AnswersPublished31 sources
Waarom AI-tokens onder 1 dollar zakten terwijl AI-uitgaven blijven stijgen
De index van Silicon Data kwam op 31 augustus 2026 uit op 0,97 dollar per miljoen tokens, de laagste stand sinds de start van de index. DeepSeek maakte een prijsverlaging van 75 procent voor zijn V4 Pro API permanent.
Gepubliceerd doorBewerkt met GPT-5.6 LunaAfbeeldingen gegenereerd met GPT Image 1.5
Research answer
Key takeaways
- De index van Silicon Data kwam op 31 augustus 2026 uit op 0,97 dollar per miljoen tokens, de laagste stand sinds de start van de index.
- DeepSeek maakte een prijsverlaging van 75 procent voor zijn V4 Pro API permanent.
- Goedkopere inferentie kan het gebruik sneller laten groeien dan de prijs daalt. Tegelijk wijst de kloof van circa 46 procent tussen AI kapitaaluitgaven en omzetgroei op grote risico’s voor rendement en monetisatie.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What caused the Silicon Data LLM Token Expenditure Index to fall below $1 per million tokens to a record low, how did Chinese AI laboratorie. Article summary: The index fell below $1 because the effective market price of inference was pushed down by cheaper open-weight Chinese models, aggressive API discounting, lower production costs, and competitive cuts by frontier provider. Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
De Silicon Data LLM Token Expenditure Index zakte op 31 augustus 2026 naar 0,97 dollar per miljoen tokens. Dat is de laagste stand sinds de index eind vorig jaar werd geïntroduceerd en minder dan de helft van de piek eerder deze zomer. 4
Die headline vraagt wel om nuance. De index meet wat de markt gemiddeld betaalt voor één miljoen inferentietokens — de kleine tekst- of data-eenheden die een AI-model verwerkt — en is gewogen naar gebruik. Het is dus geen maatstaf voor de totale AI-uitgaven of voor het totale aantal verwerkte tokens. Een dalende index laat vooral zien dat AI-inferentie per eenheid goedkoper wordt; niet automatisch dat de vraag afneemt. 2
7
8
Waarom de prijs zo snel daalde
Verschillende ontwikkelingen duwden de effectieve marktprijs tegelijk omlaag:
- Goedkopere Chinese modellen kregen meer marktaandeel. Open en goedkope modellen boden ontwikkelaars alternatieven voor dure, propriëtaire systemen. Daardoor verschoof een deel van het gebruik naar goedkopere aanbieders en daalde de gemiddelde marktprijs.
38
39
- API-prijzen werden een concurrentiewapen. Modelaanbieders gebruikten kortingen om klanten aan te trekken, implementaties te stimuleren en marktaandeel te verdedigen in een markt waarin de verschillen in modelkwaliteit kleiner werden.
- Inferentie werd efficiënter. Lagere kosten voor productie en het beschikbaar stellen van modeluitvoer maakten het eenvoudiger om meer output voor minder geld aan te bieden. De beschikbare bronnen bewijzen overigens niet dat alle aanbieders dezelfde kostenstructuur hebben.
- De concurrentie verspreidde zich wereldwijd. Ook grote internationale aanbieders verlaagden prijzen voor goedkopere modelvarianten, waardoor de druk niet tot China beperkt bleef.
36
37
De algemene trend was duidelijk neerwaarts. De index stond begin juni nog boven 2 dollar per miljoen tokens, kwam begin augustus uit rond 1,16 tot 1,18 dollar en zakte later onder de grens van 1 dollar. 1
38
4 Over afzonderlijke tussenstanden bestaat minder zekerheid: voor 27 juli werd bijvoorbeeld een stand van 1,43 dollar genoemd. Publieke momentopnamen en berichten van tussenpartijen lopen niet altijd volledig gelijk.
1
2
Hoe Chinese AI-labs een prijsoorlog ontketenden
Een van de opvallendste aanjagers was DeepSeek. Het Chinese AI-bedrijf maakte in mei een korting van 75 procent op de API-prijzen van zijn vlaggenschip V4-Pro permanent. De nieuwe tarieven kwamen daarmee uit op een kwart van het oorspronkelijke niveau, waarbij de exacte prijs afhing van het soort gebruik. 33
Andere Chinese aanbieders volgden. Xiaomi kondigde prijsverlagingen tot 99 procent aan voor zijn MiMo-V2.5-modellen. Tegelijkertijd meldden bronnen kortingen bij onder meer ByteDance, Tencent, MiniMax en Alibaba. 39
46
Daardoor veranderde de belangrijkste vraag voor zakelijke klanten. Het gaat niet langer alleen om welk model het krachtigst is, maar ook om de hoeveelheid capaciteit die een bedrijf per dollar krijgt. Factoren als snelheid, betrouwbaarheid, contextlengte en de vrijheid om een model te implementeren wegen steeds zwaarder mee.
Zodra modellen voor veel routinetaken vergelijkbare resultaten leveren, kan een groot prijsverschil het gebruik snel doen verschuiven. Denk aan klantenservice, programmeerwerk, documentverwerking en geautomatiseerde workflows.
In augustus kwam de prijsoorlog bovendien op een nieuw punt. DeepSeek verhoogde de prijzen voor nieuwere vlaggenschipmodellen en voerde piek- en daluren in. Buiten de piekuren ligt het tarief op de helft van de piekprijs. Dat suggereert dat aanbieders onbeperkte vraag tegen de allerlaagste tarieven niet als een duurzaam bedrijfsmodel zien. Ze moeten ook GPU-capaciteit beheren en hun infrastructuurkosten terugverdienen. 35
Waarom lagere tokenprijzen niet hetzelfde zijn als lagere AI-uitgaven
De rekensom is eenvoudig:
Totale uitgaven = prijs per token × het aantal gebruikte tokens.
Daalt de prijs met 90 procent, maar groeit het gebruik met meer dan 90 procent, dan kunnen de totale uitgaven alsnog stijgen. Goedkopere AI maakt toepassingen rendabel die eerder te duur waren, zoals geautomatiseerde klantenservice, softwareontwikkeling, documentanalyse, toepassingen met lange contexten en zogeheten agentic workflows waarbij AI meerdere stappen zelfstandig uitvoert.
Volgens sommige analyses zijn tokenprijzen sinds 2023 met meer dan 90 procent gedaald, terwijl de totale AI-uitgaven ongeveer zijn verdubbeld. Dat past bij een markt waarin goedkopere inferentie nieuwe toepassingen ontsluit en de vraag verbreedt, in plaats van die vraag te vernietigen. 19
22
China levert daarvoor een bredere aanwijzing. Volgens de National Data Administration lag het dagelijkse tokengebruik in maart boven 140 biljoen, ruim 40 procent meer dan de 100 biljoen aan het einde van het voorgaande jaar. 26
32 Ook de grote Chinese telecombedrijven investeren in AI-rekencapaciteit. China Telecom meldde in de eerste helft van het jaar 95 procent meer omzet uit intelligente computerdiensten, terwijl de kapitaaluitgaven van China Unicom aan computerinfrastructuur met meer dan 80 procent op jaarbasis stegen.
17
18
Deze cijfers bewijzen niet dat iedere modelaanbieder winstgevend is. Ze laten wel zien hoe lagere prijzen een veel groter volume aan gebruik en infrastructuur kunnen ondersteunen.
De ongemakkelijke kloof tussen investeringen en omzet
De optimistische lezing is dat de dalende inferentieprijzen het begin vormen van grootschalige AI-adoptie. Als digitale intelligentie goedkoper wordt, kunnen genoeg nieuwe toepassingen ontstaan om verdere investeringen in datacenters, chips, cloudcapaciteit, netwerken en elektriciteit te rechtvaardigen.
De sceptische lezing draait om de vraag wanneer die investeringen zich terugverdienen. Onderzoek van Allianz Research, zoals aangehaald in verschillende rapportages, zet de kloof tussen AI-kapitaaluitgaven en omzetgroei op ongeveer 46 procent. Dat is groter dan de ongeveer 32 procent tijdens de overmatige investeringsgolf in telecom rond 2001. 20
22
23
Die vergelijking is een waarschuwing, geen bewijs dat AI exact dezelfde bubbel volgt. De infrastructuur kan uiteindelijk veel grotere workloads ondersteunen. Maar aanbieders en kopers van AI-infrastructuur lopen wel drie belangrijke risico’s:
- Prijsdeflatie: krachtigere modellen kunnen voor steeds minder geld worden aangeboden.
- Benuttingsrisico: hoge vaste infrastructuurkosten vragen om aanhoudende vraag, niet alleen om tijdelijke pieken.
- Monetisatierisico: het tokenvolume moet snel genoeg groeien om dalende gerealiseerde prijzen te compenseren en rendement op grote investeringen mogelijk te maken.
Wat de index wel en niet vertelt
De nieuwe bodem van de Silicon Data-index moet vooral worden gelezen als een signaal over prijszettingsmacht en de betalingsbereidheid van de markt — niet als een zelfstandige graadmeter voor de AI-vraag. De index laat zien dat de markt minder betaalt voor elke eenheid inferentie, onder meer doordat gebruik naar goedkopere modellen verschuift en aanbieders fel op prijs concurreren. 7
8
14
De kernvraag voor de komende periode is daarom niet alleen hoe goedkoop AI wordt, maar ook hoeveel extra gebruik die prijsdaling oplevert. Ontsluiten lagere prijzen genoeg nieuwe toepassingen om de totale omzet te laten groeien? Of gaat de prijsoorlog sneller dan de vraag, waardoor de sector blijft zitten met dure infrastructuur en tegenvallende rendementen?
De beschikbare gegevens ondersteunen beide mogelijkheden: een sterk vraagverhaal én een reëel financieel risico. Welke van de twee uiteindelijk overheerst, staat nog niet vast.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Waarom AI-tokens onder 1 dollar zakten terwijl AI-uitgaven blijven stijgen"?
De index van Silicon Data kwam op 31 augustus 2026 uit op 0,97 dollar per miljoen tokens, de laagste stand sinds de start van de index.
What are the key points to validate first?
De index van Silicon Data kwam op 31 augustus 2026 uit op 0,97 dollar per miljoen tokens, de laagste stand sinds de start van de index. DeepSeek maakte een prijsverlaging van 75 procent voor zijn V4 Pro API permanent.
What should I do next in practice?
Goedkopere inferentie kan het gebruik sneller laten groeien dan de prijs daalt. Tegelijk wijst de kloof van circa 46 procent tussen AI kapitaaluitgaven en omzetgroei op grote risico’s voor rendement en monetisatie.