Prezzo dei token AI: quanto costano le API di OpenAI, Claude, Gemini e altre?

Il prezzo dei token AI indica il costo dell'utilizzo di un'API di un modello di intelligenza artificiale, misurato in base al numero di token di input e output elaborati dal modello. Un token è una piccola unità di testo, spesso un frammento di parola, un segno di punteggiatura, un numero o una parola breve. In pratica, le piattaforme AI addebitano separatamente il prompt inviato al modello e la risposta generata dal modello stesso.

Questa distinzione è fondamentale per comprendere il pricing delle API AI. Un modello che sembra economico per i token di input può diventare costoso se la tua applicazione genera risposte lunghe, utilizza token di ragionamento, richiama strumenti, effettua ricerche sul web o mantiene una cronologia di conversazione ampia nel contesto.

Al 30 aprile 2026, OpenAI, Anthropic, Google Gemini, DeepSeek, Mistral e Perplexity pubblicano tutti prezzi basati sui token, ma non strutturano i costi esattamente allo stesso modo. Alcune piattaforme prezzano separatamente l'input memorizzato nella cache. Alcune addebitano costi extra per la ricerca. Alcune includono i token di riflessione nell'output. Alcune offrono sconti per elaborazioni batch. Il confronto corretto non è solo "quale modello è il più economico?", ma "quale modello è il più economico per il carico di lavoro che eseguo effettivamente?"

Confronto dei prezzi dei token AI per piattaforma

La tabella seguente riassume i prezzi API pubblici selezionati, verificati dalle pagine ufficiali di pricing o dalla documentazione al 30 aprile 2026. I prezzi sono indicati per 1 milione di token in USD, salvo diversa indicazione.

In sintesi: DeepSeek e Mistral pubblicano alcuni dei prezzi per token più bassi, i modelli in stile Gemini Flash sono ottimi per carichi di lavoro ad alto volume, mentre i modelli premium di OpenAI o Claude costano di più perché mirano a ragionamenti più complessi, programmazione e lavoro agentico. Ma il prezzo da solo non garantisce il valore. Un modello più economico che richiede tre tentativi può costare più di un modello premium che completa il compito al primo colpo.

Cosa significano i token di input e output

I token di input sono tutto ciò che invii al modello: il prompt dell'utente, il messaggio di sistema, la cronologia della conversazione, esempi, documenti recuperati, schemi di strumenti e talvolta rappresentazioni di file o immagini. I token di output sono ciò che il modello genera in risposta.

I token di output contano spesso di più perché solitamente sono più costosi. GPT-5.5 di OpenAI, ad esempio, elenca l'output a $30 per 1 milione di token contro $5 per l'input. Claude Sonnet 4.6 elenca l'output a $15 contro $3 per l'input. Gemini 3.1 Pro elenca l'output a $21.60 contro $3.60 per prompt fino a 200K token.

Ciò significa che un chatbot che fornisce risposte lunghe, uno strumento di scrittura AI che redige articoli completi o un agente che spiega ogni passaggio può esaurire rapidamente il budget. Se desideri un prezzo dei token AI più basso nella produzione reale, controllare la lunghezza dell'output è spesso più importante che risparmiare qualche centinaio di token dal prompt.

Come stimare il costo reale delle API AI

La formula base è semplice:

Costo totale = token di input x tariffa input + token di output x tariffa output + commissioni strumenti/ricerca/archiviazione

Ad esempio, supponiamo che un chatbot di supporto utilizzi Claude Sonnet 4.6 e una richiesta abbia 2.000 token di input e 600 token di output. A $3 per 1M di token di input e $15 per 1M di token di output, il costo della richiesta è:

Sembra una cifra irrisoria per richiesta, ma scala. Un milione di richieste simili costerebbe circa $15.000 prima di qualsiasi costo aggiuntivo per strumenti, ricerca, archiviazione, log, tentativi o orchestrazione.

Ecco perché i team dovrebbero testare con campioni di traffico reali. Una pagina di pricing ti indica la tariffa. Il design del tuo prodotto determina il volume dei token.

Quale piattaforma AI è la più economica?

Non esiste una piattaforma universalmente più economica perché "economico" dipende dal carico di lavoro.

Per classificazione, estrazione, tagging e riassunti brevi ad alto volume, modelli a basso costo come DeepSeek-V4-Flash, Mistral Small 4, Gemini Flash o tier in stile Haiku possono essere sufficienti. Questi carichi di lavoro hanno spesso prompt prevedibili e output brevi, quindi il costo conta più della massima profondità di ragionamento.

Per agenti di programmazione, ricerca complessa, analisi a lungo contesto e automazione professionale del flusso di lavoro, il miglior valore può provenire da un modello più forte anche se il prezzo del token è più alto. I modelli in stile OpenAI GPT-5.5, Claude Opus/Sonnet, Gemini Pro e Mistral Medium sono prezzati per lavori più pesanti. Se un modello premium riduce i tentativi, le allucinazioni, il tempo di revisione o le chiamate agli strumenti fallite, può risultare più economico a livello di flusso di lavoro.

Per le applicazioni che fanno un uso intensivo della ricerca, il pricing di Perplexity Sonar richiede una lente separata. Il prezzo del token è solo una parte del conto. Sonar e Sonar Pro includono anche commissioni per richiesta in base alla dimensione del contesto di ricerca, mentre Sonar Deep Research può aggiungere token di citazione, costi di query di ricerca e token di ragionamento.

Cosa sfugge alla maggior parte delle persone sul prezzo dei token AI

Il primo errore è confrontare solo il numero di token di input. L'output è solitamente più costoso e molti modelli moderni fatturano anche i token di riflessione o ragionamento come parte del lato output.

Il secondo errore è ignorare l'input memorizzato nella cache. OpenAI, Anthropic, Google, DeepSeek e xAI descrivono tutti il pricing basato sulla cache in modi diversi. Se la tua app invia ripetutamente lo stesso lungo prompt di sistema, testo di policy, catalogo prodotti o blocco di documentazione, la cache può ridurre materialmente i costi. Se ogni richiesta è unica, la cache aiuta meno.

Il terzo errore è dimenticare che gli strumenti non sono gratuiti. Ricerca web, esecuzione di codice, ricerca file, recupero, archiviazione, generazione di immagini, voce ed elaborazione a lungo contesto possono cambiare il prezzo effettivo. I documenti ufficiali di xAI, ad esempio, separano i costi dei token dai costi di invocazione degli strumenti lato server. Perplexity separa il pricing dei token dalle commissioni per le richieste di ricerca. Google addebita separatamente alcuni utilizzi di grounding e ricerca.

Il quarto errore è presumere che ogni token sia uguale tra i provider. I tokenizer differiscono. Anthropic nota che Claude Opus 4.7 utilizza un nuovo tokenizer che può utilizzare fino al 35% in più di token per lo stesso testo fisso. Ciò è importante quando si confrontano i provider per prezzo per milione di token.

Per i lettori che seguono come i costi dei modelli AI influenzano le narrazioni tecnologiche e di mercato più ampie, WEEX ha anche pubblicato una copertura su OpenAI GPT-5.5 per i task agentici. Si tratta di un argomento separato dalla fatturazione API, ma aiuta a spiegare perché la capacità del modello, il costo dei token e l'attenzione del mercato spesso si muovono insieme quando una grande piattaforma AI cambia i prezzi o rilascia un modello più forte.

Quel legame di mercato è particolarmente rilevante quando le notizie sull'AI si riversano su azioni quotate, nomi di infrastrutture AI e asset digitali con narrazioni AI. In quei casi, il prezzo unitario non è sufficiente. I lettori devono anche comprendere le basi della valutazione come la capitalizzazione di mercato crypto prima di trattare un titolo sull'AI come motivo per inseguire qualsiasi token o proxy di mercato.

Consigli pratici per il budget

Inizia con un piccolo set di benchmark. Esegui gli stessi prompt reali su due o tre modelli candidati, quindi misura token di input, token di output, latenza, precisione e tasso di tentativi.

Limita la lunghezza dell'output. Le risposte lunghe sono costose e gli utenti spesso preferiscono comunque risposte concise. Usa limiti massimi di output, formati strutturati o modalità di risposta breve dove possibile.

Separa i compiti facili da quelli difficili. Non inviare ogni richiesta al modello più costoso. Instrada i lavori semplici di classificazione, riscrittura ed estrazione verso modelli più economici, quindi riserva i modelli premium per ragionamenti complessi, programmazione o revisioni ad alto rischio.

Usa la cache dove lo stesso contesto si ripete. Lunghi prompt di sistema, documenti di policy, guide di stile e materiale di riferimento prodotto sono ottimi candidati.

Osserva l'utilizzo degli strumenti. Ricerca, recupero file ed esecuzione di codice possono essere necessari, ma dovrebbero essere misurati come parte del costo totale, non trattati come comportamento invisibile del modello.

Avviso di rischio: il pricing delle API AI può cambiare rapidamente

Il rischio maggiore nei confronti dei prezzi dei token AI sono i dati obsoleti. I provider cambiano nomi dei modelli, strutture di sconto, pricing batch, regole di cache, tier di finestre di contesto e addebiti per strumenti. Un confronto accurato ad aprile 2026 potrebbe essere errato dopo il lancio di un modello o un aggiornamento dei prezzi.

Esiste anche un rischio operativo. Un ciclo di prompt, un bug di tentativi, un agente fuori controllo, una finestra di contesto eccessivamente lunga o un errore di chiamata agli strumenti possono trasformare un prototipo economico in un costoso incidente di produzione. Imposta limiti di spesa rigidi, monitora l'utilizzo per funzionalità, registra i conteggi dei token e rivedi le fatture durante le prime settimane dopo il deployment. La stessa disciplina si applica al trading basato sulle notizie di pricing AI: un quadro pratico per la gestione del rischio nel trading è più utile che reagire a ogni lancio di modello come un segnale.

Il rischio di sicurezza appartiene alla stessa conversazione. Chiavi API AI, dashboard di fatturazione, console cloud e account di trading diventano obiettivi di alto valore una volta che l'automazione è collegata a denaro reale o infrastrutture reali. Se il tuo team sta rafforzando i controlli di accesso, la guida di WEEX sull'Autenticazione a due fattori (2FA) è un utile ripasso in linguaggio semplice sul perché la protezione del secondo fattore è importante. I team dovrebbero anche aggiornare le abitudini anti-phishing di base, specialmente quando i reset delle chiavi API, gli avvisi di fatturazione falsi e i messaggi di impersonificazione dell'assistenza aumentano dopo le principali notizie sui prodotti AI. La guida di WEEX su come individuare il phishing e proteggere il tuo account WEEX è rilevante oltre gli account di scambio perché il modello di attacco è simile tra strumenti per sviluppatori e piattaforme finanziarie.

Infine, evita di scegliere un modello solo perché ha il prezzo per token più basso elencato. Il rischio reale è pagare meno per token ma di più per compito riuscito perché il modello richiede più tentativi, produce risposte più deboli o richiede più revisione umana.

In sintesi

Il modo migliore per confrontare il prezzo dei token AI è calcolare il costo di un compito reale, non solo il prezzo di listino per milione di token. I modelli premium di OpenAI e Claude sono costosi ma potrebbero valere la pena per lavori complessi. Gemini, DeepSeek e Mistral offrono valide opzioni a basso costo per flussi di lavoro ad alto volume. Perplexity è utile quando la ricerca integrata è centrale, ma i suoi costi di richiesta e ricerca devono essere conteggiati separatamente.

Prima di scegliere una piattaforma, testa i tuoi prompt, misura i token di input e output, includi le commissioni degli strumenti e confronta il costo per risultato riuscito. Questo è l'unico prezzo dei token AI che conta davvero nella produzione.

FAQ

Cos'è il prezzo dei token AI?

Il prezzo dei token AI è l'importo che una piattaforma AI addebita per elaborare token di testo tramite un'API di modello. La maggior parte delle piattaforme addebita separatamente i token di input, che sono i prompt e il contesto che invii, e i token di output, che sono la risposta del modello.

Quale API AI ha il prezzo dei token più basso?

In base ai prezzi ufficiali verificati il 30 aprile 2026, DeepSeek-V4-Flash e alcuni modelli Mistral elencano tariffe molto basse per milione di token. Ma il modello più economico per il tuo prodotto dipende da precisione, tentativi, lunghezza dell'output, cache, uso di strumenti e latenza.

Perché i token di output sono più costosi dei token di input?

I token di output richiedono che il modello generi nuovo testo, spesso con ragionamento o pianificazione. Molti provider prezzano l'output diverse volte più dell'input, quindi le risposte lunghe possono dominare il conto.

I token di riflessione vengono fatturati?

Spesso, sì. La pagina di pricing di Google Gemini afferma che il prezzo di output include i token di riflessione per diversi modelli. Altri provider potrebbero conteggiare il ragionamento o la pianificazione interna in modo diverso, quindi controlla i documenti ufficiali per il modello che utilizzi.

Quante parole ci sono in 1 milione di token?

Non esiste una conversione universale esatta perché i tokenizer differiscono per provider e lingua. Una stima approssimativa in inglese è che 1 token corrisponde a circa 3-4 caratteri, o circa tre quarti di una parola. Usa sempre il tokenizer del provider o i metadati di utilizzo per le stime di fatturazione.

Come posso ridurre i costi delle API AI?

Usa prompt più brevi, limita la lunghezza dell'output, memorizza nella cache il contesto ripetuto, instrada i lavori facili verso modelli più economici, raggruppa il lavoro non urgente dove supportato e monitora le chiamate agli strumenti. La maggior parte dei risparmi deriva dal design del prodotto, non dall'inseguire solo la tariffa più bassa.