Perché Claude costa così 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 di nuovo e fatturata 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 frontier viene tariffato in base alla difficoltà delle attività che esegue, non in base 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, indicato con MTok (million tokens). Tutte le tariffe riportate di seguito corrispondono alla tariffa pubblicata per l'API di Claude ad agosto 2026.

La maggior parte delle fatture inattese dipende 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 spesso rappresenta meno di un decimo della fattura.

Le tariffe pubblicate, così concordiamo sui numeri

[
  {
    "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 l'andamento, non i valori assoluti. Ogni modello applica un costo per l'output esattamente cinque volte superiore a quello 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 differenza tra il modello più economico e quello più costoso è di cinque volte, così come la differenza tra la lettura e la scrittura.

Sonnet 5 è disponibile con tariffe introduttive pari a 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 basarci un budget.

L'ultima colonna indica la tariffa per la lettura dalla cache. È il fattore che incide sulla maggior parte dei costi. Torneremo su questo punto dopo i calcoli.

Perché i token di output costano cinque volte più dei token 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, perciò un prompt di 60,000 token non richiede 60,000 volte più tempo per essere letto rispetto a un prompt di 1,000 token.

I token di output vengono prodotti uno alla volta. Ogni nuovo token richiede un passaggio distinto nel modello e deve usare 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 il lavoro di lettura, quindi ogni token di output impegna l’hardware più a lungo.

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

Perché tutta la 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 la 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 scritti.

[
  {
    "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 agent costa molto più di una chat?

Una chat esegue una richiesta per ogni domanda. Un agent 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 agent di coding, sono normali 40 passaggi per completare una singola 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 questo overhead: il system prompt 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 anche un costo separato. La ricerca Web viene addebitata a $10 per 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 comportamento: osserva il numero degli input aumentare subito dopo un comando con un output molto esteso.

Il calcolo su una sessione reale

Ecco un'ora realistica di coding agentico con Opus 5. Sono state effettuate 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"
  }
]

Osservate la suddivisione. Il costo della lettura è di 12.00 dollari, mentre quello della 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 e la lettura fatturata ammonta a 2,400,000 token. Nessuno ha digitato 2.4 milioni di token. Gli stessi 100,000 token sono stati letti ripetutamente.

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

Il caching dei prompt salva 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. Con Opus 5, il costo è di 0.50 dollari per milione di token, invece di 5 dollari.

Applicalo 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

Contrassegni la parte memorizzabile nella cache con un campo cache_control. Inserisci il breakpoint dopo il contenuto che non cambia tra i turni: 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 fin dall'inizio del prompt, quindi tutto ciò che cambia a ogni richiesta deve essere posizionato dopo ciò che non cambia. Se inserisci un timestamp all'inizio del system prompt, interrompi la cache a ogni turno: l'intero prefisso diventa un cache miss e paghi 1.25 volte la tariffa di input per scriverlo nuovamente.

La risposta indica se la configurazione funziona. 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 usuale è che qualcosa prima del breakpoint è cambiato. Anche la cache di cinque minuti scade, quindi una richiesta inviata dopo sei minuti è un cache miss seguita da una nuova scrittura.

Livello 2: instradare le richieste semplici a 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 attività non serve il modello frontier. Instradarle a Haiku 4.5 riduce la tariffa per l’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 caching da solo riduce il costo di circa l’ottanta percento. 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. Instrada le richieste in base alla loro complessità, non al prezzo. Scegliere tra Opus, Sonnet e Haiku spiega quali attività ciascun modello gestisce meglio.

Livello 3: igiene del contesto

Ogni token che lasci nel contesto viene conteggiato in ogni turno successivo. Rimuoverlo subito conviene quindi 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, che su Opus 5 costano quasi un dollaro per un singolo incolla eseguito senza attenzione.

Quattro abitudini che riducono questo numero:

• Avvia una nuova sessione per ogni attività nuova invece di continuare quella del giorno precedente.
• Filtra i comandi rumorosi prima che l'output raggiunga il modello, usando qualcosa come head -50, non dopo.
• Chiedi soltanto la funzione che ti interessa, non l'intero file.
• Quando una sessione lunga non produce più risultati, 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 degli input sia degli 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 per l'elaborazione in batch si somma al prompt caching. Non si applica a una sessione interattiva, perché in quel caso non c'è nulla da attendere.

Mi stanno facendo pagare troppo?

Questa è la domanda reale alla base di «perché Claude è costoso?». Ecco quindi una risposta diretta. Le tariffe sono pubblicate, sono uguali per tutti nei piani standard e vengono applicate per token. Nessuna voce della fattura è discrezionale. Il listino non può però dirti se stai ottenendo un valore adeguato, perché tariffa i token mentre a te interessano i risultati.

Valuta quindi il risultato, non il prezzo dei token. La sessione precedente è costata 12.70 dollari senza caching. Se ha prodotto una funzionalità che avrebbe richiesto un'ora di 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 prodotto. Una sessione produttiva e una sessione inconcludente della stessa lunghezza hanno lo stesso costo. Per questo i quattro fattori di ottimizzazione contano più del listino: 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 il totale cresce in seguito all'aumento del lavoro svolto.

Cosa non riduce il costo

Alcuni consigli diffusi hanno un effetto minimo. Dire al modello di «essere conciso» riduce l’output, ma nell’esempio l’output 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 usati per il ragionamento costituivano una quota significativa dell’output; il blocco relativo all’utilizzo lo indica, senza lasciare spazio a stime.

Anche 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 ciò che si sceglie di inserirvi.

Altri due aspetti rientrano nella pianificazione, non nella gestione di una singola sessione. Se l’utilizzo è quotidiano e 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 invece un agent viene eseguito senza supervisione su un server, imposta un limite massimo di spesa prima di ottimizzare qualsiasi altro aspetto: è questo l’obiettivo di i controlli dei costi per un agent AI su un VPS. Per avere un riferimento pratico sulle quantità, cosa si può realmente ottenere con un milione di token Claude traduce il listino in pagine di testo.

FAQ

Perché la mia spesa per 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; per un'attività, 40 passaggi sono normali. Ogni richiesta viene fatturata considerando l'intero contesto. Di conseguenza, una sessione che termina a 100,000 token può superare i due milioni di token di input fatturati complessivamente. Leggi input_tokens e cache_read_input_tokens nella risposta dell'API per verificarlo direttamente.

Il prompt caching riduce davvero così tanto la spesa?

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

Devo 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 reale per attività semplici e ad alto volume, come classificazione e instradamento. 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. Il modello più efficace è misto: il modello più piccolo per le operazioni meccaniche, il modello frontier per il passaggio che richiede capacità di giudizio.

L'API costa meno di un abbonamento Claude?

Dipende dalla regolarità dei consumi. Un abbonamento ha un prezzo mensile fisso con limiti di utilizzo. L'API si paga per token e non ha un tetto massimo: costa meno quando l'utilizzo è ridotto o concentrato in brevi periodi, e di più quando la usi intensamente ogni giorno lavorativo. Prendi dalla sezione sull'utilizzo la media dei token al giorno, calcola il costo applicando la tariffa del modello e confronta il risultato con il prezzo del piano.