Vier miljard tokens later: hoe een maand met een AI-assistent eruitziet in cijfers
Ik vroeg een klein consoletooltje wat mijn AI-assistent in vier weken voor me heeft gedaan. Het antwoord: bijna vier miljard tokens, 80 romans aan tekst en een rekening van 1.400 dollar die ik nooit hoefde te betalen. Een blik op de cijfers - voor mensen die het woord "token" nog nooit hebben gehoord.

🌐 Ook in: English · Deutsch · Français · Español · Italiano · Português · Polski
Al een paar maanden wordt een groot deel van deze blog en van de Ansible-code erachter samen met een AI-assistent geschreven: Claude, in de commandlineversie Claude Code. Hij schrijft code, voert commando’s uit op de servers, leest logbestanden en maakt conceptartikelen; ik beslis, controleer en zeg vrij vaak “nee, niet zo”. Op een gegeven moment wilde ik weten waar dat eigenlijk op neerkomt. Niet in gevoel, in cijfers.
Daar bestaat een klein communitytooltje voor, ccusage. Het leest de logbestanden die Claude Code op mijn eigen computer bijhoudt en telt ze op. Eén regel in de terminal:
npx ccusage@latest daily --since 20260923
npx downloadt het tool, draait het één keer en vergeet het weer. Het leest alleen de lokale logbestanden en stuurt niets van de inhoud ergens heen; het enige dat het van internet haalt, is de actuele prijslijst. Dit kwam eruit voor de vier weken van 23 september tot 21 oktober 2026.
Inhoud
🔢 De ruwe cijfers
| Waarde | |
|---|---|
| Dagen met enig gebruik | 25 van 29 |
| Tokens in totaal | 3.973.410.229 - bijna vier miljard |
| … waarvan opnieuw gelezen uit het “geheugen” (cache) | 3,90 miljard (98 %) |
| … nieuw in het geheugen gezet | 60,5 miljoen |
| … geschreven door de assistent | 8,7 miljoen |
| … door mij getypt als nieuwe invoer | 18.342 |
| Drukste dag | 19 oktober: 377 miljoen tokens |
| Berekende prijs tegen lijsttarieven | 1.407 Amerikaanse dollar |
🧩 Wat is een token eigenlijk?
Een taalmodel leest geen letters of hele woorden, het leest tokens: stukjes van woorden. “Firewall” kan twee tokens zijn, “the” is er één, een lang Duits woord als “Datenbankverbindung” kan er vier of vijf zijn. Als vuistregel zijn 100 tokens ongeveer 75 Engelse woorden. Alles wordt in tokens geteld: wat erin gaat, wat eruit komt en - dat is het interessante deel - wat het model opnieuw moet lezen.
📚 98 % herlezen
De verrassendste regel in de tabel is de cache. Van bijna vier miljard tokens waren er 3,9 miljard helemaal niet nieuw. Het was hetzelfde gesprek, opnieuw gelezen.
Zo werkt zo’n assistent: hij heeft geen geheugen tussen twee stappen. Vóór elk afzonderlijk antwoord - elk commando dat hij uitvoert, elk bestand dat hij leest - krijgt hij het hele gesprek tot dan toe opnieuw aangereikt: mijn vragen, zijn antwoorden, elk logfragment, elk bestand. Een lange werksessie op een server groeit makkelijk uit tot de omvang van een kort boek, en dat boek wordt voor de volgende stap opnieuw gelezen. En voor de volgende. En de volgende.
Stel je een kantoormedewerker voor die, voordat hij elke zin van een brief schrijft, het complete dossier vanaf de eerste pagina leest. Dat is mijn assistent. Voor elk token dat hij schrijft, herleest hij er zo’n 450. Het goede nieuws: herlezen is goedkoop. De aanbieder houdt het gesprek klaar in een cache, dus een herlezen token kost maar ongeveer een tiende van een nieuw token. Wat ook verklaart waarom vier miljard tokens veel dramatischer klinken dan ze zijn.
✍️ Wat dat betekent in alledaagse termen
- 80 romans. De 8,7 miljoen tokens die de assistent schreef, zijn ongeveer 6,5 miljoen woorden - grofweg 80 romans van gemiddelde lengte. Geprint is dat een stapel papier van ongeveer 2,6 meter hoog. Het meeste daarvan is, eerlijk is eerlijk, geen literatuur maar configuratiebestanden, shellcommando’s en uitleg waarom de firewall iets onverwachts deed.
- 23 jaar lezen. Als iemand alle vier miljard tokens in een normaal tempo zou willen lezen, zonder slaap, zonder koffie, zonder weekenden, zou hij ongeveer 23 jaar nodig hebben. Met acht uur per dag zou het een volledig werkzaam leven zijn.
- 475 keer zoveel antwoord als vraag. Mijn eigen nieuwe invoer was 18.342 tokens - een paar pagina’s tekst in vier weken. Korte instructies als “check de logs”, “ja, doe het zo” of “waarom is dat rood?”. De rest komt van de assistent: alles wat hij op de servers las, schreef en uitlegde.
- Vier dagen vrij. Op 25 van de 29 dagen was er enig gebruik. Zelfs een AI-assistent krijgt blijkbaar af en toe een weekend - of liever gezegd: zijn mens.
💸 De rekening die nooit kwam
Het tool berekent ook een prijs: 1.407 Amerikaanse dollar voor vier weken, ongeveer 56 dollar per actieve dag, 118 op de drukste. Dat klinkt als veel - en het is niet wat ik betaald heb.
Het getal is wat dit gebruik zou kosten tegen de lijstprijs van de API, de interface die bedrijven gebruiken om het model in hun eigen producten in te bouwen. Daar wordt elk token afzonderlijk gefactureerd: nieuwe invoer, uitvoer, schrijven naar de cache, lezen uit de cache, elk tegen een eigen tarief. ccusage vermenigvuldigt gewoon mijn tokentellingen met die tarieven.
Ik gebruik in plaats daarvan een abonnement, het Pro-plan, met een lijstprijs van zo’n 20 Amerikaanse dollar per maand. Een abonnement is een vast tarief met gebruikslimieten: je kunt werken tot de limiet voor een tijdvenster is bereikt, en dan wacht je tot die weer reset. De 1.407 dollar zijn dus een “wat als” - wat dezelfde hoeveelheid werk zou kosten als elk token los gefactureerd werd. Voor een privéproject is het vaste tarief de voor de hand liggende keuze; voor een bedrijf dat het model in zijn product inbouwt, is de prijs per token het normale geval.
Die limieten zijn trouwens niet theoretisch. De duurste losse klus van de maand was achteraf de blog vertalen: alle 111 bestaande posts naar het Duits, Frans en Spaans. Dat liep over meerdere dagen en veel sessies, omdat ik steeds tegen de limiet van vijf uur aanliep - het werk stopte midden in een artikel, en een nieuwe sessie pakte het weer op zodra het venster gereset was. Vertalen is tegelijk lezen en schrijven, en veel ervan; je ziet het in de statistieken, waar 9 en 11 oktober bij de drukkere dagen horen. Een menselijke vertaler had er maanden voor nodig gehad. De assistent had een paar dagen nodig en mijn geduld met de resettimer.
⚡ En hoeveel computers moesten hiervoor draaien?
Dit is de vraag die ik het liefst zou beantwoorden, en de vraag die ik niet eerlijk met een getal kan beantwoorden. Het model draait niet op mijn computer, maar in datacenters op gespecialiseerde chips die precies voor dit soort berekeningen gebouwd zijn. Hoe groot het model is, hoeveel chips één verzoek beantwoorden en hoeveel energie één token kost - dat publiceert de aanbieder niet, en elk precies getal hier zou verzonnen zijn.
Wat wel gezegd kan worden: een model van deze klasse draait helemaal niet op een thuis-pc. Het heeft ruimschoots meer geheugen nodig dan een normale computer heeft. En herlezen uit de cache vraagt veel minder rekenwerk dan iets nieuws berekenen - precies daarom is het zoveel goedkoper. De 98 % herlezen staan dus voor veel minder werk in het datacenter dan het ruwe aantal tokens doet vermoeden.
🏗️ Wat het opleverde
Tokens tellen is leuk, maar de echte vraag is waar ze goed voor waren. In ongeveer vijf maanden is dit ontstaan:
| Omvang | |
|---|---|
| Ansible-rollen | 39 |
| Code (tasks, templates, scripts) | ongeveer 36.000 regels, een vijfde daarvan commentaar en uitleg |
| Beheerdocumentatie | in drie talen, ongeveer 16.000 regels |
| Blogposts | rond de 30, elk in vier talen |
| Servers | deze blog en twee Nextcloud-instanties, gehard en gemonitord |
Hoe lang had dat op de klassieke manier geduurd, met de hand getypt? Voor infrastructuurcode is een gangbare ruwe schatting 30 tot 80 afgeronde, geteste regels per dag - inclusief research, dingen uitproberen op echte servers en het troubleshooten dat vaak langer duurt dan het schrijven. Tel daar documentatie en vertalingen bij op, en de schatting komt uit op twee tot drie jaar fulltime werk voor één ervaren persoon. Die persoon zou bovendien tegelijk SELinux, Kubernetes, firewalls, databases, Nextcloud, WordPress en monitoring diepgaand moeten kennen - en dat is zeldzaam.
Die persoon ben ik ook niet. Maar ik heb onderweg veel geleerd, en veel sneller dan anders. Elke keer dat iets niet werkte, kreeg ik meteen de uitleg: waarom SELinux een transitie weigert, wat een hop-by-hop-header is, waarom een database zonder bescherming draait terwijl alles “enforcing” zegt. Dat is leren precies op het moment dat de vraag opkomt - een privéleraar die altijd tijd heeft en nooit zegt “lees eerst hoofdstuk 7”. Een studieboek legt veel uit wat ik op dat moment niet nodig heb, en die ene pagina die ik wel nodig heb staat ergens in het midden. Hier las ik me gericht in een onderwerp in, stelde vervolgvragen, en de deep dives op deze blog zijn wat daarvan is overgebleven.
Regels code zijn een grove maat, en de schatting is een gevoel voor de orde van grootte, geen factuur. Belangrijker is wat de cijfers niet laten zien: de assistent heeft niets zelf besloten. Elke wijziging aan een live server werd eerst besproken, elk resultaat gecontroleerd, en enkele van de beste vondsten kwamen voort uit een simpel “dat ziet er vreemd uit, kun je het nog eens checken?”. De SELinux-deep dive beschrijft er twee. Ergens rond dag 20 begreep ik ook waar die oude IT-grap vandaan komt - dat sommigen van ons meer met hun AI praten dan met echte mensen, de eigen partner inbegrepen. Ter verdediging: de AI heeft nog nooit geklaagd dat ik firewallregels uitleg tijdens het avondeten. De AI neemt de zorgvuldigheid over; de verantwoordelijkheid blijft bij de mens. En dit is een privéproject - wat betekent dat het om tijd concurreert met al het andere in het leven. Dat is precies het punt: juist omdat die tijd beperkt is, maakte de snelheid van werken met een AI het verschil. Een paar vrije uren zijn niet genoeg om een firewall met de hand te typen. Ze zijn genoeg om er een te bespreken, te controleren en uit te rollen.
🔍 Wat de statistieken verraden
- Grote onderwerpen maken grote dagen. De drukste dag, 19 oktober, was de dag waarop de laatste delen van de Ansible-tour en het SELinux-artikel werden geschreven en getest - veel lezen op de servers, veel tekst.
- Context is de echte kostendrijver. Niet wat ik typ, en zelfs niet wat de assistent schrijft, maar hoeveel hij in gedachten moet houden. Lange sessies met veel logfragmenten zijn duur; korte, gerichte taken zijn goedkoop.
- Het model schrijft niet het meest. Het leest. 450 gelezen tokens voor elk geschreven token - dat is minder “creatieve schrijfmachine” en meer “heel snelle collega die elke keer het hele dossier leest”.
🧔 Mijn persoonlijke kijk - een beetje scherp, en alleen de mijne
Voor mij zit de echte waarde van dit alles niet in de slimme antwoorden. Het is tijd. Twee tot drie jaar werk in ongeveer vijf maanden - dat is het verschil tussen een project waarvan ik had gedroomd en een project dat draait. Hardening, monitoring, documentatie in drie talen, een blog in vier: niets daarvan zou in deze vorm bestaan zonder de assistent, simpelweg omdat een mensenleven een beperkt aantal avonden heeft.
Dus hier is mijn persoonlijke kijk, als iemand met 20 jaar werkervaring die meer dan genoeg configuratiebestanden met de hand heeft getypt: voor mijn eigen privéprojecten past infrastructuurcode regel voor regel met de hand schrijven niet meer bij deze tijd. Voor mij voelt het als de ponskaart van onze tijd - eerlijk, bewonderenswaardig, en voor mij persoonlijk een manier om drie jaar te besteden aan iets wat ik nu in een paar maanden kan doen. Dat is geen oordeel over wie dan ook: enkele van de zorgvuldigste beheerders die ik ken schrijven elke regel zelf, en ze hebben daar goede redenen voor. Ik heb mijn eigen zorgvuldigheid gewoon ergens anders neergelegd - bij de vragen, de review, de tests en de beslissingen. Daar vind ik een mens onvervangbaar, en daar gaat mijn bespaarde tijd naartoe.
Handgeschreven Ansible zal natuurlijk overleven, en terecht - naast vinylplaten, mechanische toetsenborden en de persoon die uit principe zijn eigen kernel compileert. Misschien sluit ik me er ooit uit nostalgie bij aan. Voor mijn eigen projecten, in de weinige vrije tijd die naast gezin en baan overblijft, is het echter niet meer de methode waarvoor ik kies.
En toch is er een minder vrolijke kant aan, en het zou oneerlijk zijn die weg te laten. Twee tot drie jaar werk voor één persoon in vijf maanden - omgedraaid betekent dat ook: een project dat vroeger een klein team lang bezighield, heeft nu één persoon en een assistent nodig. Voor mij, met een privéproject en beperkte tijd, is dat pure winst. Voor teams en beroepen die precies van dit soort zorgvuldig handwerk hebben geleefd, is het een echte vraag, en niemand heeft er nog een goed antwoord op. Het rechterpad is sneller. Het is ook leger.
Ik denk dat velen van ons nu op deze splitsing staan, of we willen of niet - beheerders, ontwikkelaars, technisch schrijvers, vertalers. Ik heb het rechterpad genomen, omdat het voor mijn situatie duidelijk het betere is - voor andere situaties kan het antwoord heel anders zijn. Maar af en toe kijk ik over mijn schouder. De mensen die nog bij de wegwijzer staan, lopen niet achter. Ze wegen iets af wat het verdient om afgewogen te worden.
🎬 Conclusie
Vier miljard tokens klinken als een sciencefictiongetal. Vertaald naar het dagelijks leven zijn ze een collega die het nooit zat wordt om het hele dossier te herlezen, in vier weken 80 romans aan configuratie schrijft en een rekening van 1.400 dollar had gestuurd als er geen vast tarief was. Wat blijft, is code die draait, servers die beter beschermd zijn dan voorheen en een blog die nu vier talen spreekt. En het besef dat de kortste zin in al die miljarden - “ja, doe het zo” - nog steeds de belangrijkste was.
En nog een laatste persoonlijke noot. Officieel noem ik deze blog en de code op GitHub mijn vrijwilligerswerk in 2026 – dat klinkt gewoon beter op feestjes 😉 Eerlijk gezegd is het echter vooral de beste bijscholing die ik ooit heb gehad: ik leer technisch ongelooflijk veel, meer in een paar maanden dan in menige training, omdat elke vraag precies op het moment dat hij opkomt zijn antwoord krijgt, en mijn schaarse vrije tijd gaat naar begrijpen in plaats van zoeken. Efficiënt, effectief, geen minuut verspild. Geschreven door een xennial, geboren in 1979 en dus precies één jaar te vroeg om officieel als digital native te tellen, maar net laat genoeg om te zijn opgegroeid tussen de cassetterecorder en het eerste modem – de leercurve is dus steil, maar de lol ook. Het vrijwilligersdeel komt er als bonus bij: alles eindigt als iets wat iedereen, overal ter wereld, gratis kan gebruiken als hij voor dezelfde taken staat: WordPress of Nextcloud veilig op eigen servers draaien. Als het iemand in een ander land een paar avonden scheelt, waren de vier miljard tokens goed besteed.
Als je naar je eigen cijfers wilt kijken: npx ccusage@latest daily in een terminal op de computer waar Claude Code draait. Het leest alleen lokale bestanden en haalt niets op behalve de prijslijst.
