> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt.

# LLM-kosten optimaliseren

## Overzicht

Het beheren van inferentiekosten voor Large Language Models (LLM's) is essentieel voor het ontwikkelen van duurzame AI-applicaties. Deze gids beschrijft belangrijke strategieën om uitgaven op het ElevenLabs-platform te optimaliseren door de functies ervan effectief te gebruiken. Raadpleeg onze belangrijkste [LLM-documentatie](/docs/nl/eleven-agents/customization/llm) voor gedetailleerde informatie over modelmogelijkheden en prijzen.

> **Note**
>
> ElevenLabs helpt kosten te verlagen door de inferentie van modellen tijdens stiltes te verminderen.
> Deze periodes worden gefactureerd tegen 5% van het gebruikelijke tarief per minuut. Bekijk [de overzichtspagina van ElevenAgents](/docs/nl/eleven-agents/overview#pricing-during-silent-periods) voor meer informatie.

## Inzicht in inferentiekosten

De LLM-inferentiekosten op ons platform worden voornamelijk beïnvloed door:

* **Inputtokens**: De hoeveelheid gegevens die vanuit je prompt wordt verwerkt, inclusief gebruikersvragen, systeeminstructies en contextuele gegevens.
* **Outputtokens**: Het aantal tokens dat de LLM in zijn antwoord genereert.
* **Modelkeuze**: Verschillende LLM's hebben uiteenlopende prijzen per token. Krachtigere modellen brengen doorgaans hogere kosten met zich mee.

Het monitoren van je gebruik via het ElevenLabs-dashboard of de API is cruciaal om mogelijkheden voor kostenbesparing te vinden. Je kunt de verwachte LLM-kosten van een agent ook rechtstreeks vanuit Claude of een andere MCP-client schatten via de [gehoste MCP-server](/docs/nl/eleven-agents/operate/hosted-mcp), wat handig is om modellen te vergelijken voordat je een wijziging doorvoert.

## Strategische modelkeuze

Het kiezen van de meest geschikte LLM is een belangrijke factor voor kostenefficiëntie.

* **Juiste omvang**: Kies het minst complexe (en doorgaans goedkopere) model dat je specifieke taak betrouwbaar kan uitvoeren. Gebruik geen dure modellen voor eenvoudige bewerkingen. Modellen zoals Google's `gemini-2.0-flash` bieden bijvoorbeeld zeer concurrerende prijzen voor veel voorkomende taken. Controleer altijd de volledige [lijst met ondersteunde LLM's](/docs/nl/eleven-agents/customization/llm#supported-llms) voor de nieuwste prijzen en mogelijkheden.
* **Experimenteren**: Test verschillende modellen voor je taken en vergelijk de kwaliteit van de output met de gemaakte kosten. Houd rekening met taalondersteuning, behoeften aan contextvensters en gespecialiseerde vaardigheden.

## Promptoptimalisatie

Prompt engineering is een krachtige techniek om het tokenverbruik en de bijbehorende kosten te verlagen. Door duidelijke, beknopte en ondubbelzinnige systeemprompts te maken, kun je het model sturen om efficiëntere antwoorden te produceren. Verwijder overbodige formuleringen en onnodige context die je aantal tokens kunnen verhogen. Overweeg het model expliciet te instrueren over de gewenste lengte van de output, bijvoorbeeld door zinnen toe te voegen als "Beperk je antwoord tot twee zinnen" of "Geef een korte samenvatting." Deze eenvoudige instructies kunnen het aantal outputtokens aanzienlijk verlagen, terwijl de kwaliteit en relevantie van de gegenereerde inhoud behouden blijven.

**Modulair ontwerp**: Gebruik voor complexe gespreksflows [agent-agentoverdracht](/docs/nl/eleven-agents/customization/tools/system-tools/agent-transfer). Hiermee kun je één grote systeemprompt opsplitsen in meerdere kleinere, meer gespecialiseerde prompts, die elk door een andere agent worden afgehandeld. Dit vermindert het aantal tokens per interactie aanzienlijk, omdat alleen de contextueel relevante prompt voor de huidige fase van het gesprek wordt geladen, in plaats van een uitgebreide prompt voor alle mogelijke situaties.

## Kennis en retrieval benutten

Voor applicaties die toegang tot grote hoeveelheden informatie nodig hebben, zijn Retrieval Augmented Generation (RAG) en een goed onderhouden kennisbank essentieel.

* **Efficiënte RAG**:
  * RAG vermindert inputtokens door de LLM alleen relevante fragmenten uit je [kennisbank](/docs/nl/eleven-agents/customization/knowledge-base) te geven, in plaats van uitgebreide gegevens in de prompt op te nemen.
  * Optimaliseer de retriever om alleen de meest relevante "chunks" informatie op te halen.
  * Stem de chunkgrootte en overlap af voor een balans tussen context en aantal tokens.
  * Lees meer over de implementatie van [RAG](/docs/nl/eleven-agents/customization/knowledge-base/rag).
* **Contextgrootte**:
  * Zorg dat je [kennisbank](/docs/nl/eleven-agents/customization/knowledge-base) nauwkeurige, actuele en relevante informatie bevat.
  * Goed gestructureerde content verbetert de nauwkeurigheid van retrieval en vermindert het tokengebruik door irrelevante context.

## Intelligent gebruik van tools

Met [webhooktools](/docs/nl/eleven-agents/customization/tools/webhook-tools) kunnen LLM's taken delegeren aan externe API's of aangepaste code, wat kosteneffectiever kan zijn.

* **Taken uitbesteden**: Identificeer deterministische taken, taken die realtimegegevens, complexe berekeningen of API-interacties vereisen (bijvoorbeeld databaseopzoekingen en aanroepen van externe services).
* **Orkestratie**: De LLM fungeert als orkestrator en maakt gestructureerde tool calls. Dit is vaak veel tokenefficiënter dan complexe taken alleen met prompts proberen uit te voeren.
* **Toolbeschrijvingen**: Geef voor elke tool duidelijke, beknopte beschrijvingen, zodat de LLM ze efficiënt en nauwkeurig kan gebruiken.

## Checklist

Overweeg deze technieken toe te passen om kosten te verlagen:

| Functie           | Kosteneffect                                                              | Actiepunten                                                                                                                                                                                               |
| :---------------- | :------------------------------------------------------------------------ | :-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| LLM-keuze         | Verlaagt de kosten per token                                              | Kies het kleinste, voordeligste model dat de taak betrouwbaar uitvoert. Experimenteer en vergelijk kosten met kwaliteit.                                                                                  |
| Aangepaste LLM's  | Mogelijk lagere inferentiekosten voor gespecialiseerde taken              | Evalueer voor specifieke taken met een hoog volume; finetune op eigen data om kleinere, efficiënte modellen te maken.                                                                                     |
| Systeemprompts    | Vermindert input- en outputtokens, stuurt modelgedrag                     | Wees beknopt, duidelijk en specifiek. Instrueer over de gewenste outputindeling en -lengte (bijv. "wees beknopt", "gebruik JSON").                                                                        |
| Gebruikersprompts | Vermindert inputtokens                                                    | Stimuleer specifieke vragen; gebruik few-shotvoorbeelden strategisch; vat relevante geschiedenis samen of selecteer deze.                                                                                 |
| Outputcontrole    | Vermindert outputtokens                                                   | Vraag om samenvattingen of kerninformatie; gebruik `max_tokens` voorzichtig; verbeter prompts iteratief voor natuurlijke beknoptheid.                                                                     |
| RAG               | Vermindert inputtokens door grote context in de prompt te vermijden       | Optimaliseer de retriever op relevantie; stem chunkgrootte/overlap af; zorg voor hoogwaardige embeddings en zoekalgoritmen.                                                                               |
| Kennisbank        | Verbetert RAG-efficiëntie en vermindert irrelevante tokens                | Onderhoud regelmatig; verwijder verouderde informatie; zorg voor een goede structuur, metadata en tags voor nauwkeurige retrieval.                                                                        |
| Tools (functies)  | Voorkomt LLM-calls voor specifieke taken; vermindert tokens               | Delegeer deterministische, rekenintensieve of externe API-taken aan tools. Ontwerp duidelijke toolbeschrijvingen voor de LLM.                                                                             |
| Agentoverdracht   | Maakt goedkopere modellen mogelijk voor eenvoudigere onderdelen van taken | Gebruik eenvoudigere/goedkopere agents voor eerste triage/veelgestelde vragen; draag alleen over aan capabele agents wanneer nodig; splits grote prompts op in kleinere prompts over verschillende agents |

> **Gespreksgeschiedenis beheren**
>
> Implementeer voor stateful gesprekken samenvatting van de geschiedenis of technieken met een
> sliding window om de context compact te houden, in plaats van meerdere gesprekstranscripten als
> onderdeel van de systeemprompt door te geven. Dit kan bijzonder effectief zijn bij het bouwen van
> consumententoepassingen en kan vaak worden beheerd bij ontvangst van een post-callwebhook.

> **Tip**
>
> Monitor je LLM-gebruik en -kosten voortdurend. Controleer en verfijn regelmatig je prompts,
> RAG-configuraties en toolintegraties om kosteneffectiviteit te blijven waarborgen.