Overzicht
In dit artikel worden de huidige credittarieven voor Codex beschreven binnen de flexibele prijsstructuur voor Plus-, Pro-, Business-, Enterprise-, Edu-, Health- en Gov-abonnementen.
Meer informatie over credits in ChatGPT Plus en Pro.
Meer informatie over credits in ChatGPT Business, Enterprise en Edu.
Opmerking: Op 2 april 2026 hebben we de Codex-prijzen bijgewerkt zodat ze aansluiten op API-tokengebruik, in plaats van prijzen per bericht. Deze wijziging gold voor nieuwe en bestaande Plus-, Pro-, ChatGPT Business- en nieuwe ChatGPT Enterprise-abonnementen.
Op 23 april 2026 hebben we deze update ook doorgevoerd voor alle bestaande ChatGPT Enterprise-abonnementen, waaronder Edu, Health, Gov en ChatGPT for Teachers.
Raadpleeg de nieuwe tarievenkaart in het onderstaande gedeelte voor meer informatie.
Codex-tarievenkaart - tokengebaseerde prijzen
Deze tarievenkaart is van toepassing op de volgende klantabonnementen:
Nieuwe en bestaande ChatGPT Plus- en Pro-klanten
Nieuwe en bestaande ChatGPT Business-klanten
Nieuwe en bestaande Enterprise/Edu/Gov/Health/ChatGPT for Teachers-klanten
Een kleine subset van Enterprise-klanten moet de oude tarievenkaart blijven gebruiken. Neem voor meer informatie contact op met OpenAI Sales.
Codex-gebruik wordt geprijsd op basis van API-tokengebruik, berekend als credits per miljoen inputtokens, gecachte inputtokens en outputtokens. Lees hier meer over tokens.
Deze indeling vervangt gemiddelde schattingen per bericht door een directe koppeling tussen tokengebruik en credits. Dit is vooral nuttig als je een duidelijker beeld wilt van hoe input, gecachte input en output het creditverbruik beïnvloeden.
Bij dit model hangt het werkelijke creditverbruik af van de mix van input-, gecachte input- en outputtokens in elke taak. De onderstaande tabel toont credits per 1M tokens voor elk tokentype.
| Model | Inputtokens | Gecachte inputtokens | Outputtokens |
|---|---|---|---|
| GPT-5.5 | 125 credits | 12.50 credits | 750 credits |
| GPT-5.4 | 62.50 credits | 6.250 credits | 375 credits |
| GPT-5.4-Mini | 18.75 credits | 1.875 credits | 113 credits |
| GPT-5.3-Codex | 43.75 credits | 4.375 credits | 350 credits |
| GPT-5.2 | 43.75 credits | 4.375 credits | 350 credits |
| GPT-5.3-Codex-Spark | onderzoeksvoorbeeld | onderzoeksvoorbeeld | onderzoeksvoorbeeld |
| GPT-Image-2.0 (image) | 200 credits | 50 credits | 750 credits |
| GPT-Image-2.0 (text) | 125 credits | 31.25 credits | 250 credits |
Opmerking:
Fast-modus verbruikt credits tegen een hoger tarief voor ondersteunde modellen. Zie Speed voor tarieven.
Codereview gebruikt GPT-5.3-Codex.
GPT-5.3-Codex-Spark kan in Codex beschikbaar zijn als onderzoeksvoorbeeld - de credittarieven voor dit model zijn nog niet definitief.
Lees meer over volumelimieten voor Codex-gebruik.
Gemiddeld kost Codex ongeveer $100-$200 per ontwikkelaar per maand, al verschilt dit sterk afhankelijk van het gebruikte model, het aantal instanties dat gebruikers uitvoeren, automatiseringen en het gebruik van de Fast-modus. Lees meer over best practices voor het maximaliseren van je volumelimieten en het beheren van tokenverbruik.
Je kunt gebruikslimieten controleren en het resterende tegoed bekijken in Codex-instellingen > het paneel Gebruik. Afhankelijk van je abonnement en rol in de werkruimte kun je daar mogelijk ook credits kopen of automatisch herladen beheren. Als je zelf geen credits kunt toevoegen, vraag dan je werkruimte-eigenaar of beheerder.
Oude tarievenkaart
De meeste nieuwe en bestaande klanten in alle abonnementen zijn gemigreerd naar de nieuwe tokengebaseerde prijzen en moeten de nieuwe tarievenkaart op deze pagina gebruiken.
Een kleine subset van Enterprise-klanten moet de oude tarievenkaart blijven gebruiken totdat we je migreren naar de nieuwe tokengebaseerde prijzen voor Codex. Neem voor meer informatie contact op met OpenAI Sales.
De oude tarievenkaart geeft Codex-gebruik weer als geschatte gemiddelde credits per bericht of pull request. Deze gemiddelden zijn nuttig voor globale planning, maar het werkelijke creditverbruik kan variëren op basis van taakgrootte, modelkeuze en vereisten voor redenering.
| Eenheid | GPT-5.5 | GPT-5.4 | GPT-5.3-Codex | GPT-5.1-Codex-mini | |
|---|---|---|---|---|---|
| Lokale taken | 1 bericht | ~14 credits | ~7 credits | ~5 credits | ~2 credits |
| Cloudtaken | 1 bericht | Niet beschikbaar | ~34 credits | ~25 credits | Niet beschikbaar |
| Codereview | 1 pull request | Niet beschikbaar | ~34 credits | ~25 credits | Niet beschikbaar |
Deze gemiddelden gelden ook voor de legacy-modellen GPT-5.2, GPT-5.2-Codex, GPT-5.1, GPT-5.1-Codex-Max, GPT-5, GPT-5-Codex en GPT-5-Codex-Mini.
FAQ
Waarom zijn er twee Codex-tarievenkaarten?
We hebben onze prijsstelling gewijzigd van credits per bericht naar credits per verbruikt tokentype. OpenAI ondersteunt zowel de oude tarievenkaart als de bijgewerkte tokengebaseerde tarievenkaart. Welke versie van toepassing is, hangt af van de migratiestatus van de werkruimte.
Welke tarievenkaart moet ik gebruiken?
De meeste nieuwe en bestaande Plus-, Pro-, ChatGPT Business-, Enterprise-, Health-, Edu- en Gov-klanten moeten de tarievenkaart met tokengebaseerde prijzen gebruiken. Let op: een kleine subset van Enterprise-klanten moet de oude tarievenkaart blijven gebruiken. Als je een Enterprise-klant bent en vragen hebt, neem dan contact op met OpenAI Sales.
Wat is er veranderd in de bijgewerkte tokengebaseerde tarievenkaart?
De oude tarievenkaart toont geschatte gemiddelde credits per bericht of pull request. De bijgewerkte tokengebaseerde tarievenkaart toont credits per tokentype.
Waarom wordt de tarievenkaart gewijzigd?
Credits blijven de kernprijseenheid die klanten kopen en verbruiken. De bijgewerkte tokengebaseerde indeling maakt het gemakkelijker om creditverbruik te koppelen aan daadwerkelijke modelactiviteit, sluit Codex-prijzen beter aan op tokengebaseerde meting en geeft duidelijker inzicht in hoe input, gecachte input en output bijdragen aan het totale verbruik.
Hoe beïnvloedt dit mijn prijzen?
De impact hangt af van de mix van je workloads. Sommige gebruikers zien mogelijk een hoger creditverbruik, terwijl anderen een lager creditverbruik zien, afhankelijk van hoeveel input, gecachte input en output hun taken gebruiken. Taken met veel output en Fast-modus verbruiken over het algemeen meer credits dan lichtere taken.