Wat zijn tokens in AI?

Een token is een stukje van een woord, geen woord

Modellen lezen geen letters en geen woorden. Voordat je bericht het model bereikt, splitst een tokenizer het op in stukjes uit een vaste woordenschat van tienduizenden fragmenten. Veelvoorkomende woorden zijn één token. Zeldzame woorden zijn twee of drie. "De" is één token; "tokenisatie" is meestal twee of drie; een lange URL kan er tientallen zijn.

De vuistregel die OpenAI publiceert voor Engelse tekst: één token is ongeveer vier tekens, of ongeveer driekwart woord. Dus 100 tokens is ruwweg 75 woorden, en 1.000 tokens is anderhalve pagina.

Twee dingen laten het aantal afwijken. Code is dichter, dichter bij één token per drie tekens, vanwege symbolen en inspringing. En talen die minder vertegenwoordigd zijn in de trainingsdata van de tokenizer kosten meer: dezelfde betekenis in het Thai, Hindi of Arabisch kan twee tot drie keer zoveel tokens kosten als de Engelse versie, wat ertoe doet als je per token betaalt en in een van die talen schrijft.

Je kunt het zelf zien. Plak willekeurige tekst in de tokenkostencalculator en die toont het aantal en de prijs per model.

Inputtokens en outputtokens zijn twee verschillende prijzen

Elk bericht heeft twee helften. Inputtokens zijn alles wat het model leest: jouw vraag, de systeeminstructies, het gesprek tot nu toe, elk bestand dat je hebt bijgevoegd. Outputtokens zijn wat het model terugschrijft.

Aanbieders rekenen de twee tegen verschillende tarieven, en het verschil is niet klein. De tabel toont de catalogusprijs per miljoen tokens uit de AI-modelkostenindex, met prijzen opgehaald bij OpenRouter op 2026-08-20.

Output is duurder door hoe het model werkt. Het lezen van de input gebeurt in één parallelle doorloop over alle tokens tegelijk. Het schrijven van de output gebeurt één token per keer, waarbij elk nieuw token weer een volledige doorloop door het hele model vereist. Een antwoord van 500 tokens is 500 opeenvolgende doorlopen.

Wat een echt bericht kost, stap voor stap

Neem een typische uitwisseling: een vraag van 300 woorden met een alinea context, beantwoord in 400 woorden. Dat is ongeveer 400 inputtokens en 530 outputtokens.

• Op GPT-5.6 Luna: 400 × $0.20 per miljoen plus 530 × $1.20 per miljoen, dat is $0.00008 plus $0.00064, ongeveer $0.0007. Zeven honderdsten van een cent.
• Op Claude Sonnet 5: 400 × $2 plus 530 × $10, per miljoen, dat is $0.0008 plus $0.0053, ongeveer $0.006. Net iets meer dan een halve cent.
• Op GPT-5.5: 400 × $5 plus 530 × $30, per miljoen, dat is $0.002 plus $0.0159, ongeveer $0.018. Bijna twee cent.

Let op dat de outputhelft in elke rij 80 tot 90 procent van de rekening is. De vorm van het bericht, niet alleen het model, bepaalt de kosten: een vraag van één regel die om een essay van 2.000 woorden vraagt, is het dure patroon, en een lang document met een vraag van één regel erover is het goedkope patroon bij hetzelfde model.

Zoom uit en de spreiding over de hele catalogus is het echte verhaal. Elk geprijsd model in de AI-modelkostenindex staat op de lijn hieronder naar wat één standaardantwoord kost. Het goedkoopste, Ling-3.0-flash, is $0.000053; het duurste, Claude Opus 4.7 in zijn snelle modus, is $0.105: ruwweg 2.000 keer uit elkaar voor dezelfde 1.500 tokens.

De andere vermenigvuldiger is geschiedenis. In een chat leest het model het hele gesprek opnieuw bij elke beurt, dus het aantal inputtokens groeit met elk bericht. Een gesprek van 40 beurten stuurt het eerste bericht 40 keer. Daarom vertragen lange threads en daarom is wat is een contextvenster de limiet die je uiteindelijk raakt.

Waarom een abonnement de meter verbergt maar niet wegneemt

Consumentenplannen rekenen een vast maandbedrag, en onder die vergoeding telt elke aanbieder nog steeds tokens. Het aantal komt naar boven als berichtlimieten, de "je hebt je limiet bereikt"-muur, en de stille overstap naar een kleiner model wanneer het budget opraakt.

Whizi meet het andersom. Elk model heeft een vaste creditprijs per bericht: 1 credit voor het huismodel, 10 voor Claude Sonnet 5, 20 voor Claude Opus 5 en GPT-5.5, en 100 helemaal bovenaan de ladder. Het getal hangt nooit af van hoe lang je bericht of het antwoord was. De ladder is verankerd aan een echte tokenbeurt, 3.000 tokens in en 800 uit op het huismodel, wat ongeveer $0.00156 kost aan aanbiedersuitgaven en één credit definieert. Hoe Whizi-credits werken heeft de volledige tabel.

De afweging is bewust. Een meter per token is exact en onvoorspelbaar; een credit per bericht is licht gul voor lange berichten en licht krap voor korte, en je weet altijd de prijs voordat je op verzenden drukt.

Tokens zijn ook de capaciteitslimiet

De tweede reden dat tokens ertoe doen is capaciteit. Elk model heeft een contextvenster gemeten in tokens: het maximum dat het tegelijk kan overwegen, input en output samen. Claude Haiku 4.5 houdt 200.000 tokens vast. GPT-5.6 Terra, Claude Sonnet 5 en Gemini 3.7 Flash houden ongeveer 1 miljoen vast. Bij 750 woorden per 1.000 tokens is een miljoen tokens ruwweg 750.000 woorden, oftewel ongeveer 1.500 pagina's.

Het venster is niet gratis. Het vullen ervan kost inputtokens bij elke beurt, dus een document van 300.000 tokens waar tien vragen over gesteld worden is 3 miljoen inputtokens, wat $6 is op Claude Sonnet 5 tegen catalogusprijs. Retrieval, waarbij de app het document doorzoekt en alleen de relevante pagina's stuurt, bestaat om precies die rekening te vermijden. Wat is RAG legt het mechanisme uit, en vergelijking van contextvensters heeft de limiet van elk model in één tabel. Stuur de pagina's die de vraag nodig heeft, nooit het hele bestand.