Engels is vaak de goedkoopste taal om met AI te praten

Engels heeft bij veel AI-modellen een prijsvoordeel: dezelfde boodschap past vaak in minder tokens. In een voorbeeld van onderzoeksgroep CLEAR vraagt een zin in het Engels 13 tokens, tegenover 78 voor de Amhaarse versie. Wie per token betaalt, betaalt voor die laatste zin daardoor zes keer zoveel aan tekstinvoer.

Dat verschil raakt vooral ontwikkelaars en bedrijven die AI via een API gebruiken, de koppeling waarmee software een model aanroept. Een vast ChatGPT-abonnement wordt niet goedkoper als je voortaan Engels typt.

De afbeelding komt uit The Tokenizer Tax, een analyse die CLEAR op 29 september 2026 publiceerde. De onderzoekers gebruikten voor het voorbeeld de tokenizer van GPT-5.

De zin heeft in de drie talen dezelfde strekking: iedereen moet van AI kunnen profiteren, ongeacht de taal die iemand spreekt.

De Amhaarse versie telt in de afbeelding minder tekens dan de Engelse, maar levert veel meer tokens op. De lengte die je op het scherm ziet, voorspelt dus niet rechtstreeks hoeveel een AI-dienst voor die tekst rekent.

Het Amhaars (አማርኛ) is de officiële werktaal van Ethiopië, trouwens.

Deze cijfers gelden voor één voorbeeldzin en de gebruikte tokenizer. Ze vormen geen gemiddelde voor een hele taal en zeggen niet dat ieder gesprek in het Amhaars zes keer zoveel kost. Het voorbeeld meet bovendien tekstinvoer, geen gesproken audio.

Een AI-model verwerkt tekst als tokens. Zo’n token kan een heel woord zijn, maar ook een woorddeel, een leesteken of een kleiner fragment. De tokenizer bepaalt hoe de tekst in die eenheden uiteenvalt.

Veel tokenizers leren welke combinaties vaak voorkomen in hun trainingsmateriaal. Veelvoorkomende woorden kunnen als één token bewaard blijven, terwijl zeldzamere woorden in kleinere delen uiteenvallen. Hugging Face legt dit principe uit in zijn documentatie over tokenisatie.

Talen en schriften die goed vertegenwoordigd zijn bij het trainen van een tokenizer kunnen daardoor een voordeel krijgen. Dezelfde hoeveelheid betekenis past dan in minder stukjes. Het prijsverschil ontstaat dus al bij het omzetten van tekst naar tokens, voordat het model een antwoord formuleert.

Onderzoekers beschreven de gevolgen eerder in een studie op NeurIPS in 2023. Ze koppelden verschillen in tokenisatie aan kosten, verwerkingstijd en de hoeveelheid informatie die binnen het contextvenster past. Dat contextvenster is de ruimte die een model heeft om invoer en uitvoer binnen één verzoek te verwerken.

Voor een toepassing die lange documenten leest, kan dat een tweede nadeel opleveren. Als een taal voor vergelijkbare inhoud meer tokens nodig heeft, bereikt die tekst eerder dezelfde tokenlimiet.

Ook de kwaliteit verdient aandacht. Onderzoek op 22 talen uit 2023 liet bij de destijds geteste OpenAI-modellen zien dat gebruikers van verschillende talen hogere kosten konden maken en tegelijkertijd slechtere resultaten kregen. Meer tokens betalen staat dus niet automatisch gelijk aan een beter antwoord.

Bij betaling per token telt meer mee dan alleen je vraag. AI-aanbieders kunnen afzonderlijke tarieven rekenen voor invoer, hergebruikte invoer en gegenereerde uitvoer. Ook interne redeneerstappen kunnen meetellen in het verbruik, zoals OpenAI beschrijft in zijn uitleg over tokens en kosten.

Daarom geeft een kortere Engelse prompt nog geen volledig beeld van de besparing. Laat je het antwoord in het Nederlands schrijven, dan heeft die uitvoer een eigen tokenaantal. Stuur je daarnaast een lang Nederlandstalig document mee, dan blijft ook dat onderdeel van de invoer.

Een extra AI-opdracht om teksten eerst te vertalen kan bovendien zelf kosten veroorzaken. Voor een bedrijf is daarom de relevante vergelijking: wat kost het om dezelfde taak, met dezelfde kwaliteit, helemaal af te ronden?

Bij een vast abonnement ligt het anders. OpenAI maakt bij ChatGPT Plus expliciet onderscheid tussen het abonnement en afzonderlijk gefactureerd API-gebruik. Engels typen verlaagt de vaste abonnementsprijs niet. De verschillen tussen de app, abonnementen en ontwikkelaarsfuncties staan ook in onze uitgebreide ChatGPT-gids.

Engels is geen universele winnaar. In CLEAR’s bredere vergelijking van 203 combinaties van taal en schrift is de efficiëntste taal per model meestal Engels óf Mandarijn in vereenvoudigd Chinees schrift.

Bovendien kunnen nieuwe tokenizers de verhoudingen veranderen. OpenAI liet bij de introductie van GPT-4o in 2024 bijvoorbeeld zien dat een voorbeeldtekst in het Gujarati van 145 naar 33 tokens ging. De Engelse voorbeeldtekst ging van 27 naar 24 tokens. De verbetering verschilde dus sterk per taal.

Voor Nederlands geeft deze vergelijking geen besparingspercentage. Wie een AI-toepassing bouwt, kan een Nederlandse tekst en een inhoudelijk gelijkwaardige Engelse versie vergelijken met de tokenizer van het gekozen model. OpenAI biedt hiervoor onder meer een hulpmiddel dat tekst in tokens opdeelt.

Controleer daarna het verbruik van volledige opdrachten, inclusief antwoorden en eventuele vervolgstappen. Beoordeel ook of vertalen belangrijke nuances in klantvragen, vaktermen of brondocumenten verandert. Een prompt met minder tokens die extra correcties vereist, kan uiteindelijk meer kosten opleveren.