Googles omstreden switch naar compute-gebaseerde Gemini-limieten: wat er veranderde en waarom gebruikers terugduwden

Vanaf 17 mei 2026 verving Google die limieten door een systeem dat compute-verbruik bijhoudt in plaats van het aantal berichten.

In het nieuwe model hangt het gebruik af van verschillende factoren:

• De complexiteit van de prompt
• De gebruikte modellen of functies (zoals geavanceerd redeneren of media genereren)
• De lengte van het gesprek

In plaats van dagelijkse resets, worden quota nu elke vijf uur ververst totdat een wekelijkse limiet wordt bereikt.

Dit betekent dat een korte tekstuele vraag weinig quota verbruikt, terwijl een lang gesprek met geavanceerde tools of codeerhulp het budget snel kan uitputten. Volgens Google geeft deze aanpak beter weer dat sommige AI-taken veel meer rekenkracht vereisen dan andere.

Hoe de nieuwe limieten gratis en betaalde abonnementen beïnvloeden

Het compute-gebaseerde systeem geldt voor alle abonnementsniveaus van Gemini, maar elk abonnement krijgt een ander gebruiksbudget.

Volgens de ondersteuningsdocumentatie van Google:

• Gratis gebruikers: krijgen standaard compute-limieten.
• AI Plus-abonnees: krijgen ongeveer 2× hogere limieten dan het gratis niveau.
• AI Pro-abonnees: krijgen ongeveer 4× hogere limieten dan het gratis niveau.
• AI Ultra-abonnees: kunnen aanzienlijk hogere limieten krijgen, afhankelijk van het product en de gebruikte functies.

Tijdens Google I/O 2026 introduceerde het bedrijf ook het AI Ultra-abonnement van $100/maand, dat aanzienlijk hogere gebruikslimieten biedt – zoals een vijf keer hogere limiet in de Antigravity-codeeromgeving vergeleken met AI Pro.

Met andere woorden: het belangrijkste verschil tussen abonnementen is niet langer alleen de toegang tot functies, maar de hoeveelheid compute-budget die beschikbaar is voor de gebruiker.

Waarom gebruikers zo snel hun limieten bereikten

Het directe probleem was voorspelbaarheid. Onder het oude systeem konden gebruikers grofweg inschatten hoeveel prompts ze nog hadden. Met compute-quota verdween die voorspelbaarheid grotendeels.

Omdat het gebruik afhangt van de complexiteit van de taak, kunnen zware workloads het budget veel sneller opmaken dan verwacht. Voorbeelden hiervan zijn:

• Lange codeersessies
• Agent-achtige werkstromen
• Mediageneratie of geavanceerde redeneerfuncties

Uit rapporten van ontwikkelaars en gebruikers bleek dat intensieve sessies de vijf-uurslimiet of zelfs de wekelijkse limiet na slechts een paar werksessies konden uitputten.

Veel abonnees voelden zich overvallen door de verandering. Sommigen noemden de nieuwe limieten een "bait-and-switch" en betoogden dat hun betaalde abonnementen nu minder praktisch gebruik opleverden dan voorheen – ook al had Google de officiële abonnementsniveaus technisch gezien niet verlaagd.

De noodreparatie van Google: limieten verhogen

De backlash leidde tot een snelle reactie van Google, vooral binnen Antigravity, de AI-gestuurde codeertool van het bedrijf.

Binnen enkele dagen na de uitrol:

• Google verdrievoudigde de Gemini-model snelheidslimieten in Antigravity.
• Het reset de wekelijkse quota voor gebruikers zodat ze direct konden blijven werken.

Kort daarna verdrievoudigde Google de limieten opnieuw, waardoor het beschikbare compute-budget voor ontwikkelaars die de tool gebruikten verder werd uitgebreid.

De snelle aanpassingen suggereren dat Google had onderschat hoe snel real-world workflows – met name programmeren en agent-gebaseerde taken – de nieuwe quota zouden verbruiken.

Wat deze aflevering onthult over de AI-economie

De controverse benadrukt een groeiende spanning in de AI-industrie.

Moderne AI-systemen hebben geen uniforme kosten. Een kort tekstantwoord kan goedkoop zijn om te genereren, terwijl redeneren met een lange context, codeeragents of videogeneratie aanzienlijk meer rekenkracht vereisen. Dat maakt eenvoudige "aantal berichten"-limieten steeds onrealistischer voor aanbieders om vol te houden.

Compute-quota lossen de economische kant van dat probleem op – maar ze introduceren een bruikbaarheidsuitdaging. Wanneer limieten afhangen van ondoorzichtige berekeningen over complexiteit, kunnen gebruikers moeite hebben om te voorspellen hoeveel toegang ze eigenlijk hebben.

De uitrol van Gemini door Google illustreert deze afweging duidelijk: een systeem dat was ontworpen om gebruik af te stemmen op computekosten, zorgde voor verwarring bij gebruikers en leidde bijna onmiddellijk tot een backlash.

Voor AI-bedrijven die grote modellen opschalen, is de uitdaging voor de toekomst het balanceren van drie concurrerende krachten:

• Stijgende inferentiekosten voor geavanceerde AI-functies
• Duidelijke, voorspelbare limieten die gebruikers begrijpen
• Abonnementen die nog steeds waardevol aanvoelen voor betalende klanten

Naarmate AI-assistenten krachtiger – en rekenintensiever – worden, zal die balansoefening waarschijnlijk een van de bepalende productuitdagingen van de industrie worden.