Welk AI-model leest lange documenten het best (contracten, jaarverslagen, dossiers)?

Een bezwaardossier van 600 pagina’s past in september 2026 in één prompt bij acht van de tien modellen in onze tabel; alleen Claude Haiku 4.5 en Mistral Medium 3.5 haken af. Een jaarverslag van 120 pagina’s past overal, ook in de kleinste vensters.

De prijs van zo’n leesbeurt via de API, inclusief een samenvatting van drie pagina’s, ligt voor dat jaarverslag tussen circa €0,15 (Claude Sonnet 5), €0,37 (Claude Opus 5) en €0,74 (GPT-6 Astra). De vraag is daarom niet meer of het past, maar welk model het voor dat geld ook goed leest, wat er boven 272.000 tokens met de rekening gebeurt en hoe je omgaat met scans.

Deze pagina beantwoordt die drie vragen met twee eigen tabellen en één echte beeldherkenningscase. In onze index over AI-modellen vergelijken valt ze onder het thema "welk model voor welk werk"; de bredere keuze per bedrijf, met privacyroute en prijsklasse, staat op welk AI-model bij jouw bedrijf past.

Hoeveel tokens is een jaarverslag?#

Elke prijs hieronder steunt op één aanname, dus die staat vooraan. Een jaarverslag van 120 pagina’s telt naar onze schatting 48.000 woorden: 400 per pagina, omdat tabelpagina’s en fotopagina’s het gemiddelde van een tekstpagina omlaag halen.

Voor Nederlandse lopende tekst rekenen wij in offertes met 1,4 token per woord. Dat geeft circa 67.000 tokens; wij ronden af op 70.000 inputtokens, zodat de instructie en de vraag erbij passen, plus 3.000 outputtokens voor een samenvatting.

Die 1,4 is een vuistregel, geen meting van dit document. Onze telling van drie Nederlandse zakelijke teksten met de OpenAI-tokenizer kwam op 1,27 tot 2,65 token per woord uit, met een formele beleidstekst op 1,65; de rekenwijze en de valkuilen staan op AI-API-kosten berekenen per document.

Bij Claude ligt de telling hoger: Anthropic zegt dat 1 miljoen tokens op de huidige tokenizer ongeveer 555.000 woorden is, dus 1,8 token per woord (Anthropic, modellenoverzicht, 2026). Reken voor de Claude-rijen dus op een kwart meer tokens dan de tabel toont; de rangorde tussen de modellen verandert daar niet door.

Tabel 1: één jaarverslag van 120 pagina’s per model#

Dit is onze eigen tabel. Contextvensters en tokenprijzen zijn op 18 september 2026 opgehaald bij Anthropic, OpenAI, Google en Mistral; de kosten per leesbeurt zijn onze berekening op 70.000 inputtokens en 3.000 outputtokens.

Bronnen: Anthropic pricing en modellenoverzicht, OpenAI pricing en de modelpagina van GPT-6 Astra, Gemini API pricing en de modelpagina van Gemini 3.1 Pro, Mistral pricing en de modelkaart van Medium 3.5. Euro’s via de ECB-referentiekoers van 18 september 2026, 1 euro = 1,1460 dollar; de Mistral-eurolijst voor de API is zonder btw en staat iets onder die koers.

Drie dingen springen eruit. Het duurste model leest het jaarverslag voor minder dan een euro, dus voor een enkel document per dag is de tokenprijs nooit het argument.

Het verschil tussen de middenklasse (Sonnet 5, Terra, Gemini 3.1 Pro) en de frontier-klasse (Fable 5.1, Astra) is een factor vijf. Dat verschil betaal je alleen terug bij werk dat over het hele document tegelijk moet redeneren, zoals tegenstrijdige clausules vinden of cijfers uit drie hoofdstukken met elkaar rijmen.

En Haiku 4.5 en Mistral Medium 3.5 passen dit jaarverslag nog wel, maar met een venster van 200.000 en 256.000 tokens zijn ze de eersten die afvallen als het document groeit. Wanneer precies, laat de tweede tabel zien.

Tabel 2: een dossier van 600 pagina’s, waar de opslagen beginnen#

Vijf keer zo dik: 600 pagina’s, in onze aanname 240.000 woorden en afgerond 340.000 inputtokens, met 5.000 outputtokens voor een analyse. Hier wordt het contextvenster wél de eerste vraag, en daarna de staffel.

De staffels komen letterlijk van de leverancierspagina’s. Anthropic rekent voor Claude 4.6 en later het volledige venster van 1 miljoen tokens tegen het standaardtarief; een aanroep van 900.000 tokens kost per token dus hetzelfde als een van 9.000 (Anthropic pricing, 2026).

OpenAI rekent voor prompts met meer dan 272.000 invoertokens 2x het invoertarief en 1,5x het uitvoertarief, "for the full request" (OpenAI, GPT-6 Astra, 2026); dezelfde regel staat op de pagina’s van Terra en Sol. Google verdubbelt Gemini 3.1 Pro boven 200.000 tokens per prompt van $2 / $12 naar $4 / $18 (Google, 2026).

Daardoor keert de rangorde: bij 120 pagina’s waren Terra en Sonnet 5 even duur, bij 600 pagina’s kost Terra het dubbele van Sonnet 5 en Astra het dubbele van Fable 5.1. Wie regelmatig dossiers boven de 270.000 tokens leest, kiest dus tussen Claude en Gemini 3.8 Flash, of knipt het dossier op.

Voor nachtelijke verwerking halveren Anthropic, OpenAI en Google deze bedragen met hun batch-API; bij Anthropic geldt die korting ook over het volledige venster.

Past het, of moet het in stukken? Venster tegenover RAG#

Een groot venster is niet altijd de beste route, ook als het document erin past. Wij hanteren in projecten één scheidslijn.

Eén document per gesprek: een contract beoordelen, een jaarverslag samenvatten, een bezwaardossier doorlezen. Dan gaat het hele document in de prompt, want het model moet de samenhang zien: de definitie op pagina 4 en de uitzondering op pagina 61.

Eén vraag over honderden documenten: welke van onze 800 leveranciersovereenkomsten heeft een prijsindexatieclausule. Dan lees je niet 800 keer 20 pagina’s, maar zoek je eerst de kandidaten op en laat je het model alleen die lezen; dat is RAG.

Anthropic legt de grens zelf bij circa 200.000 tokens, ongeveer 500 pagina’s: past je hele kennisbank daarin, dan raadt het aan die gewoon in de prompt te zetten in plaats van een zoekstap te bouwen (Anthropic, contextual retrieval, 2024). Boven die grens wordt zoeken vooraf de goedkopere en preciezere route.

Hoe zo’n zoekstap werkt, wat hij kost en hoe we hem in een echte pipeline hebben gebouwd, staat op wat RAG is en wanneer je bedrijf het nodig heeft. Deze pagina gaat over het geval waarin je het document juist níet wilt opknippen.

Een tussenvorm die vaak wint: prompt caching. Wie hetzelfde dossier in één sessie tien vragen stelt, betaalt bij Anthropic de gecachete invoer tegen 10% van het invoertarief, bij Fable 5.1 zelfs 2,5% (Anthropic pricing, 2026); de tien vragen kosten dan samen nauwelijks meer dan de eerste.

Wat een groot venster niet garandeert#

Dat een dossier in het venster past, betekent niet dat het model elke zin even zwaar weegt. Leveranciers publiceren daarover weinig harde cijfers voor Nederlandse tekst, en wij hebben zelf geen needle-in-a-haystack-test op Nederlandse dossiers gedraaid; wat we hier zeggen, komt uit de documentatie van de leveranciers.

Anthropic geeft twee aanwijzingen die wij in elke documentprompt toepassen. Zet het lange document bovenaan de prompt, boven de vraag en de instructies, "improves performance across all models"; en laat het model eerst de relevante passages letterlijk citeren voordat het de opdracht uitvoert (Anthropic, long context tips, 2026).

Die tweede aanwijzing is voor contracten goud waard. Een analyse die begint met de geciteerde clausule is controleerbaar; een analyse die begint met een conclusie is dat niet.

Een tweede grens zit in de dichtheid van het document. Anthropic waarschuwt dat dichte PDF’s met kleine letters, complexe tabellen of veel grafieken het venster kunnen vullen vóór de paginagrens is bereikt (Anthropic, PDF support, 2026); een jaarverslag met veertig pagina’s cijfertabellen is dus zwaarder dan onze aanname van 400 woorden per pagina.

Wat wij daarom in elk documentproject doen: een testset van tien echte documenten met bekende antwoorden, en per model tellen hoeveel antwoorden kloppen én met een juiste bronpassage komen. Op die maat kiezen we, niet op het venster.

Nederlands lezen: wat we weten en wat niet#

Lezen is een andere vaardigheid dan schrijven, maar de modellen die goed Nederlands schrijven, lezen het in onze ervaring ook goed. Harde cijfers zijn schaars: Anthropic publiceert meertalige scores voor veertien talen, en Nederlands staat daar niet bij (Anthropic, multilingual support, 2026).

Onze eigen test van welk AI-model het beste Nederlands schrijft bevatte één leestaak: een wetsartikel (6:233 BW) in de prompt zelf plakken en laten samenvatten. Die test dekte uitsluitend de vier Claude-modellen; ChatGPT, Gemini en Mistral zijn er niet in gescoord, en dat zeggen we hier net zo hard als daar.

Voor de leverancierskeuze op Nederlandse dossiers betekent dat: test op je eigen documenten. Een jurist of controller die tien uitkomsten naast het origineel legt, weet in een middag meer dan elke benchmark.

PDF’s en scans: vision, ingebouwde extractie of OCR vooraf#

Een contract komt zelden als platte tekst binnen. De drie routes verschillen per leverancier in paginalimiet én in wat een pagina kost.

Voor een gescand contract van 30 pagina’s is de Claude-route de eenvoudigste: één aanroep, tekst en beeld tegelijk, dus ook een handtekening of een doorgestreepte alinea komt mee. Voor een archief van 50.000 gescande pagina’s is OCR vooraf goedkoper, omdat je daarna met korte tekstprompts verder kunt en de beeldtokens maar één keer betaalt.

Dat een model een beeld betrouwbaar kan aflezen, hebben we in een eigen project laten werken. Voor Business Center Altena fotografeert een ESP32-S3 met 2 megapixel-camera elke 15 tot 30 minuten een hele meterkast, de server snijdt per meter een uitsnede uit die ene foto, en Claude Vision leest daaruit de tellerstand in kWh of m³, inclusief het rode cijfer achter de komma dat generieke OCR het vaakst mist.

Belangrijker dan wat het leest, is wat het doet bij een beslagen ruit: dan geeft de pijplijn null terug met confidence 0, in plaats van een gok. Die betrouwbaarheidsscore per aflezing is precies wat je bij een gescand contract ook wilt: een clausule die het model niet kon lezen, moet als niet gelezen worden gemarkeerd, niet als afwezig.

De case bevat bewust geen gemeten besparingscijfers, en die noemen we hier dus ook niet.

Contracten: waar het model helpt en waar de jurist blijft#

Voor contractwerk zien wij drie taken die een model betrouwbaar doet, en één die het niet doet.

• Uittreksel op vaste velden: partijen, looptijd, opzegtermijn, indexatie, aansprakelijkheidsplafond, met citaat per veld.
• Afwijkingen van je eigen standaard: je modelcontract mee in de prompt, en het model markeert elke clausule die afwijkt.
• Kruisverwijzingen: klopt de definitie in artikel 1 met het gebruik in artikel 14, en verwijst bijlage 3 naar een versie die bestaat.

Wat het niet doet, is het oordeel: of een afwijkend aansprakelijkheidsplafond acceptabel is, hangt van je risico en je onderhandelingspositie af. Stel dat een inkoper dertig leverancierscontracten per maand beoordeelt, dan verschuift het werk van lezen naar beoordelen, en dat is precies de winst; welk deel van het werk overblijft, verschilt per bedrijf en meten we niet vooraf.

Voor deze taken kiezen wij Opus 5 boven Sonnet 5: het verschil van €0,22 per jaarverslag uit tabel 1 weegt niet op tegen één gemiste afwijking. Voor de samenvatting die daarna naar de directie gaat, volstaat Sonnet 5.

AVG: een dossier is bijna altijd persoonsgegevens#

Een jaarverslag is openbaar, een personeelsdossier of een bezwaardossier niet. Zodra er namen, salarissen of medische gegevens in het document staan, moet de route eerst kloppen en dan pas het model.

Concreet betekent dat: een zakelijk contract dat training op jouw documenten uitsluit, en een verwerkingslocatie die je aan de toezichthouder kunt uitleggen.

Bij Claude loopt EU-verwerking via het multi-region-endpoint eu van Google Cloud, met 10% toeslag boven het global endpoint (Anthropic pricing, 2026); de eigen API van Anthropic kent alleen een Amerikaanse residentie-optie. Bij OpenAI stuur je naar eu.api.openai.com (OpenAI, your data, 2026), met dezelfde 10% voor modellen van na 5 maart 2026, en fast mode is voor GPT-6 Astra met EU-dataresidentie niet beschikbaar (OpenAI pricing, 2026).

Welke aanbieder per abonnement welke garanties geeft, met subverwerkers en bewaartermijnen, staat op welk model AVG-proof is. Voor deze pagina volstaat de regel: eerst de route, dan de tabel hierboven.

Wat wij kiezen, en waarom dat een voorkeur is#

Wij bouwen documentverwerking Claude-first. De reden staat in de twee tabellen: hetzelfde tarief over het hele venster, 600 PDF-pagina’s per aanroep met tekst en beeld tegelijk, en caching die herhaalde vragen op één dossier bijna gratis maakt.

Dat is een onderbouwde voorkeur, geen meting dat Claude beter leest. GPT-5.6 Terra leest een jaarverslag voor hetzelfde geld, en Gemini 3.8 Flash is met €0,06 per jaarverslag en 258 tokens per PDF-pagina de goedkoopste route voor bulk die je toch steekproefsgewijs controleert.

Onze standaardtrap voor documentwerk: Haiku 4.5 om binnenkomende documenten te classificeren, Sonnet 5 om te extraheren en samen te vatten, Opus 5 waar het om samenhang over het hele document gaat. Fable 5.1 zetten we alleen in als de evaluatieset op Opus 5 nog fouten laat zien.

Wat het kost om dit te laten bouwen#

Wil je één document per keer laten lezen door een medewerker, dan is een Team-abonnement genoeg en hoef je niets te laten bouwen. Wil je dat een proces het doet, honderd contracten per week uit een mailbox, dan is dit onze prijsband voor AI-software op maat.

De modelkosten uit tabel 1 komen daar bovenop, en die reken je zelf na met het recept op AI-API-kosten berekenen. Wil je eerst weten of jouw documentstroom zich hiervoor leent, bel dan 085 016 0118 of laat je documenttype achter via contact; we zeggen in één gesprek of het een venster-, een RAG- of een OCR-vraag is.

Zo houd je deze pagina actueel#

De prijzen zijn van 18 september 2026 en twee ervan zijn tijdelijk: Gemini 3.8 Flash verdubbelt op 1 januari 2027, GPT-5.6 Sol heeft een actieprijs tot minstens 21 november 2026. Wie een documentproces bouwt, legt de modelnaam en het tarief vast in configuratie, niet in code, zodat een prijswijziging een regel is en geen release.

Contextvensters bewegen langzamer dan prijzen. De vraag die je elk kwartaal opnieuw stelt, is niet "past het" maar "klopt de evaluatieset nog op het nieuwe model".