Deel D · Module 05

Kosten

Waar gaan de tokens naartoe?

Zone: organisatie ± 15 min kern

Leerdoelen

Na deze module kun je:

  • de kosten van een agent-sessie schatten uit model, aantal beurten, contextgroei en output, en uitleggen waarom ze sneller dan lineair groeien;
  • uitleggen hoe prompt caching werkt (prefix-match, schrijven tegenover lezen) en voorspellen welke acties de cache breken;
  • kosten volgen (/usage, telemetry) en de grootste hefbomen kiezen: /clear, modelkeuze, minder vaste context, minder agents.

Voorkennis-check

Twee vragen over de API en context. Fout? Lees B1 De Messages-API en B4 Context eerst terug.

Waar zitten we?

Kosten ontstaan op laag 2: elke API-request wordt per token afgerekend. Of dat beheersbaar blijft, is een organisatievraag (laag 5): welk model, welke limieten, welke werkwijzen.

De stof in drie lagen

Kern ± 5 min lezen, daarna rekenen

Je betaalt per token: invoer en uitvoer apart, en uitvoer is vijf keer zo duur. Een paar prijzen (USD per miljoen tokens, november 2026):

Prijzen per miljoen tokens (selectie, bron: Anthropic-prijspagina)
ModelInvoerCache schrijven (5 min)Cache lezenUitvoer
Opus 5.5$4$5$0,20$20
Sonnet 5.5$2$2,50$0,10$10
Haiku 5.5 (prompts tot 100k)$0,10$0,125$0,01$0,50

Het belangrijkste inzicht komt uit B3: de API onthoudt niets, dus elke beurt stuurt de hele context opnieuw. In beurt 30 betaal je opnieuw voor alles uit beurt 1 tot en met 29. De totale invoer groeit daardoor ongeveer kwadratisch met de lengte van de sessie.

Prompt caching haalt daar de angel uit. Het deel van de request dat precies gelijk is aan de vorige (de prefix), leest de API uit de cache tegen een fractie van de prijs. Alleen het nieuwe stuk wordt (iets duurder) in de cache geschreven. Claude Code doet dit automatisch.

Speel hieronder met een sessie: model, aantal beurten, vaste context en hoeveel er per beurt bijkomt. Zet caching uit en weer aan.

Samengevat: lange sessies zijn duur door herhaling, niet door de laatste vraag. Caching maakt herhaling goedkoop zolang de prefix gelijk blijft. De grootste hefbomen: /clear tussen taken, het goedkoopste model dat goed genoeg is, weinig vaste context, en niet meer agents dan nodig (D1).

Verdieping hoe de cache werkt, wat hem breekt, wat het in de praktijk kost

Prefix-match

The API caches by matching the start of each request, called the prefix, against content it recently processed. On a normal turn, the prefix is the entire previous request and only the latest exchange is new. The match is exact, so a change anywhere in the prefix recomputes everything after it.

Daarom zet Claude Code wat zelden verandert vooraan: eerst de system prompt en tool-definities, dan de projectcontext (CLAUDE.md, auto memory, rules zonder paths), dan het gesprek. Een nieuwe beurt raakt alleen het gesprek; de rest blijft gecachet. Verandert er vooraan iets, dan schuift alles erachter op en wordt de hele request opnieuw verwerkt.

Wat de cache breekt, en wat niet (Claude Code)
Breekt de cache (één dure beurt)Breekt hem niet
van model wisselen (elk model heeft een eigen cache)bestanden in je repo bewerken
effort wijzigen (op de meeste modellen; niet standaard op Fable 5.1+, Opus 5.5, Sonnet 5.5, Haiku 5.5)CLAUDE.md halverwege wijzigen
fast mode aanzettenpermission mode wisselen
een MCP-server koppelen of loskoppelenoutput style wisselen
een plugin aan- of uitzetten (afhankelijk van de componenten)skills en commando's aanroepen
een hele tool weigeren; compaction; Claude Code upgradenplan mode (instructies komen als bericht)

Pick your model and effort level at the top of a session, then save /compact for natural breaks between tasks.

Claude Code docs, How Claude Code uses prompt caching

Wat kost het in de praktijk?

Across enterprise deployments, the average cost is around $13 per developer per active day and $150-250 per developer per month, with costs remaining below $30 per active day for 90% of users.

De docs adviseren: begin met een kleine pilotgroep en meet. Daarnaast twee vermenigvuldigers uit eerdere modules: een agent gebruikt in Anthropic's metingen ongeveer 4× de tokens van een chat, een multi-agent-systeem ongeveer 15× (D1). Agent teams schalen met het aantal teammates en hoe lang die draaien.

De hefbomen, van groot naar klein

  1. Context opruimen: /clear tussen taken; /compact met focus bij een natuurlijke pauze (B4).
  2. Modelkeuze: Sonnet voor het meeste werk, Haiku voor eenvoudige subagents (C4: model: haiku), Opus of Fable waar het verschil het waard is.
  3. Vaste context klein: CLAUDE.md kort, procedures naar skills, rules met paths (C1); MCP-overhead is met tool search al laag (C3).
  4. Effort en thinking: lager effort voor routinewerk.
  5. Ruis isoleren: lange output naar een subagent, of verwerken in een hook in plaats van in de context.
  6. Minder agents: elke agent laadt zijn eigen opstart en doet eigen requests.
Onder de motorkap usage-velden, /usage, batch, limieten

Wat de API rapporteert

Elke response heeft een usage-object. Met caching is de invoer opgesplitst in input_tokens (niet gecachet), cache_creation_input_tokens (geschreven) en cache_read_input_tokens (gelezen); output_tokens apart. Cache-schrijven kost 1,25× de invoerprijs (5 minuten) of 2× (1 uur). Lezen kost 0,1× de invoerprijs, en op Opus 5.5 en Sonnet 5.5 0,05×. Eén cache-hit betaalt het schrijven dus al ruim terug.

In Claude Code

/usage (voorbeeld uit de docs, ingekort)

Total cost:            $0.55
   claude-sonnet-4-6:  1.2k input, 5.3k output, 940.0k cache read, 50.0k cache write ($0.55)
  1. Cache read ≫ input: zo ziet een gezonde sessie eruit. Bijna alle invoer kwam uit de cache. Zie je veel cache write en weinig read, dan breekt er iets steeds de prefix.
  • /usage toont de kosten en tokens van de sessie, cachestatistieken en aanbevelingen; het totaal begint opnieuw na /clear.
  • Voor organisaties: spend limits, rate limits per gebruiker of team, en OpenTelemetry-export van kosten en gebruik (D4).
  • Onbewaakte runs: --max-budget-usd en --max-turns met -p (D2).

Batch: de helft van de prijs als het niet direct hoeft

Voor eigen API-applicaties zonder haast (evaluaties, nachtelijke analyses, contextual retrieval over een hele kennisbank) is er de Message Batches API. De meeste batches zijn binnen een uur klaar; uiterlijk na 24 uur.

All usage is charged at 50 percent of the standard API prices.

Uitgewerkt voorbeeld: één sessie doorgerekend

Sonnet 5.5, 30 beurten, een vaste prefix van 20k tokens (system prompt, tools, CLAUDE.md), per beurt 3k nieuwe invoer (tool-output) en 800 tokens uitvoer. Dezelfde getallen als de standaard in de calculator.

Rekensom

request in beurt i:     20k + i × 3k + (i−1) × 0,8k
beurt 30:               ≈ 133k tokens invoer
som over 30 beurten:    ≈ 2,34 miljoen tokens invoer

zonder caching:         2,34M × $2/M + 30 × 0,8k × $10/M         ≈ $4,93
met caching:            ~2,21M gelezen × $0,10/M + ~0,13M geschreven × $2,50/M
                        + dezelfde uitvoer                           ≈ $0,79
  1. De laatste beurt verwerkt zes keer de vaste prefix aan gesprek.
  2. Herhaling: de som is zo'n 18× de context van de laatste beurt. Dat is de kwadratische groei.
  3. Zonder caching is invoer de grootste post, ruim 95% van de kosten.
  4. Met caching is het zo'n 84% goedkoper. Uitvoer ($0,24) is nu een flink deel van het totaal. Wissel je halverwege van model, dan betaal je één keer de volle schrijfprijs over de hele context.
Doe-opdracht

Lees je eigen rekening en vind de cachebrekers

Gebruik een project waaraan je werkt, of oefenrepo/c4-subagents/. Je hebt Claude Code nodig.

Opdracht

  1. Start een sessie, doe een kleine taak van vijf à tien beurten en draai /usage. Noteer de kosten, de input, cache read en cache write.
  2. Schat dezelfde sessie in de calculator hierboven (model, beurten, prefix uit /context). Klopt de orde van grootte?
  3. Wissel halverwege een volgende taak van model (/model) en draai na de eerstvolgende beurt opnieuw /usage. Wat zie je bij cache write?
  4. Laat een subagent met model: haiku (C4) de tests draaien in plaats van het hoofdgesprek. Vergelijk de kosten per model in /usage.
  5. Reken: wat kost jouw typische werkdag bij de prijzen van Sonnet 5.5? Hoe verhoudt dat zich tot de ~$13 per actieve dag uit de docs?
Verwacht resultaat

Stap 1: cache read is veel groter dan input. Bij een korte sessie zijn de kosten centen.

Stap 3: na de modelwissel een piek in cache write: de hele context wordt voor het nieuwe model opnieuw geschreven.

Stap 4: /usage toont twee modellen; het Haiku-deel kost een fractie, ook al leest het de testoutput.

Stap 5: afhankelijk van je werkwijze. Zit je ver boven het gemiddelde, kijk dan eerst naar lange sessies zonder /clear en naar het aantal agents.

Als het niet werkt, kijk naar …
  • Geen bedragen in /usage. Op een abonnement ziet de weergave er anders uit (verbruik van je plan in plaats van dollars); de tokenverhoudingen zijn wel te lezen.
  • Calculator wijkt sterk af. Thinking-tokens, compaction en subagents zitten niet in het rekenmodel; die maken de echte sessie duurder of goedkoper.

Zelftoets