Perché Claude costa tanto? Il calcolo dei token

Perché Claude è costoso? La risposta breve

Claude è costoso per quattro motivi che si sommano. Gli output token hanno un prezzo cinque volte superiore a quello degli input token. L’API non conserva la memoria della conversazione, quindi l’intera cronologia viene inviata di nuovo e addebitata di nuovo a ogni turno. Un agente trasforma una domanda in decine di chiamate API e ogni chiamata include questa cronologia in continua crescita. Inoltre, il modello di frontiera ha un prezzo commisurato alla difficoltà del lavoro che svolge, non al costo di esecuzione di un modello più piccolo.

Un token è una porzione di testo. Come indicazione approssimativa, un token corrisponde a circa quattro caratteri o a circa 0.75 parole in inglese. Le tariffe sono espresse per milione di token e indicate con MTok (milioni di token). Tutte le tariffe riportate di seguito sono quelle pubblicate per l’API di Claude alla data di agosto 2026.

La maggior parte degli addebiti inattesi deriva dal secondo e dal terzo motivo dell’elenco. In genere si pensa che il costo dipenda dalle risposte generate da Claude. In una sessione con un agente, il testo generato rappresenta spesso meno di un decimo del totale addebitato.

Le tariffe pubblicate, per concordare i valori

[
  {
    "label": "Haiku 4.5",
    "input_usd": 1,
    "output_usd": 5,
    "cache_read_usd": "0.10"
  },
  {
    "label": "Sonnet 5, to Aug 31 2026",
    "input_usd": 2,
    "output_usd": 10,
    "cache_read_usd": "0.20"
  },
  {
    "label": "Sonnet 5, from Sep 1 2026",
    "input_usd": 3,
    "output_usd": 15,
    "cache_read_usd": "0.30"
  },
  {
    "label": "Opus 5",
    "input_usd": 5,
    "output_usd": 25,
    "cache_read_usd": "0.50"
  }
]

Osserva la struttura, non i valori assoluti. Ogni modello applica una tariffa per l'output esattamente cinque volte superiore a quella per l'input. Opus 5 costa 5 dollari per milione di token di input e 25 dollari per milione di token di output. Haiku 4.5 costa 1 e 5. La differenza tra il modello più economico e quello più costoso è quindi di cinque volte; anche la differenza tra la lettura e la scrittura è di cinque volte.

Sonnet 5 è disponibile con una tariffa introduttiva di 2 e 10 dollari per milione fino al 31 agosto 2026. Dal 1 settembre 2026 passerà a 3 e 15. Le tariffe cambiano con il rilascio dei modelli, quindi verifica quelle attuali prima di usarle per elaborare un budget. Non esiste neppure un livello gratuito al di sotto di questa tabella, anche se i nuovi account ricevono un piccolo credito e alcune parti dell'API non hanno alcun costo.

L'ultima colonna indica la tariffa per la lettura dalla cache. Determina la maggior parte dei costi. Torneremo su questo valore dopo i calcoli.

Perché i token di output costano cinque volte quelli di input?

Leggere e scrivere non richiedono lo stesso lavoro. I token di input vengono elaborati in un unico passaggio. Il modello legge l’intero prompt contemporaneamente e il lavoro viene eseguito in parallelo su tutto il contenuto. Per questo, un prompt di 60,000 token non richiede un tempo di lettura 60,000 volte superiore a quello di un prompt di 1,000 token.

I token di output vengono generati uno alla volta. Ogni nuovo token richiede un passaggio dedicato nel modello e deve considerare come contesto tutti i token che lo precedono. Scrivere 1,000 token significa eseguire 1,000 passaggi in sequenza. Questo lavoro seriale non può essere distribuito come la lettura. Di conseguenza, ogni token di output occupa l'hardware più a lungo.

Per questo, «rendi la risposta più breve» è una leva meno efficace di quanto ci si aspetti. Interviene sulla metà più contenuta dei costi di un agente.

Perché l’intera conversazione viene addebitata di nuovo a ogni turno?

L’API di Claude è stateless. Sul lato Anthropic non esiste una conversazione a cui aggiungere un messaggio. Ogni richiesta contiene l’intera cronologia dei messaggi e il modello la legge tutta prima di generare una risposta. Di conseguenza, il turno 30 viene addebitato includendo anche i turni da 1 a 29.

Questo significa che il costo di una conversazione cresce più rapidamente della sua lunghezza. Il turno 1 addebita un contesto ridotto. Il turno 40 ne addebita uno molto più ampio. Sommando tutti i quaranta turni, si pagano molte più volte i token effettivamente generati.

[
  {
    "turn": 1,
    "context_tokens": "20,000"
  },
  {
    "turn": 5,
    "context_tokens": "32,000"
  },
  {
    "turn": 10,
    "context_tokens": "45,000"
  },
  {
    "turn": 15,
    "context_tokens": "55,000"
  },
  {
    "turn": 20,
    "context_tokens": "64,000"
  },
  {
    "turn": 25,
    "context_tokens": "74,000"
  },
  {
    "turn": 30,
    "context_tokens": "84,000"
  },
  {
    "turn": 35,
    "context_tokens": "92,000"
  },
  {
    "turn": 40,
    "context_tokens": "100,000"
  }
]

La sessione precedente inizia con 20,000 token, che comprendono il prompt di sistema, le definizioni degli strumenti e i primi file aperti dall’agente. Al turno 40, il contesto contiene 100,000 token. Calcolando la media sui quaranta turni, si ottengono circa 60.000 token letti per richiesta.

Perché un agente costa molto più di una chat?

Una chat esegue una richiesta per ogni domanda. Un agente esegue una richiesta per ogni passaggio. Leggere un file è un passaggio. Eseguire un test è un passaggio. Leggere l'output del test è un passaggio. Modificare il file è un passaggio. Per un agente di programmazione, sono normali quaranta passaggi per completare una sola attività.

L'uso degli strumenti comporta due costi aggiuntivi. Le definizioni degli strumenti sono token di input in ogni singola richiesta, perché il modello deve ricevere ogni volta l'elenco degli strumenti disponibili. Anthropic pubblica questo overhead: il prompt di sistema per l'uso degli strumenti richiede 286 token su Opus 5 con tool_choice impostato su auto, oltre ai token dei tuoi schemi degli strumenti. Alcuni strumenti lato server prevedono inoltre un costo separato. La ricerca web viene fatturata $10 ogni 1.000 ricerche, oltre ai token consumati dai risultati.

Anche ogni risultato di uno strumento diventa contesto permanente. Un comando che stampa 3.000 righe inserisce quelle 3.000 righe in ogni richiesta per il resto della sessione. Il consumo di token per sessione riportato da Claude Code rende visibile questo effetto: osserva il numero degli input aumentare subito dopo un comando con molto output.

L’aritmetica di una sessione reale

Ecco un’ora realistica di coding agentico su Opus 5. Quaranta richieste API. Il contesto cresce da 20,000 a 100,000 token, quindi la media è di circa 60,000 token per richiesta. Il modello scrive circa 700 token per richiesta, combinando brevi chiamate agli strumenti e alcuni blocchi di codice più lunghi.

Requests in the session:      40
Average context per request:  60,000 tokens

Total input tokens billed:    40 x 60,000                    = 2,400,000
Input cost on Opus 5:         2,400,000 x $5 / 1,000,000     = $12.00

Total output tokens:          40 x 700                       =    28,000
Output cost on Opus 5:        28,000 x $25 / 1,000,000       =  $0.70

Session total                                                = $12.70

[
  {
    "label": "Input, context re-read",
    "billed_tokens": "2,400,000",
    "cost_usd": "12.00"
  },
  {
    "label": "Output, code and tool calls",
    "billed_tokens": "28,000",
    "cost_usd": "0.70"
  }
]

Osservate la ripartizione. Il costo di lettura è di 12.00 dollari, mentre quello di scrittura è di 0.70 dollari. Di conseguenza, l’output effettivamente letto rappresenta circa il cinque percento del costo totale. Il modello ha scritto 28,000 token, mentre gli sono stati addebitati 2,400,000 token per la lettura. Nessuno ha digitato 2.4 milioni di token. Gli stessi 100,000 token sono stati letti ripetutamente.

Livello 1: il prompt caching, il risparmio maggiore

Il prompt caching memorizza la forma elaborata di un prefisso stabile del prompt. Nella richiesta successiva, quel prefisso viene letto dalla cache invece di essere elaborato di nuovo. La scrittura nella cache costa 1.25 volte la tariffa di input per la cache di cinque minuti oppure 2 volte per quella di un'ora. La lettura costa 0.1 volte la tariffa di input. Su Opus 5, questo corrisponde a 0.50 dollari per milione invece di 5 dollari.

Applica questo principio alla sessione precedente. Ciascuno dei 100,000 token viene scritto una volta nella cache mentre la conversazione cresce. Gli altri 2,300,000 token di input diventano letture dalla cache.

Tokens written to cache:      100,000
Cache write at 1.25x input:   100,000 x $6.25 / 1,000,000    = $0.63

Tokens read from cache:       2,300,000
Cache read at 0.1x input:     2,300,000 x $0.50 / 1,000,000  = $1.15

Output cost, unchanged                                       = $0.70

Session total                                                = $2.48

Contrassegna la parte memorizzabile nella cache con un campo cache_control. Inserisci il breakpoint dopo il contenuto che non cambia tra una richiesta e l'altra: il system prompt e le definizioni degli strumenti. Un documento lungo che consulti ripetutamente deve appartenere allo stesso blocco stabile.

{
  "model": "claude-opus-5",
  "system": [
    {
      "type": "text",
      "text": "<long, stable instructions>",
      "cache_control": {"type": "ephemeral"}
    }
  ],
  "messages": [{"role": "user", "content": "..."}]
}

L'ordine del prompt determina ora il costo. Un cache hit richiede una corrispondenza esatta dall'inizio del prompt, quindi tutto ciò che cambia a ogni richiesta deve trovarsi dopo il contenuto invariabile. Se inserisci un timestamp all'inizio del system prompt, interrompi la cache a ogni richiesta: l'intero prefisso diventa un cache miss e devi pagare 1.25 volte la tariffa di input per scriverlo di nuovo.

La risposta indica se la configurazione ha funzionato. Invia una richiesta e leggi il blocco relativo all'utilizzo.

curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-opus-5",
    "max_tokens": 256,
    "messages": [{"role": "user", "content": "Hello"}]
  }'

Ogni risposta contiene un oggetto usage come questo:

{
  "usage": {
    "input_tokens": 105,
    "cache_creation_input_tokens": 7345,
    "cache_read_input_tokens": 7123,
    "output_tokens": 239
  }
}

Se una richiesta ripetuta mostra ancora 0 in cache_read_input_tokens, significa che la cache non viene utilizzata. La causa più comune è che sia cambiato qualcosa prima del breakpoint. Anche la cache di cinque minuti scade: una richiesta inviata dopo sei minuti è un cache miss seguito da una nuova scrittura.

Livello 2: instrada le richieste semplici verso un modello più piccolo

La maggior parte delle richieste in una sessione con un agente non è complessa. Aprire un file, eseguire un formatter, leggere un diff. Per queste operazioni non serve il modello di punta. Instradarle verso Haiku 4.5 riduce il costo dell’input da 5 dollari per milione a 1.

[
  {
    "label": "Opus 5, no caching",
    "session_cost_usd": "12.70"
  },
  {
    "label": "Opus 5, cached",
    "session_cost_usd": "2.48"
  },
  {
    "label": "Sonnet 5, cached",
    "session_cost_usd": "0.99"
  },
  {
    "label": "Haiku 4.5, cached",
    "session_cost_usd": "0.50"
  }
]

La stessa sessione costa 12.70 dollari con Opus 5 senza caching, 2.48 con caching, 0.99 con Sonnet 5 e caching e 0.50 con Haiku 4.5 e caching. Il solo caching riduce il conto di circa l’ottanta per cento. La scelta del modello elimina gran parte del costo rimanente.

È importante considerare anche questo limite. Se un modello più economico fornisce una risposta errata, devi ripetere l’intera sessione e sostenere anche il costo del tuo tempo. Instrada le richieste in base alla loro complessità, non al prezzo. La stessa regola vale anche verso l’alto: Claude Fable 5 ha tariffe superiori a quelle di Opus 5, pari a $10 e $50 per milione. Prima di instradare una richiesta verso quel modello, leggi cosa ottieni con queste tariffe. Scegliere tra Opus, Sonnet e Haiku spiega in quali casi ciascun modello offre risultati adeguati.

Livello 3: igiene del contesto

Ogni token che lasci nel contesto viene conteggiato a ogni turno successivo. Per questo rimuovere un token all'inizio conviene molto più che rimuoverlo alla fine. Un file di 5,000 token inserito al turno 5 di una sessione di 40 turni viene letto altre 35 volte. Sono 175,000 token di input aggiuntivi, pari a quasi un dollaro su Opus 5 per un semplice incolla eseguito senza attenzione.

Quattro abitudini che riducono questo numero:

• Avvia una nuova sessione per ogni attività, invece di continuare quella del giorno precedente.
• Filtra i comandi rumorosi prima che l'output raggiunga il modello, usando qualcosa come head -50, invece di farlo dopo.
• Chiedi la singola funzione che ti interessa, non l'intero file.
• Quando una sessione lunga non produce più progressi, chiedi un riepilogo e riparti da quello. Il riepilogo contiene poche centinaia di token. La trascrizione ne contiene centomila.

Livello 4: eseguire in batch tutto ciò che non è interattivo

La Batch API elabora le richieste in modo asincrono e riduce del 50 percento sia i token di input sia quelli di output. Se un job non richiede una risposta entro il secondo successivo, eseguilo in batch. Questo vale per la classificazione, l'estrazione, la sintesi di un arretrato e le esecuzioni di valutazione. Lo sconto del batch si cumula con il prompt caching. Non si applica a una sessione interattiva, perché in quel caso non c'è nulla per cui attendere.

Mi stanno facendo pagare troppo?

Questa è la vera domanda alla base di «perché Claude è costoso», quindi ecco una risposta diretta. Le tariffe sono pubbliche, sono uguali per tutti nei piani standard e vengono applicate per token. L'eccezione è un contratto negoziato; anche in quel caso, prezzi di Claude Enterprise aggiunge un costo per postazione ai medesimi token conteggiati, invece di sostituirli. Nessuna voce della fattura è discrezionale. Il tariffario non può dirti se stai ottenendo un valore adeguato, perché calcola il prezzo dei token mentre a te interessano i risultati.

Valuta quindi il risultato, non il prezzo. La sessione precedente è costata 12.70 dollari senza caching. Se ha prodotto una funzionalità che avrebbe richiesto un'ora del tuo lavoro, il costo è basso. Se ha impiegato quaranta turni senza arrivare a una soluzione, gli stessi 12.70 dollari non hanno prodotto nulla e il problema non era la tariffa.

Questo è il punto da ricordare. La fattura cresce in base ai token, non al valore. Una sessione produttiva e una sessione inconcludente della stessa durata costano uguale. Per questo le quattro leve contano più del tariffario: non puoi negoziare il prezzo per token, ma puoi decidere quanti token servono per completare il lavoro.

Misura quindi i dollari per attività completata, non i dollari al mese. Se questo valore diminuisce mentre ottimizzi caching e routing, la configurazione sta migliorando anche quando il totale mensile aumenta, perché l'aumento deriva dall'esecuzione di una quantità maggiore di lavoro.

Cosa non riduce la spesa

Alcuni suggerimenti comuni hanno un effetto minimo. Dire al modello di essere «conciso» riduce l’output, che nell’esempio rappresentava il cinque percento della fattura. Accorciare la domanda fa risparmiare poche centinaia di token su un contesto di 60,000 token. Disattivare il extended thinking è utile solo quando i token di ragionamento rappresentano una quota significativa dell’output. Il blocco dei consumi mostra se è così, senza lasciare spazio a supposizioni.

Una finestra di contesto più ampia non aumenta di per sé il costo. Su Claude 4.6 e versioni successive, l’intera finestra da un milione di token viene fatturata alla tariffa standard per token. Una richiesta di 900,000 token ha quindi lo stesso costo per token di una richiesta di 9,000 token. La dimensione della finestra non determina il prezzo. Lo determina il contenuto che si inserisce nella finestra.

Altri due aspetti vanno valutati in fase di pianificazione, non durante una singola sessione. Se usi il servizio ogni giorno e in modo interattivo, confronta il pagamento per token con un piano a tariffa fissa: il confronto tra costi dell’API e dell’abbonamento esegue questo calcolo. Se il piano a tariffa fissa è più conveniente e stai valutando contemporaneamente un altro fornitore, i piani Claude e ChatGPT a confronto diretto dei prezzi applica lo stesso confronto a entrambi. Se invece un agent opera senza supervisione su un server, imposta un limite massimo di spesa prima di modificare qualsiasi altra impostazione, come descritto in i controlli dei costi per un agent AI su un VPS. Per avere un riferimento concreto sull’ordine di grandezza, cosa si può fare davvero con un milione di token Claude converte la tariffa in pagine di testo.

FAQ

Perché la fattura Claude è aumentata quando ho iniziato a usare un agent?

Perché un agent invia molte richieste per ogni domanda e ogni richiesta include l’intera conversazione precedente. Una chat invia una richiesta per ogni domanda. Un coding agent invia una richiesta per ogni passaggio e 40 passaggi per un’attività sono normali. Ogni richiesta viene fatturata per l’intero contesto, quindi una sessione che termina a 100,000 token può comportare la fatturazione di oltre due milioni di token di input complessivi. Leggi input_tokens e cache_read_input_tokens nella risposta dell’API per verificarlo direttamente.

Il prompt caching riduce davvero così tanto la fattura?

Nell’esempio completo ha ridotto il costo della sessione da 12.70 dollari a 2.48 dollari, perché la lettura dalla cache costa un decimo della tariffa di input. Il risparmio dipende interamente dalla percentuale di hit. Con la cache di 5 minuti, il costo si ammortizza dopo una sola lettura, perché la scrittura costa 1.25 volte la tariffa di input, mentre la lettura costa 0.1 volte tale tariffa. Se il prompt cambia vicino all’inizio a ogni richiesta, non ottieni alcun hit e paghi inutilmente il sovrapprezzo di scrittura. Verifica con cache_read_input_tokens prima di presumere che il meccanismo funzioni.

Devo usare Haiku per tutto?

No. Haiku 4.5 costa 1 dollari per milione di token di input, contro 5 per Opus 5, quindi il risparmio è reale per attività semplici e ad alto volume, come classificazione e routing. Una risposta errata in un’attività complessa costa più del risparmio ottenuto dal modello, perché devi pagare sia il nuovo tentativo sia il tempo che impieghi. La strategia più efficace è mista: il modello più piccolo per i passaggi meccanici, il modello di punta per il passaggio che richiede valutazione.

L’API è più economica di un abbonamento Claude?

Dipende dalla regolarità del tuo utilizzo. Un abbonamento ha un prezzo mensile fisso e limiti di utilizzo associati. L’API si paga a consumo, in base ai token, senza un limite massimo: costa meno quando l’utilizzo è ridotto o concentrato in determinati periodi e di più quando la usi intensamente ogni giorno lavorativo. Ricava la media dei token giornalieri dal blocco relativo all’utilizzo, calcolane il costo con la tariffa del tuo modello, quindi confronta il risultato con il prezzo del piano, che per il livello base è indicato in quanto costa Claude Pro e quali limiti di utilizzo impone. Se il totale è a favore dell’API, annullare il piano o passare a un livello inferiore non fa perdere il mese già pagato, perché l’accesso resta attivo fino alla fine del periodo di fatturazione corrente.