Calcolatrice online

Quanto costa utilizzare le API di IA? Il nostro calcolo segno zodiacale dei token moltiplica il numero dei token di input e di output per le tariffe per token del modello.

GPT-4o costa $2,50/$10 per milione di token (input/output), mentre Claude Sonnet 4 costa $3/$15.

Inserisci la lunghezza del tuo testo e visualizza subito i costi esatti.

Quanti token contiene il mio testo? Il testo in inglese ha una media di 1,33 token per parola. Un prompt di 1.000 parole equivale a circa 1.333 token.

Il codice e il testo non in inglese potrebbero utilizzare più token. Il nostro strumento di segno zodiacale calcolo converte automaticamente le parole in token e mostra il costo per qualsiasi modello di IA.

Quale modello di IA offre il valore migliore? Confronta fianco a fianco GPT-4o, GPT-4o Mini, Claude Opus, Claude Sonnet, Claude Haiku e Gemini.

La nostra calcolatrice scientifica online per i prezzi dei LLM mostra il costo per chiamata e le stime mensili in modo da poter scegliere il modello giusto per il tuo budget e le tue esigenze di qualità.

Un token è l'unità atomica di testo che un modello linguistico di grandi dimensioni legge e genera, tipicamente un frammento di sottoparola piuttosto che una parola intera.

I moderni LLM utilizzano la codifica a livello di byte Byte Pair Encoding (BPE), un metodo di compressione introdotto da Sennrich et al. e perfezionato in tokenizer come tiktoken di OpenAI e la libreria di tokenizer di Hugging Face. Durante la BPE, le sequenze di caratteri frequenti si uniscono in singoli token, così le parole comuni diventano un unico token mentre i termini rari o tecnici si suddividono in più parti.

Poiché il testo è codificato in Unicode (vedi lo standard UTF-8 del Consortium Unicode, RFC 3629), una singola emoji o un carattere CJK possono consumare più token. Comprendere questa mappatura spiega perché il conteggio dei token raramente coincide con il conteggio delle parole e perché le stime dei costi sono approssimative.

La tokenizzazione dell'IA converte il testo grezzo in ID interi utilizzando un vocabolario fisso appreso durante l'addestramento del modello.

Innanzitutto, il testo viene normalizzato e codificato come byte UTF-8 secondo la RFC 3629 — e poiché la maggior parte dei vocabolari BPE distingue tra maiuscole e minuscole, standardizzare preventivamente il testo con un convertitore di maiuscole e minuscole può cambiare sottilmente quali fusioni si applicano; quindi un algoritmo Byte Pair Encoding o SentencePiece unisce avidamente le coppie di byte nelle voci di vocabolario corrispondenti più lunghe. Ogni token risultante mappa a un ID che il modello inserisce in un vettore.

OpenAI documenta questo nella sua libreria tiktoken, e Gemini di Google e Claude di Anthropic utilizzano schemi di sottoparole comparabili proprietari. Poiché i vocabolari differiscono, un testo identico può produrre conteggi di token differenti tra i vari fornitori.

Questo è il motivo per cui il nostro strumento di calcola area utilizza il rapporto ampiamente citato di circa ~1,33 token per parola inglese come approssimazione rapida piuttosto che un tokenizer esatto per singolo modello.

Il costo delle API di IA viene calcolato moltiplicando il conteggio dei token di input e di output per la tariffa per milione di token pubblicata da ciascun fornitore, e quindi sommandoli.

Fornitori come OpenAI e Anthropic elencano prezzi separati per input e output nella loro documentazione ufficiale dei prezzi, e i token di output di solito costano diverse volte in più rispetto ai token di input perché la generazione è computazionalmente più pesante.

La formula è: costo = (token di input x tariffa di input / 1.000.000) + (token di output x tariffa di output / 1.000.000). I prompt di sistema, gli esempi few-shot e il contesto recuperato contano tutti come input fatturati a ogni chiamata.

Poiché i prezzi cambiano, conferma sempre le tariffe correnti sulla pagina di prezzo ufficiale del fornitore prima di finalizzare un budget di produzione.

Per contare accuratamente i token, esegui il tuo testo esatto attraverso il tokenizer proprietario del modello anziché affidarti a un rapporto di conteggio delle parole. Per i modelli OpenAI, la libreria open-source tiktoken restituisce conteggi precisi; Anthropic e Google forniscono endpoint per il conteggio dei token e SDK nella loro documentazione ufficiale per sviluppatori.

Una stima basata sulle parole (parole x 1,33) va bene per la definizione del budget, ma può variare del 10-20 percento per codice, JSON, URL o script non inglesi, che si frammentano in molti piccoli token.

Ricorda che l'intero carico utile della richiesta viene tokenizzato, comprese le istruzioni di sistema, i delimitatori di ruolo e le definizioni di funzioni o strumenti. Per una misurazione ripetibile, tokenizza la richiesta assemblata esattamente come la invia il tuo client API.

I conteggi dei token differiscono tra GPT, Claude e Gemini perché ogni modello è stato addestrato con un vocabolario di tokenizer e regole di fusione distinti, quindi la stessa frase si suddivide in unità di sottoparole differenti.

I modelli più recenti di OpenAI utilizzano vocabolari più grandi rispetto a quelli più vecchi, il che riduce il conteggio dei token per il testo inglese comune, mentre gli script non latini potrebbero essere tokenizzati in modo meno efficiente su alcuni modelli. Anthropic e Google pubblicano il proprio comportamento di tokenizzazione nei loro documenti per sviluppatori.

Questa varianza significa che un prompt di 1.000 token su un modello potrebbe essere di 1.050 o 950 su un altro, modificando sia il costo che l'utilizzo della finestra di contesto. Esegui sempre il benchmark con il tokenizer effettivo di ciascun fornitore quando la precisione è importante.

Puoi ridurre l'utilizzo dei token nei LLM tagliando l'input, limitando l'output e riutilizzando il calcolo:

• Accorcia i prompt di sistema e gli esempi few-shot, poiché vengono rifatturati a ogni richiesta
• imposta un limite massimo di token di output per interrompere generazioni fuori controllo
• indirizza le attività semplici a modelli più economici

La memorizzazione nella cache dei prompt, offerta nelle API ufficiali di OpenAI e Anthropic, ti consente di evitare di rifatturare il contesto ripetuto a prezzo pieno, e gli endpoint batch spesso offrono sconti per i processi asincroni. La generazione aumentata da recupero aiuta inviando solo i frammenti pertinenti anziché interi documenti.

Poiché i token di output rappresentano la componente più costosa, risposte concise e strutturate (ad esempio, richiedendo JSON) di solito offrono i risparmi maggiori senza compromettere la qualità.

Ogni modello impone una finestra di contesto, ovvero il massimo combinato di token di input e di output che può elaborare in una singola richiesta, e il suo superamento causa troncamento o errori.

Oltre alla capacità, tratta i prompt come una superficie di sicurezza: la Top 10 OWASP per le applicazioni LLM elenca l'iniezione di prompt come il rischio principale, in cui il testo non attendibile introduce istruzioni di frode nel tuo contesto e gonfia l'utilizzo dei token o dirotta il comportamento.

Non inserire mai segreti, chiavi API o dati personali nei prompt, poiché i fornitori possono registrare le richieste e contesti lunghi ampliano la superficie di attacco. Il Framework di Gestione del Rischio di IA del NIST raccomanda di delimitare gli input e convalidare gli output.

Il calcolo area dei token prima dell'invio aiuta anche a rilevare tempestivamente payload anormalmente grandi e potenzialmente dannosi.

L'errore più comune è stimare il costo basandosi solo sul conteggio delle parole, ignorando che codice, JSON, punteggiatura e testo non in inglese vengono tokenizzati in modo molto più denso rispetto alla semplice prosa.

Altri dimenticano che i prompt di sistema, la cronologia della chat e le definizioni degli strumenti vengono fatturati come input a ogni singola chiamata, quindi le conversazioni a più turni si accumulano rapidamente.

Molti utenti applicano inoltre lo stesso prezzo a input e output, nonostante i token di output costino diverse volte in più, e trascurano il fatto che i prezzi sulle pagine ufficiali di OpenAI, Anthropic e Google cambiano nel tempo.

Infine, dare per scontato che il conteggio dei token di un provider sia valido per un altro porta a sorprese sul budget. Verifica sempre con il tokenizer reale e le tariffe correnti pubblicate.