Perché Claude costa tanto? Il calcolo dei token

Perché Claude è costoso? La risposta breve

Claude è costoso per quattro motivi che si sommano. I token di output hanno un prezzo cinque volte superiore a quello dei token di input. L'API non conserva la memoria della conversazione, quindi l'intera cronologia viene inviata nuovamente e addebitata a ogni turno. Un agente trasforma una domanda in decine di chiamate API, e ogni chiamata include quella cronologia in crescita. Inoltre, il modello frontier viene tariffato in base alla difficoltà del lavoro che svolge, non in base al costo di esecuzione di un modello più piccolo.

Un token è una porzione di testo. Come riferimento approssimativo, un token corrisponde a circa quattro caratteri o a circa 0.75 parole in inglese. Le tariffe sono espresse per milione di token, indicato come MTok (milione di token). Tutte le tariffe riportate di seguito sono quelle pubblicate per l'API di Claude a ottobre 2026.

La maggior parte delle fatture inattese dipende dal secondo e dal terzo motivo dell'elenco. In genere si pensa che il costo derivi dalle risposte generate da Claude. In una sessione con un agente, il testo generato rappresenta spesso meno di un decimo della fattura.

Le tariffe pubblicate, per concordare i numeri

[
  {
    "label": "Haiku 4.5",
    "input_usd": 1,
    "output_usd": 5,
    "cache_read_usd": "0.10"
  },
  {
    "label": "Sonnet 5",
    "input_usd": 2,
    "output_usd": 10,
    "cache_read_usd": "0.20"
  },
  {
    "label": "Sonnet 4.6",
    "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. Quindi la distanza tra il modello meno costoso e quello più costoso della tabella è di cinque volte, e anche la distanza tra lettura e scrittura è di cinque volte.

Sonnet 5 costa 2 e 10 dollari per milione. Anthropic ha inizialmente presentato questa tariffa come prezzo introduttivo fino al 31 agosto 2026, quindi l’ha resa la tariffa standard e ha annullato l’aumento previsto a 3 e 15 dollari. Le tariffe cambiano con il rilascio dei modelli, quindi verifica quelle correnti prima di basarci un budget. I modelli più recenti mantengono la stessa struttura con rapporto di cinque a uno: Opus 5.5 è indicato a 4 e 20 dollari per milione, Sonnet 5.5 a 2 e 10, mentre Haiku 5.5, rilasciato il 7 ottobre 2026, parte da 0.10 e 0.50. Non esiste neppure un piano 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 mostra la tariffa per la lettura dalla cache. È il fattore che determina la maggior parte dei costi. Torneremo su questo punto dopo i calcoli.

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

Leggere e scrivere non richiedono la stessa quantità di 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, quindi 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 distinto nel modello e deve includere come contesto tutti i token che lo precedono. Scrivere 1,000 token significa eseguire 1,000 passaggi, uno dopo l'altro. Questo lavoro seriale non può essere distribuito come la lettura, quindi ogni token di output occupa l'hardware più a lungo.

Per questo motivo, «rendi la risposta più breve» è una leva meno efficace di quanto ci si aspetti. Agisce sulla metà più piccola del costo di un agent.

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 addebita un contesto molto più grande. 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, costituiti dal prompt di sistema, dalle definizioni degli strumenti e dai primi file aperti dall’agente. Al turno 40, il contesto contiene 100,000 token. Calcolando la media su tutti i quaranta turni, si ottengono circa 60.000 token letti per richiesta.

Perché un agente costa molto più di una chat?

Una chat invia una richiesta per ogni domanda. Un agente invia 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 coding, sono normali quaranta passaggi per completare una sola attività.

L’uso degli strumenti comporta altri due costi. 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 il relativo overhead: il prompt di sistema per l’uso degli strumenti richiede 286 token su Opus 5 con tool_choice impostato su auto, a cui si aggiungono i 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 successiva, fino al termine della sessione oppure finché la cronologia non viene compattata o cancellata. L’utilizzo dei token per sessione riportato da Claude Code rende visibile questo comportamento: osserva l’aumento del numero di token di input subito dopo un comando che produce 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, tra 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"
  }
]

Osserva la suddivisione. La lettura costa 12.00 dollari, mentre la scrittura costa 0.70 dollari; quindi l'output che hai effettivamente letto rappresenta circa il cinque percento del totale. Il modello ha scritto 28,000 token e la lettura è stata fatturata per 2,400,000 token. Nessuno ha digitato 2.4 milioni di token. Gli stessi 100,000 token sono stati letti più volte.

Livello 1: caching dei prompt, il fattore con l'impatto maggiore

Il caching dei prompt memorizza la forma elaborata di un prefisso stabile del prompt. Nella richiesta successiva, quel prefisso viene letto dalla cache invece di essere elaborato nuovamente. 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 dalla cache costa 0.1 volte la tariffa di input nella maggior parte dei modelli, incluso Opus 5. Opus 5.5 e Sonnet 5.5 applicano una tariffa pari a 0.05 volte, mentre Fable 5.1 applica una tariffa pari a 0.025 volte. Per Opus 5, il costo è quindi di 0.50 dollari per milione di token invece di 5 dollari.

Applica questo principio alla sessione precedente. Ciascuno dei 100,000 token viene scritto una volta nella cache man mano che 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

Indica la parte memorizzabile nella cache con un campo cache_control. Posiziona il punto di interruzione dopo il contenuto che non cambia tra una richiesta e l'altra: il prompt di sistema e le definizioni degli strumenti. Un documento lungo che consulti ripetutamente deve trovarsi nello 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 a partire dall'inizio del prompt, quindi tutto ciò che cambia a ogni richiesta deve trovarsi dopo ciò che non cambia. Se inserisci un timestamp all'inizio del prompt di sistema, interrompi la cache a ogni turno: l'intero prefisso diventa un cache miss e devi pagare 1.25 volte la tariffa di input per scriverlo nuovamente.

La risposta indica se la procedura ha funzionato. Invia una richiesta e leggi il blocco di 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
  }
}

Una richiesta ripetuta che mostra ancora 0 in cache_read_input_tokens indica che la cache non viene utilizzata. La causa più comune è che qualcosa prima del punto di interruzione è cambiato. Anche la cache di cinque minuti scade, quindi una richiesta inviata dopo sei minuti è un cache miss seguito da una nuova scrittura.

Livello 2: indirizza le operazioni semplici a un modello più piccolo

La maggior parte delle operazioni 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 frontier. Indirizzarle a Haiku 4.5 riduce il costo degli input da 5 dollari per milione a 1. Haiku 5.5 indica un prezzo ancora inferiore: 0.10 dollari per i prompt fino a 100,000 token, ma tutte le sue tariffe aumentano di cinque volte quando un prompt supera questa soglia, e il contesto esteso di un agente può raggiungerla. Quanto costa Haiku 5.5 e dove si colloca illustra entrambi i livelli.

[
  {
    "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 caching da solo elimina circa l'ottanta percento del costo. La scelta del modello elimina gran parte del costo rimanente.

Ecco la precisazione necessaria. Un modello più economico che fornisce una risposta errata può costarti di nuovo l'intera sessione, oltre al tuo tempo. Scegli il modello in base alla complessità dell'attività, non al prezzo. La regola vale anche verso l'alto: Claude Fable 5 e Fable 5.1 hanno prezzi superiori a Opus 5, pari a $10 e $50 per milione. Leggi quindi cosa ottieni con queste tariffe prima di indirizzarvi un'operazione. Come scegliere tra Opus, Sonnet e Haiku descrive i casi in cui ciascun modello offre prestazioni adeguate.

Livello 3: igiene del contesto

Ogni token che lasci nel contesto viene conteggiato in tutti i turni successivi. Per questo rimuovere un token subito vale molto più che rimuoverlo in seguito. Un file da 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 singolo incolla eseguito senza attenzione.

Quattro abitudini che riducono il numero:

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

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

La Batch API elabora le richieste in modo asincrono e riduce del 50 percento il costo sia dell’input sia dell’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 somma a quello del 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 pubblicate, sono uguali per tutti sui piani standard e vengono applicate per token. L'eccezione è un contratto negoziato; anche in quel caso, i prezzi di Claude Enterprise aggiungono un costo per postazione ai token conteggiati, invece di sostituirli. Se il confronto che hai in mente è con un altro fornitore e non con un altro piano, lo stesso lavoro con i prezzi delle API di Claude e ChatGPT mostra quale dei due risulta più economico. In fattura non ci sono costi discrezionali. Il listino non può dirti se stai ottenendo un valore adeguato, perché applica un prezzo ai token, mentre a te interessano i risultati.

Calcola quindi il costo del risultato. La sessione precedente è costata 12.70 dollari senza caching. Se ha distribuito una funzionalità che avrebbe richiesto un'ora di lavoro, il costo è contenuto. 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.

È questo il punto da ricordare. La fattura cresce in base ai token, non al valore prodotto. Una sessione produttiva e una sessione improduttiva della stessa durata costano uguale. Per questo le quattro leve contano più del listino: non puoi negoziare il prezzo per token, ma decidi quanti token richiede il lavoro.

Monitora 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 consigli diffusi servono a poco. Dire al modello di essere "conciso" riduce l'output, che nell'esempio rappresentava il cinque percento della fattura. Accorciare la propria domanda fa risparmiare poche centinaia di token su un contesto di 60,000 token. Disattivare il ragionamento esteso aiuta solo quando i token di ragionamento costituiscono una quota significativa dell'output. Il blocco sull'utilizzo mostra se è questo il caso, 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, ad eccezione di Haiku 5.5, l'intera finestra da un milione di token viene fatturata alla tariffa standard per token. Una richiesta di 900,000 token costa quindi la stessa cifra per token di una richiesta di 9,000 token. Haiku 5.5 è l'eccezione: il prezzo dipende dalla lunghezza del prompt e un prompt di oltre 100,000 token paga cinque volte tanto per input, output e cache. Il costo dell'input passa quindi da 0.10 a 0.50 dollari per milione di token, mentre quello dell'output passa da 0.50 a 2.50. Per tutti gli altri modelli attuali, la dimensione della finestra non determina il prezzo. Lo determina ciò che si sceglie di inserirvi.

Altri due aspetti vanno considerati nella pianificazione, non durante una singola sessione. Se l'utilizzo è quotidiano e interattivo, confrontare il costo per token con quello di un piano a tariffa fissa: il confronto tra costi di API e abbonamento esegue questo calcolo. Se il piano a tariffa fissa è più conveniente e si sta valutando contemporaneamente un altro fornitore, i piani Claude e ChatGPT a confronto diretto dei prezzi applica lo stesso confronto a entrambi. Se invece un agente viene eseguito senza supervisione su un server, impostare un limite massimo di spesa prima di ottimizzare qualsiasi altro aspetto: è questo l'argomento di controlli dei costi per un agente AI su un VPS. Per avere un riferimento immediato sulle dimensioni, cosa si può realmente ottenere con un milione di token Claude converte il tariffario 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 fino a quel momento. Una chat invia una richiesta per ogni domanda. Un agent di coding invia una richiesta per ogni passaggio; quaranta passaggi per un'attività sono normali. Ogni richiesta viene fatturata in base all'intero contesto. Per questo, 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, il costo della sessione è passato da 12.70 dollari a 2.48 dollari, perché una lettura dalla cache su Opus 5 costa un decimo della tariffa di input. Il risparmio dipende interamente dal tasso di cache hit. Con la cache di cinque minuti, il costo viene ammortizzato dopo una sola lettura, perché la scrittura costa 1.25 volte la tariffa di input e la lettura costa 0.1 volte tale tariffa o meno. 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 caching funzioni.

Dovrei usare Haiku per tutto?

No. Haiku 4.5 costa 1 dollari per milione di token di input, contro 5 per Opus 5. Il risparmio è quindi concreto per attività semplici e ad alto volume, come classificazione e routing. Una risposta errata su un'attività complessa costa più del risparmio ottenuto sul modello, perché devi pagare anche il nuovo tentativo e il tempo che impieghi tu. Il modello più efficace è misto: il modello piccolo per i passaggi meccanici, il modello frontier 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 con limiti di utilizzo associati. L'API si paga per token e non ha un tetto massimo. È più economica quando l'utilizzo è ridotto o concentrato in determinati periodi, e più costosa quando la usi intensamente ogni giorno lavorativo. Ricava dal blocco relativo all'utilizzo la media dei token al giorno, applica la tariffa del tuo modello, moltiplica il risultato per i giorni in cui lo utilizzi durante un mese, quindi confronta la cifra mensile con il prezzo del piano, che per il livello base è indicato in quanto costa Claude Pro e dove si fermano i suoi limiti di utilizzo. Se il totale è più favorevole all'API, la cancellazione non fa perdere il mese già pagato: la cancellazione diventa effettiva alla fine del periodo di fatturazione corrente e il piano resta attivo fino a quel momento. Annullare il piano o passare a un livello inferiore descrive entrambe le opzioni.