Definitie: Een LLM-API is een programmeerinterface waarmee software een groot taalmodel, zoals de modellen achter de OpenAI API of de Claude API, kan aanroepen om tekst te laten lezen, schrijven, samenvatten of beoordelen. AI-integratie is het inbouwen van zo’n aanroep in een bestaand werkproces of een applicatie, zodat het model een afgebakende taak uitvoert binnen de software die mensen al gebruiken.
In het kort
- Via de OpenAI API, de Claude API of een vergelijkbare dienst stuurt je applicatie een verzoek met tekst naar een taalmodel en krijgt een antwoord terug, meestal als JSON.
- Je betaalt per token: een stukje tekst van ongeveer vier tekens. Invoer en uitvoer worden apart afgerekend, en uitvoer is duurder.
- De API is iets anders dan ChatGPT of Claude in de browser: je bouwt de functie zelf in je eigen software en bepaalt wat er met het antwoord gebeurt.
- Een goede AI-integratie begint bij een concrete taak in een proces, niet bij het model.
Wat is de OpenAI API?
De OpenAI API is de technische toegang tot de taalmodellen van OpenAI, het bedrijf dat in 2015 werd opgericht en bekend werd met ChatGPT. Waar je in ChatGPT zelf een vraag typt, laat je via de API een programma die vraag stellen.
De werking is in de basis eenvoudig. Je applicatie stuurt via internet een verzoek naar een vast adres van de aanbieder, een zogeheten endpoint. In dat verzoek staan je API-sleutel, het model dat je wilt gebruiken, instructies en de tekst die verwerkt moet worden. De aanbieder verwerkt het verzoek op zijn eigen servers en stuurt een antwoord terug. Volgens Monkey Vision duurt dat van enkele honderden milliseconden tot enkele seconden, afhankelijk van het model en de omvang van de opdracht.
Andere aanbieders werken op dezelfde manier. Anthropic biedt de Claude API, Google de Gemini API, en Mistral heeft een Europese variant. Daarnaast kun je open modellen zelf draaien op eigen servers. De term LLM-API is de verzamelnaam: een API die toegang geeft tot een large language model.
Wat is het verschil tussen ChatGPT en de API?
| ChatGPT of Claude in de browser | OpenAI API of Claude API | |
|---|---|---|
| Gebruik | Een persoon typt vragen in een chatvenster | Software stuurt verzoeken automatisch |
| Betaling | Vast abonnement per gebruiker | Per token, op basis van verbruik |
| Uitkomst | Een antwoord op het scherm | Een antwoord dat je applicatie verder verwerkt |
| Controle | Instellingen van de aanbieder | Eigen instructies, eigen opslag, eigen vervolgstappen |
| Geschikt voor | Losse vragen, schrijven, onderzoek | Terugkerende taken binnen een proces |
Het belangrijkste verschil zit in wat er na het antwoord gebeurt. In een chatvenster kopieert iemand de tekst en plakt die ergens anders. Bij een integratie komt het antwoord direct op de juiste plek: als concept in een dossier, als label bij een binnengekomen bericht of als samenvatting bij een klantrecord.
Hoe werkt een aanroep van een LLM-API?
Een aanroep bestaat uit een paar vaste onderdelen:
- Authenticatie. Je applicatie stuurt een geheime API-sleutel mee, zodat de aanbieder weet wie het verzoek doet en wie de rekening krijgt.
- Modelkeuze. Je kiest welk model het verzoek uitvoert. Grotere modellen zijn beter in complexe opdrachten, kleinere zijn sneller en goedkoper.
- Instructies. Een systeeminstructie legt vast wat het model moet doen, in welke toon en in welk formaat.
- Invoer. De tekst die verwerkt moet worden, zoals een e-mail, een document of de gegevens van een klant.
- Instellingen. Bijvoorbeeld de maximale lengte van het antwoord en hoe vrij of voorspelbaar het model mag formuleren.
- Antwoord. De aanbieder stuurt de gegenereerde tekst terug, vaak samen met het aantal gebruikte tokens.
Moet het model zelf iets opzoeken of een actie uitvoeren, dan gebruik je function calling: het model geeft aan welke functie van jouw applicatie het wil aanroepen, en jouw code voert die uit.
Wat kost de OpenAI API?
De OpenAI API en de Claude API rekenen af per token. Een token is een stukje tekst; volgens DevPlaybook komt één token neer op ongeveer vier tekens of driekwart Engels woord.
Er zijn een paar vaste principes:
- Invoer en uitvoer apart. Je betaalt voor alles wat je instuurt, inclusief instructies en context, en voor alles wat het model terugschrijft.
- Uitvoer is duurder. Volgens APIsRouter kost uitvoer bij OpenAI vijf tot zes keer zoveel als invoer. Lange antwoorden drijven de kosten dus sneller op dan lange vragen.
- Model maakt verschil. De duurste modellen kosten per token een veelvoud van de kleinste. Lichtere modellen zijn volgens CloudZero sneller en goedkoper, maar niet voor elke taak geschikt.
- Herhaalde invoer is goedkoper. Bij prompt caching betaal je voor een gelijkblijvend begin van een verzoek, zoals een vaste systeeminstructie, een fractie van de normale prijs.
- Batch is goedkoper. Volgens DevPlaybook geeft de Batch API van OpenAI 50% korting voor verzoeken die niet direct een antwoord nodig hebben en binnen 24 uur verwerkt mogen worden.
Prijzen veranderen regelmatig, dus controleer de actuele prijspagina. Voor een eerste inschatting reken je uit hoeveel verzoeken per maand je verwacht, hoe lang de invoer gemiddeld is en hoe lang het antwoord. De kosten van bouwen, testen en beheer kunnen groter zijn dan de API-kosten zelf.
Welke toepassingen passen bij een LLM-API?
Een LLM-API is sterk in taken met taal en tekst. Veelvoorkomende toepassingen zijn:
- Binnenkomende berichten sorteren. Een e-mail of formulier krijgt automatisch een categorie, urgentie en samenvatting, zodat de juiste persoon het direct oppakt.
- Documenten uitlezen. Uit offertes, facturen of aanvragen haal je vaste velden zoals naam, bedrag en datum.
- Concepten schrijven. Een eerste versie van een offerte, rapportage of antwoord, die een medewerker controleert en aanvult.
- Samenvatten. Lange dossiers, notities of gesprekken teruggebracht tot de kern.
- Zoeken in eigen kennis. In combinatie met RAG beantwoordt een model vragen op basis van je eigen documenten.
Minder geschikt is een LLM voor exacte berekeningen, beslissingen met grote gevolgen zonder menselijke controle en taken waarvoor een gewone regel in de code volstaat.
Hoe bouw je een AI-integratie in een applicatie?
Een AI-integratie is meer dan één API-aanroep. Een werkbare opzet bevat meestal deze onderdelen:
- Een vaste plek in het proces. Het model voert een taak uit op een duidelijk moment, bijvoorbeeld direct nadat een aanvraag binnenkomt.
- Een backend die de aanroep doet. De API-sleutel blijft op de server en komt nooit in de browser of een mobiele app terecht.
- Een wachtrij. Omdat een aanroep seconden kan duren, draait die vaak op de achtergrond, zodat de gebruiker niet hoeft te wachten.
- Een controlestap. Een mens beoordeelt het voorstel voordat het naar een klant gaat of een besluit wordt.
- Kostenbewaking. Een limiet per dag of per gebruiker voorkomt onverwachte rekeningen.
Waar let je op bij privacy en betrouwbaarheid?
Bij elke aanroep verlaat tekst je eigen systeem. Dat vraagt om een paar bewuste keuzes:
- Welke gegevens stuur je mee? Stuur alleen wat nodig is voor de taak. Persoonsgegevens kun je soms weglaten of vervangen.
- Waar worden ze verwerkt? Grote aanbieders bieden zakelijke voorwaarden en soms verwerking in Europa. Leg vast welke afspraken gelden en sluit een verwerkersovereenkomst.
- Hoe ga je om met fouten? Taalmodellen kunnen overtuigend klinkende onzin produceren. Een controlestap en duidelijke bronnen in de invoer verkleinen dat risico. ## OpenAI API, Claude API of een ander model?
| Optie | Kenmerk | Aandachtspunt |
|---|---|---|
| OpenAI API | Breed aanbod aan modellen voor tekst, beeld en spraak, veel documentatie | Amerikaanse aanbieder; controleer verwerkingslocatie en voorwaarden |
| Claude API | Modellen van Anthropic, met een vergelijkbare opzet voor tekst en documenten | Amerikaanse aanbieder; vergelijkbare afwegingen rond privacy |
| Gemini API | Modellen van Google, geïntegreerd met Google Cloud | Prijzen en limieten per model verschillen sterk |
| Mistral | Europese aanbieder met eigen modellen | Kleiner ecosysteem van tools en voorbeelden |
| Zelf gehost open model | Volledige controle over waar gegevens staan | Eigen servers, beheer en meestal lagere kwaliteit bij complexe taken |
Er is geen vaste winnaar. Test twee of drie modellen op een set echte voorbeelden uit je eigen proces en leg de uitkomsten naast elkaar.
Wat betekent dit voor jouw project?
Ik kijk bij AI eerst naar het proces, niet naar het model. Wat komt binnen, wie moet ermee verder en welke informatie heeft die persoon nodig? Pas als dat helder is, wordt duidelijk of een taalmodel een stap kan voorbereiden en waar een mens moet beslissen.
Bij Contentooo zie je die volgorde terug. De workflow loopt van intake, klantprofiel en onderzoek naar een contentplan, klantvragen, conceptgeneratie, controle, vrijgave en klantakkoord. De conceptgeneratie is één stap in die keten, en de kwaliteit ervan hangt af van de invoer die eerder in het proces is verzameld. Goede invoer bepaalt wat een volgende stap kan opleveren. Daarna blijft er een plek waar iemand controleert en akkoord geeft.
Ik wil vooraf duidelijk hebben wat we met een eerste versie bedoelen. Bij een AI-integratie is dat vaak één taak, met een paar echte voorbeelden om te testen en een duidelijke afspraak over wie het resultaat beoordeelt.
Vraag? Welke taak met tekst kost bij jullie steeds opnieuw tijd? Stuur me wat er binnenkomt, wie ermee verder moet en wat die persoon nodig heeft. Dan kijken we samen of een AI-integratie de logische eerste stap is. Lees ook hoe ik een maatwerk webapplicatie opbouw.
Veelgestelde vragen over LLM-API / AI-integratie
Is de OpenAI API gratis?
Nee. De OpenAI API rekent af per token, met aparte prijzen voor invoer en uitvoer per model. Er is geen abonnement nodig; je betaalt voor het werkelijke verbruik, vaak via vooraf opgewaardeerd tegoed.
Wat is het verschil tussen de ChatGPT API en de Claude API?
De ChatGPT API, officieel de OpenAI API, geeft toegang tot de modellen van OpenAI. De Claude API geeft toegang tot de modellen van Anthropic. Beide werken op dezelfde manier met verzoeken, tokens en een API-sleutel; de verschillen zitten in de modellen, prijzen en voorwaarden.
Heb je programmeerkennis nodig om een LLM-API te gebruiken?
Voor een eenvoudige koppeling kun je een automatiseringstool zoals n8n of Make gebruiken zonder te programmeren. Voor een integratie in een eigen applicatie, met opslag, controlestappen en foutafhandeling, is ontwikkelwerk nodig.
Verwante termen
Prompt engineering · RAG · Embeddings · Fine-tuning · AI-chatbot · Lokale LLM / on-premise AI · Function calling / tool use · API-koppeling
← Terug naar de kennisbank