Krijg je voor een AI-abonnementje van 200 dollar per maand echt 14.000 dollar aan rekenkracht?

Je hebt de screenshot waarschijnlijk voorbij zien komen. Een ChatGPT Pro-abonnement van 200 dollar per maand levert zo'n 14.000 dollar per maand aan API-gebruik op. Claude Max, zelfde prijs, zo'n 8.000 dollar. Het cijfer gaat rond met grote stelligheid, conclusie er al aan vast: de labs verliezen een fortuin op elke zware gebruiker, en dat kan niet lang goed gaan.

De bron is beter dan die van de meeste virale cijfers. SemiAnalysis kocht elk abonnement van OpenAI en Anthropic, draaide er lange programmeertaken op tot de weeklimieten leeg waren, en rekende de tokens af tegen de API-lijstprijs. De oude vuistregel was zo'n 2.000 dollar, dus dit is een echte bevinding. Echt werk, de details achter een betaalmuur. Ik gebruik deze tools dagelijks voor cloud- en softwarewerk, dus ik ben het cijfer naar zijn bron gevolgd. Het onderzoek klopt. De lezing niet.

In API-lijstprijzen zit een flinke marge. Epoch AI schat dat modellen van GPT-klasse tegen zo'n 50% brutomarge worden geserveerd. Gehoste API-bedrijven draaien doorgaans 60 tot 80%, en van Anthropic is een API-marge boven de 80% gemeld. Reken 14.000 dollar aan API-gebruik af tegen kostprijs en je komt op misschien 3.000 tot 7.000 dollar.

Het cijfer gaat er bovendien van uit dat iemand elke week zijn limiet opmaakt. SemiAnalysis' eigen begeleidende cijfer is dat OpenAI pas verlies draait vanaf ongeveer 11% van de limiet van een basisabonnement. De meeste abonnees zitten dus ruim binnen de lijn, een minderheid van zware gebruikers er ver overheen. De 14.000 dollar is wat het zwaarst mogelijke gebruik jóu in de winkel had gekost, niet wat het hén heeft gekost.

De eerlijke versie is dat OpenAI geld verliest op zijn zwaarste gebruikers, met een bedrag dat niemand buiten het bedrijf kent, op een abonnement dat de meeste abonnees licht gebruiken. Minder citeerbaar, wel waar.

Wat mij meer bezighoudt is hoe gretig het cijfer is overgenomen, want daar hoefde niemand voor te liegen.

Voor de labs is "we verliezen geld op jou" een nuttige zin. Hij rechtvaardigt bij voorbaat elke prijsverhoging van de komende drie jaar, vleit de koper als power user in plaats van klant, en toont ambitie aan investeerders. Als Sam Altman het hardop zegt, is dat een humblebrag en verwachtingsmanagement in één adem.

Zo ontstaat hardnekkige volkswijsheid meestal: veel mensen vinden onafhankelijk van elkaar hetzelfde cijfer bruikbaar.

Subsidieer je naar binnen, pak de markt, verhoog later de prijs.

Het is een fatsoenlijk argument en verdient een echt antwoord. Uber verbrandde in veertien jaar ruwweg 30 miljard dollar voordat 2023 het eerste volle jaar met GAAP-winst werd. Met verlies een nieuwe markt binnenkomen is een gewone strategie met een respectabel trackrecord, en als dat het hele verhaal was, was de screenshot een curiositeit.

Drie plekken, en één snijdt de andere kant op.

AWS is het geval dat verkeerd herinnerd wordt. Iedereen denkt dat het jarenlang verlies draaide; grotendeels niet. Toen Amazon het in 2015 voor het eerst apart rapporteerde, zat AWS al op zo'n 19% operationele marge bij ongeveer 8 miljard dollar omzet. Kapitaalhongerig, niet verlieslatend: de investering zat in capex, schreef in tien jaar af en verdiende ondertussen. Op deze as lijkt OpenAI meer op AWS dan op Uber. Het serveren zelf heeft een positieve brutomarge, zo'n 43% op de cijfers van 2025, en het verlies zit in R&D en sales.

Het mechanisme achter de slotgracht is zwakker. Ubers subsidie kocht per stad liquiditeit, die zichzelf versterkt en per stad overboden moet worden. AWS kocht datazwaartekracht en vastgeroeste vaardigheden. Modellabs kopen distributie en gewoonte, wat echt is, plus een groeiende inbedding in werkprocessen. Maar er is geen netwerkeffect tussen gebruikers, en op API-niveau zijn de overstapkosten vrijwel nul. Uber had nooit een concurrent die ritten tegen kostprijs weggaf met een open-source dispatcher. De labs krijgen die ongeveer jaarlijks.

De kostencurve is beter dan die van Uber en slechter dan hij lijkt. Ubers marginale kosten waren een menselijke chauffeur en daalden nooit; daarom liep de weg naar winst via een groter deel van de ritprijs. Inferentie wordt wél echt goedkoper, zo'n 95% per query voor een gegeven niveau van kunnen, en daarom wordt code goedkoop. Maar de kosten om de échte voorhoede te draaien stijgen steil, en de vraag verhuist net zo snel naar die voorhoede als ze binnenkomt. Uber had nooit passagiers die elk jaar veertig keer langere ritten eisten.

Uber bouwde één keer een dispatchnetwerk. AWS bouwde datacenters die in tien jaar afschrijven en al die tijd verdienen. De 19,18 miljard dollar die OpenAI in 2025 aan R&D uitgaf, volgens de gelekte cijfers die Ed Zitron in handen kreeg en de Financial Times bevestigde, koopt een model dat binnen twaalf tot achttien maanden commercieel verouderd is en door concurrenten, ook met vrij beschikbare gewichten, is geëvenaard voordat de bouw is afgeschreven. Uber en AWS betaalden één keer om binnen te komen. OpenAI betaalt elk jaar opnieuw, en elke keer meer, om mee te blijven doen. De dichtstbijzijnde vergelijking is niet Uber of AWS, maar een farmaceut met een patent van twee jaar.

Merk, distributie en vergrendeling op agentniveau stapelen zich wél op terwijl de modellen vervallen; of ze sneller stapelen dan de modellen vervallen is de hele vraag, en niemand weet dat nog.

Ten eerste overleversbias. We grijpen naar Uber en AWS omdat ze het gehaald hebben. Hetzelfde draaiboek leverde WeWork, MoviePass en een kerkhof aan bezorgbedrijven op. De vergelijking laat zien dat de strategie levensvatbaar is. Niet dat ze waarschijnlijk slaagt.

Ten tweede Anthropic, als het levende tegenvoorbeeld. Ruwweg 60% brutomarge in 2026, vanuit diep negatief in 2024, op koers naar een positief bedrijfsresultaat, zakelijk gedreven, en zonder consumenten-power-users bij lange na zo zwaar te subsidiëren. Als die route werkt, is de landjepik een keuze en geen natuurwet.

Het operationele verlies van OpenAI over 2025 was 20,92 miljard dollar, op 13,07 miljard omzet. Ubers hele verlies over veertien jaar is kleiner dan dat ene jaar, en daar staan gemelde verplichtingen voor rekenkracht van rond de 600 miljard dollar tot en met 2030 tegenover.

De strategie is gewoon. De omvang van de inzet, afgezet tegen elke markt die nu bestaat, is dat niet.

Drie dingen volgen hieruit voor wie deze tools inkoopt. Het abonnement is vandaag te goedkoop: gebruik het hard, en reken op de prijsverhogingen waar "we verliezen geld op jou" je op voorbereidt. De overstapkosten op API-niveau zijn bijna nul; houd dat zo, en laat je eigen software nooit stilzwijgend van één model of één leverancier uitgaan. Bij ZEN is een route naar een ander of een open model daarom onderdeel van elk ontwerp, in de AI-consultancy én het cloudplatform eronder. De vergrendeling die wél houdt, de werkprocessen en agents rond een model, ontwerp je zelf; de labs zien hem liever rond hun model.

Of de gok van de labs uitkomt is hun probleem. Of jouw software eraan hangt, is het jouwe.