nieuwe modellenlancering gewoon een kans om je automatisering goedkoper of beter te maken.

Benieuwd hoe je jouw automatisering zo opzet dat je niet aan één AI vastzit? We kijken het graag samen met je door.