Default
Door Remote - 07 Jun 2026
Microsoft heeft onlangs grote prijswijzigingen aangekondigd voor GitHub Copilot – veranderingen die zo drastisch waren dat een Reddit-gebruiker zei dat hun bedrijf het de Tokenpocalypse is gaan noemen.
In de laatste aflevering van de Equity-podcast van TechCrunch bespraken Kirsten Korosec, Sean O’Kane en ik wat deze veranderingen zouden kunnen betekenen voor het grotere AI-ecosysteem. Nu Anthropic en andere grote AI-bedrijven van plan zijn naar de beurs te gaan, wat tot lastige vragen over de winstgevendheid leidt, zullen we waarschijnlijk vergelijkbare prijsstijgingen zien voor andere AI-producten en meer gebruiksbeperkingen terwijl bedrijven proberen de kosten onder controle te houden.
“Kunnen deze AI-laboratoria die kosten ineenstorten [en] de technologie voldoende vooruitbrengen op een manier dat deze uiteindelijk tegemoet komt aan de honger van klanten om geld uit te geven?” vroeg Sean zich af.
Kirsten suggereerde ondertussen dat dit ook weerspiegelt “hoe snel de dingen gaan.” Binnen een paar maanden raakten bedrijven geobsedeerd door ‘tokenmaxxxing’ en keerden zich er vervolgens tegen vanwege de hoge kosten. Terwijl AI-bedrijven hun beursintroductiedossiers schrijven, vroeg ze zich af: “Hoe noteer je deze risico’s eigenlijk, omdat ze voor onze ogen evolueren?”
Blijf lezen voor een voorproefje van ons gesprek, aangepast voor lengte en duidelijkheid.
Anthony Ha: Toen we dit aan het plannen waren, Sean, noemde je dit de Tokenpocalyps. En ik wil meer horen over wat jij ervan vindt, maar er was een voorbeeld waarin Microsoft met GitHub Copilot besloot dat ze meer per token gingen vragen [in plaats van een vast tarief].
Dit hele ecosysteem wordt zwaar, zwaar gesubsidieerd door geld van investeerders. En dus zijn dingen die niets kosten, in feite ongelooflijk duur. En nu komen we op een punt waarop een groter deel van die kosten wordt doorberekend aan de eindconsument, aan de klant. Hoe gaat dat gedrag veranderen? Ik denk niet dat we het weten, maar er zal veel pijn zijn.
Sean O’Kane: Ik bedoel, hoeveel token-gerelateerde risicofactoren denken we dat er in de S-1 van Anthropic zullen zitten? Dit is een grote vraag. Het is iets dat ik veel heb genoemd in deze show en we lijken er maar tegenaan te blijven lopen, waarbij Uber in anderhalve maand de volledige boog heeft gedaan door te zeggen: "Jongen, we hebben ons budget voor dit soort dingen veel sneller opgeblazen dan we dit jaar dachten." En dan: "Ooh, misschien wordt dit een beetje te duur, we moeten hier een maximum aan stellen en we moeten het gebruik door mensen binnen het bedrijf beperken."
Dat is gewoon een beetje zorgelijk. Stel je voor dat je dat zo snel ziet gebeuren bij een bedrijf als Uber, dat dit soort dingen veel gebruikt, en het is slechts een kwestie van: kunnen deze AI-laboratoria die kosten ineenstorten [en] de technologie voldoende vooruitgaan op een manier dat deze uiteindelijk tegemoetkomt aan de honger van klanten om geld uit te geven?
Het grappige om aan terug te denken is dat ik denk dat er niet echt een strategie was om $20 per maand in rekening te brengen [voor ChatGPT Plus] toen ChatGPT oorspronkelijk uitkwam. Het was zoiets als: "Laten we een getal uitspugen." En sindsdien houden we daar allemaal rekening mee. Het is duidelijk dat mensen meer betalen voor de meer geavanceerde modellen, maar zelfs dat is nog steeds niet genoeg om de kloof met de werkelijke kosten te dichten. Dus dat is duidelijk de grootste vraag hier.
Kirsten: Dit alles illustreert voor mij hoe snel de dingen gaan. Ik bedoel, als je er echt over nadenkt, is het hele tokenmaxxxing-gedoe een ding geworden, heeft een hoogtepunt bereikt en wordt nu binnen zes maanden in ongunstige zin gezien. De omvang hiervan, het hele prijsmechanisme, tot jouw punt, werd ingevoerd voordat de bedrijfsmodellen echt rond AI-laboratoria werden gevormd en gestold.
En dan heb je tegelijkertijd de regering die probeert haar achterstand in te halen. Ook deze week ondertekende president Trump een uitvoerend bevel – het is een beperkte versie, maar deze is bedoeld om de regering de kans te geven krachtige AI-modellen te herzien. Dit gebeurt dus allemaal in een tempo waarvan ik denk dat ik het nog nooit heb meegemaakt.
Daarom kijk ik erg uit naar enkele van deze S-1 IPO-registratieverklaringen, vanwege de risicofactoren. Hoe schrijf je deze risico's überhaupt op, omdat ze voor onze ogen evolueren, en van dag tot dag?
Anthony: Uber is een interessant voorbeeld, Sean, omdat je hun AI-uitgaven noemde, maar ze zijn ook ter sprake gekomen in het AI-discours omdat mensen die denken dat er een zeepbel bestaat, soms naar voren brengen hoe enorm onrendabel deze tools en deze bedrijven zijn, en dan zullen mensen als reactie hierop Uber ter sprake brengen. Mensen spraken over hoe onrendabel Uber was, maar uiteindelijk kun je opschalen en dan dicht je dat gat.
En ik denk dat dat waar is. Maar voordat Uber dat kon doen, moest het zichzelf als bedrijf op veel manieren echt transformeren. Wat Uber in het begin was en wat het nu is, alle verschillende bedrijfstakken waarin het zich heeft moeten uitbreiden, de verschillende manieren waarop klanten en chauffeurs onder druk zijn komen te staan, dat zijn dingen die moesten gebeuren om het punt te bereiken waarop het een winstgevend bedrijf kon zijn.
En ik denk dat je voor veel van deze AI-bedrijven soortgelijke transformaties zult moeten zien als ze willen overleven.
Sean: Is er een manier waarop deze laboratoria centen kunnen uitpersen zoals Uber door de jaren heen de chauffeurs heeft uitgeperst? Is er iets zachts genoeg om dat te doen? Ik weet het niet. Dit lijkt in veel opzichten moeilijkere, eenvoudigere kosten, dus het zal interessant zijn.
In de laatste aflevering van de Equity-podcast van TechCrunch bespraken Kirsten Korosec, Sean O’Kane en ik wat deze veranderingen zouden kunnen betekenen voor het grotere AI-ecosysteem. Nu Anthropic en andere grote AI-bedrijven van plan zijn naar de beurs te gaan, wat tot lastige vragen over de winstgevendheid leidt, zullen we waarschijnlijk vergelijkbare prijsstijgingen zien voor andere AI-producten en meer gebruiksbeperkingen terwijl bedrijven proberen de kosten onder controle te houden.
“Kunnen deze AI-laboratoria die kosten ineenstorten [en] de technologie voldoende vooruitbrengen op een manier dat deze uiteindelijk tegemoet komt aan de honger van klanten om geld uit te geven?” vroeg Sean zich af.
Kirsten suggereerde ondertussen dat dit ook weerspiegelt “hoe snel de dingen gaan.” Binnen een paar maanden raakten bedrijven geobsedeerd door ‘tokenmaxxxing’ en keerden zich er vervolgens tegen vanwege de hoge kosten. Terwijl AI-bedrijven hun beursintroductiedossiers schrijven, vroeg ze zich af: “Hoe noteer je deze risico’s eigenlijk, omdat ze voor onze ogen evolueren?”
Blijf lezen voor een voorproefje van ons gesprek, aangepast voor lengte en duidelijkheid.
Anthony Ha: Toen we dit aan het plannen waren, Sean, noemde je dit de Tokenpocalyps. En ik wil meer horen over wat jij ervan vindt, maar er was een voorbeeld waarin Microsoft met GitHub Copilot besloot dat ze meer per token gingen vragen [in plaats van een vast tarief].
Dit hele ecosysteem wordt zwaar, zwaar gesubsidieerd door geld van investeerders. En dus zijn dingen die niets kosten, in feite ongelooflijk duur. En nu komen we op een punt waarop een groter deel van die kosten wordt doorberekend aan de eindconsument, aan de klant. Hoe gaat dat gedrag veranderen? Ik denk niet dat we het weten, maar er zal veel pijn zijn.
Sean O’Kane: Ik bedoel, hoeveel token-gerelateerde risicofactoren denken we dat er in de S-1 van Anthropic zullen zitten? Dit is een grote vraag. Het is iets dat ik veel heb genoemd in deze show en we lijken er maar tegenaan te blijven lopen, waarbij Uber in anderhalve maand de volledige boog heeft gedaan door te zeggen: "Jongen, we hebben ons budget voor dit soort dingen veel sneller opgeblazen dan we dit jaar dachten." En dan: "Ooh, misschien wordt dit een beetje te duur, we moeten hier een maximum aan stellen en we moeten het gebruik door mensen binnen het bedrijf beperken."
Dat is gewoon een beetje zorgelijk. Stel je voor dat je dat zo snel ziet gebeuren bij een bedrijf als Uber, dat dit soort dingen veel gebruikt, en het is slechts een kwestie van: kunnen deze AI-laboratoria die kosten ineenstorten [en] de technologie voldoende vooruitgaan op een manier dat deze uiteindelijk tegemoetkomt aan de honger van klanten om geld uit te geven?
Het grappige om aan terug te denken is dat ik denk dat er niet echt een strategie was om $20 per maand in rekening te brengen [voor ChatGPT Plus] toen ChatGPT oorspronkelijk uitkwam. Het was zoiets als: "Laten we een getal uitspugen." En sindsdien houden we daar allemaal rekening mee. Het is duidelijk dat mensen meer betalen voor de meer geavanceerde modellen, maar zelfs dat is nog steeds niet genoeg om de kloof met de werkelijke kosten te dichten. Dus dat is duidelijk de grootste vraag hier.
Kirsten: Dit alles illustreert voor mij hoe snel de dingen gaan. Ik bedoel, als je er echt over nadenkt, is het hele tokenmaxxxing-gedoe een ding geworden, heeft een hoogtepunt bereikt en wordt nu binnen zes maanden in ongunstige zin gezien. De omvang hiervan, het hele prijsmechanisme, tot jouw punt, werd ingevoerd voordat de bedrijfsmodellen echt rond AI-laboratoria werden gevormd en gestold.
En dan heb je tegelijkertijd de regering die probeert haar achterstand in te halen. Ook deze week ondertekende president Trump een uitvoerend bevel – het is een beperkte versie, maar deze is bedoeld om de regering de kans te geven krachtige AI-modellen te herzien. Dit gebeurt dus allemaal in een tempo waarvan ik denk dat ik het nog nooit heb meegemaakt.
Daarom kijk ik erg uit naar enkele van deze S-1 IPO-registratieverklaringen, vanwege de risicofactoren. Hoe schrijf je deze risico's überhaupt op, omdat ze voor onze ogen evolueren, en van dag tot dag?
Anthony: Uber is een interessant voorbeeld, Sean, omdat je hun AI-uitgaven noemde, maar ze zijn ook ter sprake gekomen in het AI-discours omdat mensen die denken dat er een zeepbel bestaat, soms naar voren brengen hoe enorm onrendabel deze tools en deze bedrijven zijn, en dan zullen mensen als reactie hierop Uber ter sprake brengen. Mensen spraken over hoe onrendabel Uber was, maar uiteindelijk kun je opschalen en dan dicht je dat gat.
En ik denk dat dat waar is. Maar voordat Uber dat kon doen, moest het zichzelf als bedrijf op veel manieren echt transformeren. Wat Uber in het begin was en wat het nu is, alle verschillende bedrijfstakken waarin het zich heeft moeten uitbreiden, de verschillende manieren waarop klanten en chauffeurs onder druk zijn komen te staan, dat zijn dingen die moesten gebeuren om het punt te bereiken waarop het een winstgevend bedrijf kon zijn.
En ik denk dat je voor veel van deze AI-bedrijven soortgelijke transformaties zult moeten zien als ze willen overleven.
Sean: Is er een manier waarop deze laboratoria centen kunnen uitpersen zoals Uber door de jaren heen de chauffeurs heeft uitgeperst? Is er iets zachts genoeg om dat te doen? Ik weet het niet. Dit lijkt in veel opzichten moeilijkere, eenvoudigere kosten, dus het zal interessant zijn.