Passa al contenuto principale

Quanto costa davvero l'AI (tra i vari provider)

Intermedio

"Quanto costa l'AI?" non ha una risposta unica — dipende da quale archetipo di prezzo stai acquistando e da quanto effettivamente la usi. Le cifre in dollari cambiano ogni pochi mesi; la struttura del costo si muove appena. Questa pagina insegna la forma duratura: i tre modi in cui l'AI viene tariffata, come stimare un carico di lavoro prima di costruirlo, le leve che riducono il conto e il vero bivio tra affittare un'API e l'auto-hosting.

What you'll learn
  • Distinguere i tre archetipi di costo: API per-token, abbonamento flat e open/self-hosted
  • Stimare il costo di qualsiasi carico di lavoro da token × tariffa × volume — prima di metterlo in produzione
  • Tirare le grandi leve che riducono la spesa senza intaccare la qualità
  • Sapere quando open/self-hosted batte l'API sul costo, e quando vince l'API
  • Sapere quali numeri diventano obsoleti in fretta — e dove verificare la verità di oggi

I tre archetipi di costo​

Quasi ogni modo in cui puoi pagare l'AI si riduce a una di tre forme. Impara le forme, non i prezzi.

  • API per-token (basata sull'uso). Chiami un modello ospitato tramite un'API e paghi per token — e input e output sono tariffati separatamente, con l'output quasi sempre il più costoso dei due. Modelli più grandi/intelligenti costano di più per token; modelli più piccoli costano molto meno. La maggior parte dei provider offre anche sconti: una tariffa ridotta per l'input in cache che re-invii, e uno sconto batch fisso per i lavori asincroni non urgenti. È così che paghi quando costruisci un prodotto su Claude, GPT o Gemini. Il costo scala direttamente con l'uso — pochi centesimi su piccola scala, la voce di spesa dominante su larga scala.
  • Abbonamento flat consumer/per postazione. Una tariffa mensile fissa per un'app di chat o un assistente IDE (i piani consumer di Claude / ChatGPT / Gemini, le postazioni in stile Copilot). Non vedi i token; ottieni un'allocazione d'uso e dei rate limit. Prevedibile ed economico per un umano a una tastiera — ma non scala al lavoro programmatico/ad alto volume, e i costi per postazione si sommano in un team.
  • Open / locale (self-hosted). Fai girare un modello a pesi aperti (Llama, Mistral, Qwen, DeepSeek) sul tuo hardware o su una GPU noleggiata. Non c'è alcun prezzo per chiamata — paghi per l'hardware (o il noleggio orario della GPU) + elettricità + operatività, che il modello sia occupato o inattivo. Il costo marginale di una chiamata in più è di fatto prossimo a zero su scala, ma sostieni un costo fisso e un onere operativo. Vedi Esegui i Modelli in Locale con Ollama.
Pro tip
  • La distinzione chiave: API e abbonamenti sono costo MARGINALE (paghi per uso); il self-hosting è per lo più costo FISSO (paghi per mantenere la capacità attiva, usata o meno).
  • Sull'API, la singola sorpresa più grande è che i token di OUTPUT di solito costano diverse volte più dell'input — le risposte prolisse costano soldi veri.
  • Un abbonamento flat è lo strumento giusto per un umano che chatta; l'API per-token è lo strumento giusto per un'app che chiama il modello in un ciclo.

Come stimare il costo di un carico di lavoro​

Puoi dimensionare un conto API prima di scrivere una riga di codice in produzione. L'intero modello è una sola formula:

costo ≈ (token di input × tariffa input) + (token di output × tariffa output), per chiamata × numero di chiamate

Le tariffe sono quotate per milione di token, e input e output hanno tariffe diverse — quindi stima le due metà separatamente e sommale. Una regola empirica approssimativa per i token: ~1 token ≈ 4 caratteri di inglese, o ~0,75 parole. Per conteggi esatti, usa l'area Stimatore di Token e leggi Token e Prezzi. L'intera meccanica di dove si nascondono i token è in L'Economia dei Token.

Guided walkthrough1 of 5
  1. Somma l'input: system prompt + strumenti + contesto recuperato + cronologia + il turno dell'utente. Poi stima l'output che richiedi. Conta input e output separatamente — sono tariffati in modo diverso.

Stima a spanne (inserisci le tariffe di oggi)

Per call:
input_tokens  = system + tools + context + history + user_turn
output_tokens = the answer you ask for
call_cost = (input_tokens  * input_rate_per_million  / 1e6)
          + (output_tokens * output_rate_per_million / 1e6)

Per month:
monthly_cost = call_cost * calls_per_day * 30

Then adjust:
- cached repeated input -> use the (lower) cache-read rate for that slice
- offline / non-urgent  -> apply the batch discount to the whole job
Rates change monthly — pull today's numbers from the provider's pricing page.

Le grandi leve per ridurre il costo​

La maggior parte dei carichi di lavoro reali porta con sé peso morto. Queste leve, all'incirca in ordine di efficacia, riducono la spesa senza toccare la qualità — tira prima quelle strutturali ed economiche.

  • Dimensiona correttamente il modello. Non pagare la tariffa di un modello di punta per un lavoro che un modello piccolo/economico svolge bene. Classificazione, estrazione, instradamento e formattazione semplice di solito girano benissimo sul tier più piccolo a una frazione del prezzo per-token. Riserva il modello grande per il ragionamento davvero difficile, e considera il routing: il modello economico gestisce la maggioranza facile, escalation solo per i casi difficili. Vedi Scegliere un Modello.
  • Riduci il contesto che invii. Il token più economico è quello che non invii mai. Sfoltisci i system prompt gonfi, comprimi le lunghe cronologie in un riassunto continuo, ed esponi solo gli strumenti che il compito richiede — ognuno è input che ri-paghi a ogni chiamata.
  • RAG invece di stipare un contesto enorme. Incollare un documento di 50 pagine per rispondere a una domanda fa pagare 50 pagine a ogni chiamata. Il recupero (retrieval) preleva solo i pochi passaggi rilevanti — molti meno token di input per la stessa risposta (spesso migliore). Ricorri a una finestra di contesto gigantesca solo quando hai davvero bisogno di avere l'intero corpus sotto gli occhi contemporaneamente.
  • Prompt caching. Se molte chiamate condividono un grande prefisso immutabile (system prompt, catalogo strumenti, documento di riferimento), la cache lo elabora una volta e lo ri-serve a un forte sconto a ogni chiamata successiva. Il singolo cambiamento strutturale a maggiore efficacia per i carichi di lavoro di chat e agenti, perché ripaga a ogni turno.
  • Metti in batch il non urgente. Eval, etichettatura di massa, riassumere un archivio — tutto ciò per cui non ti serve la risposta in pochi secondi — passa attraverso un percorso batch asincrono a uno sconto fisso sulla maggior parte dei provider. Baratta l'immediatezza per un conto sensibilmente più basso.
  • Accorcia l'output. L'output è il lato più costoso. Chiedi JSON o uno schema stretto invece di un paragrafo chiacchierone: meno token di output e nessuna incertezza di parsing a valle.
  • Modelli più piccoli / open per la fetta facile. Per la maggioranza di chiamate ad alto volume e bassa difficoltà, un modello open o piccolo può essere drasticamente più economico per chiamata — a volte quasi gratis se già fai self-hosting. Tieni il modello di frontiera per i casi che ne hanno davvero bisogno.
Pro tip
  • Queste si compongono moltiplicativamente: input in cache × modello dimensionato correttamente × output più conciso × sconto batch si combinano in un grande taglio totale su un compito facile — con la qualità invariata.
  • Tira le leve strutturali (dimensionamento, cache, RAG, batch) prima di micro-ottimizzare la formulazione — spostano il conto molto di più.
  • MISURA sempre il cambiamento rispetto al conto reale, non a una supposizione. Il manuale approfondito è L'Economia dei Token.

Quando open/self-hosted batte l'API — e quando vince l'API​

Questa è la decisione che sposta davvero il tuo budget AI. È un incrocio tra costo fisso e costo marginale, e il volume è la variabile che la decide.

  • Open / self-hosted vince ad ALTO volume costante. Una volta che stai eseguendo abbastanza chiamate da tenere una GPU occupata la maggior parte del tempo, il costo marginale prossimo a zero per chiamata batte il pagare per token all'infinito. Ammortizzi il costo fisso di hardware/noleggio su un numero enorme di chiamate, guadagni privacy dei dati e personalizzazione completa — e accetti l'onere operativo (provisioning, scaling, uptime, MLOps) come prezzo d'ingresso.
  • L'API vince a volume BASSO o A PICCHI, o senza infrastruttura. Se il traffico è ridotto, a raffiche o imprevedibile, pagare per token significa che paghi solo per ciò che usi e nulla quando sei inattivo — nessuna GPU tenuta calda alle 3 del mattino. Salti anche tutta l'operatività. Per la maggior parte dei team che mettono in produzione un prodotto, prototipano o hanno traffico che arriva a picchi, l'API è al tempo stesso più economica e molto meno lavoro.
Watch out
  • Il self-hosting è raramente 'gratis'. I pesi del modello possono essere gratuiti, ma GPU, elettricità e le ore-ingegnere per tenerlo in piedi non lo sono — contale onestamente prima di dichiarare un risparmio.
  • Le GPU inattive sono pura perdita: l'infrastruttura a costo fisso batte il prezzo per-token solo quando l'utilizzo è ALTO. Traffico basso o a picchi favorisce l'API ogni volta.
  • Il punto di incrocio si sposta ogni volta che i prezzi delle API calano o l'hardware costa meno — rifai i conti periodicamente, non decidere una volta e dimenticartene.
Vocabolario del costo AI
Premi Invio o Spazio per girare la carta. Usa le frecce sinistra e destra per spostarti tra le carte.Termine mostrato.
1 / 6

Mettiti alla prova

0/3
  1. Su un'API per-token, quale lato del conto è quasi sempre più costoso?
  2. Hai traffico basso, a picchi, imprevedibile e nessuna infrastruttura ML. Cosa è di solito più economico?
  3. Qual è il modo più affidabile per ridurre un conto API su un compito facile e ad alto volume?
Key takeaways
  • Tre archetipi: API per-token (basata sull'uso, input vs output tariffati separatamente), abbonamento flat (prevedibile, non scala all'alto volume) e open/self-hosted (costo fisso, prossimo a zero per chiamata).
  • Stima prima di costruire: (input × tariffa input) + (output × tariffa output), per chiamata × volume — poi applica gli sconti cache e batch.
  • Leve maggiori: dimensiona correttamente il modello, riduci il contesto, RAG al posto di un contesto enorme, prompt caching, batch del non urgente, accorcia l'output.
  • Il self-hosting vince ad ALTO volume costante (ammortizzi il costo fisso); l'API vince a volume BASSO/a picchi o senza infrastruttura (paghi solo per l'uso).
  • Ogni cifra in dollari diventa obsoleta in fretta — verifica sulla pagina di prezzo del provider e su un tracker, ed esegui i tuoi numeri nel Calcolatore di Costi.

Fonti e approfondimenti​

Prossimi passi​