Unità di fatturazione delle API AI: 17 metriche

Le API AI misurano l’utilizzo con almeno 17 unità diverse: token di testo, token di reasoning, token in cache, token per input multimediali, token audio realtime, caratteri, minuti e secondi di contenuti multimediali, oggetti di output, richieste, pagine, GPU-secondi, container-ora, GB-giorno, token-ora, PTU-ora, token di training e crediti sintetici. Per stimare il costo di un prodotto che usa più modalità bisogna convertirne diverse, ed è proprio nelle regole di conversione che saltano i budget. Questa guida descrive ogni unità, come viene misurata e quale insidia nasconde.

TL;DR

• Le API AI fatturano l’utilizzo con almeno 17 unità diverse, distribuite su quattro livelli: consumo, tempo e capacità, modificatori di tariffa e wrapper sintetici.
• Un minuto di audio può essere fatturato in due modi: da $0.0020 a $0.0164 per minuto audio con la trascrizione dedicata, oppure 1 token audio ogni 100 ms ascoltati su gpt-realtime-2.1.
• Anche il solo storage usa due metriche: OpenAI file search fattura $0.10 per GB-giorno, mentre la context cache di Gemini costa $0.50 per milione di token all’ora.
• I modificatori cambiano le tariffe, non le unità: il batch costa la metà, la fascia off-peak di DeepSeek dimezza ancora il prezzo, l’inferenza Claude vincolata agli Stati Uniti costa 1.1x.

Quali unità usano le API AI per la fatturazione?

Diciassette, nell’ordine seguito dalle sezioni successive: unità di consumo (da 1 a 10), unità di tempo e capacità (da 11 a 16) e wrapper sintetici (17), oltre a un livello di modificatori che cambia le tariffe senza cambiare le unità. La tabella è il riferimento; ogni riga rimanda all’analisi dettagliata.

Quali unità misurano il consumo effettivo?

Dieci delle diciassette unità misurano il consumo: il contatore avanza quando si usa il servizio, ma ogni modalità conta qualcosa di diverso.

La famiglia dei token (unità da 1 a 5). I token di testo sono il riferimento, ma non rappresentano un’unità uniforme: ogni famiglia di modelli usa tokenizer diversi, quindi lo stesso testo produce conteggi diversi. Anthropic specifica che il tokenizer dei modelli 4.7 e successivi genera circa il 30% di token in più rispetto al precedente per lo stesso testo. I token di reasoning sono token di output che di solito non si possono leggere; abbiamo misurato 81 token fatturati per una risposta di 10 token, di cui l’88% dedicato al reasoning. Il prezzo dei token in cache dipende dall’operazione e dalla durata della cache (TTL): sulla API Claude, una scrittura in cache di 5 minuti costa 1.25x rispetto all’input base, una di 1 ora costa 2x e una lettura 0.1x. Gli input multimediali vengono convertiti in token con formule specifiche per provider: una singola immagine 1024x1024 genera rispettivamente 693, 1.089 e 1.372 token su GPT-5.6, Gemini e Claude; Gemini conteggia l’audio a 25 token al secondo e i video 720p a 5.792 token al secondo, mentre i PDF sono fatturati alla tariffa dei token immagine. Il parlato realtime usa un token dedicato: gpt-realtime-2.1 fattura esattamente 1 token audio ogni 100 ms di parlato dell’utente e 1 ogni 50 ms di parlato del modello.

Caratteri e tempo (unità 6 e 7). Il text-to-speech (TTS) viene fatturato per carattere (OpenAI indica da $15 a $30 per milione di caratteri). Per questo il parlato cinese costa da 3 a 7x meno dell’inglese per minuto audio: a parità di durata richiede meno caratteri. I guardrail di Bedrock definiscono una propria unità basata sui caratteri, una “unità di testo” fino a 1.000 caratteri. I modelli dedicati alla trascrizione fatturano per minuto audio, da $0.0020 a $0.0164 nei modelli che abbiamo misurato; la generazione video viene fatturata al secondo in base alla risoluzione; Gemini applica una tariffa per brano musicale.

Oggetti, richieste e pagine (unità da 8 a 10). La generazione di immagini viene fatturata per immagine e livello qualitativo oppure per token di output. I due modelli di prezzo si incrociano: sotto circa 1.000 token di output conviene il prezzo per token, sopra conviene la tariffa fissa per immagine. I tool lato server vengono fatturati per richiesta: la web search costa $0.01 per ricerca sulle tre interfacce che abbiamo misurato, poi i risultati vengono fatturati di nuovo come token di input, da 1.500 a 3.100 per ricerca. Il grounding di ricerca di Gemini, che consente al modello di interrogare Google Search durante la richiesta, aggiunge una struttura a quota: 5.000 richieste gratuite al mese, poi $14 per 1.000. L’OCR viene fatturato per pagina. La valutazione dei modelli di Bedrock costa $0.21 per attività umana completata, l’unica unità di questo elenco espressa in persone.

Quali unità misurano invece tempo o capacità riservata?

Sei unità fatturano le risorse impegnate, anche quando non passa alcun token. È qui che le stime di costo sbagliano di più, perché il contatore continua a girare mentre il codice non fa nulla.

• GPU-secondi. Gli host serverless fatturano il runtime del modello in base alla classe hardware: su Replicate, una T4 costa $0.000225 al secondo e una H100 $0.001525. Il prezzo dipende dalla scheda, non dall’output.
• Container-ora e ore di sessione. L’esecuzione di codice di Anthropic costa $0.05 per container-ora oltre 1.550 ore gratuite al mese, con un minimo di 5 minuti per esecuzione; l’interprete di codice di OpenAI fattura per sessioni di 20 minuti, con un prezzo basato sulla memoria: da $0.03 per 1 GB a $1.92 per 64 GB. Gli agenti gestiti di Claude costano $0.08 per ora di sessione, misurati al millisecondo e solo durante l’esecuzione.
• GB-giorno e token-ora. Due metriche di storage per lo stesso concetto. Lo storage di OpenAI file search costa $0.10 per GB-giorno, con 1 GB gratuito; lo storage dell’explicit context caching di Gemini costa $0.50 per milione di token all’ora, con aumento a $1.00 nel 2027. Una cache dimenticata diventa un abbonamento di cui non ci si accorge.
• PTU-ora e unità modello. La capacità riservata viene fatturata per unità-ora indipendentemente dal traffico. Le provisioned throughput unit (PTU) di Azure sono quote indipendenti dal modello, con dimensioni minime di deployment specifiche per ciascun modello; i token di output consumano più capacità di quelli di input e i token in cache non ne consumano affatto, quindi un cache-hit rate elevato riduce il numero di PTU necessarie. Bedrock vende la stessa struttura sotto forma di unità modello con impegni di 1 o 6 mesi.
• Token di training. Il fine-tuning viene fatturato in base ai token dei dati di training moltiplicati per le epoche, tranne nei casi in cui si applica il tempo effettivo: alcuni modelli OpenAI indicano $100 per ora di training.

Cosa cambia la tariffa senza cambiare l’unità?

Sette fattori cambiano il prezzo di un’unità senza modificarla: livello batch, livello di servizio, fascia oraria, lunghezza del contesto, area geografica, parametri di qualità e quote gratuite. Un sistema di billing che salva un solo prezzo per modello li gestisce tutti in modo errato, perché lo stesso token ha prezzi diversi a seconda di come, quando e dove viene elaborato.

I moltiplicatori si combinano. Anthropic specifica che i moltiplicatori della cache si sommano allo sconto batch e al sovrapprezzo per la residenza dei dati. Un singolo token in cache, elaborato in batch e vincolato agli Stati Uniti, subisce quindi tre fattori contemporaneamente.

Cosa sono crediti e CCU?

Sono wrapper sintetici applicati alle metriche reali quando la fattura deve avere un’unica voce. Quando Claude fattura tramite AWS o Azure Marketplace, l’utilizzo viene valorizzato in dollari secondo i normali prezzi unitari e poi convertito in Claude Consumption Unit al tasso di 100 CCU per dollaro; gli sconti si traducono in meno CCU misurate, non in CCU più economiche. I prodotti in abbonamento fanno lo stesso con i crediti, e il confine può passare all’interno della stessa azienda: ElevenLabs misura i piani in abbonamento tramite crediti, ma specifica che l’utilizzo delle API viene fatturato in dollari statunitensi, non in crediti. Davanti a un’unità sintetica, bisogna identificare quale metrica di consumo o capacità c’è sotto e quale conversione viene applicata.

Quali arrotondamenti e minimi creano problemi?

Queste sono le regole di quantizzazione, raccolte qui perché ognuna si trova in un documento diverso:

• I container per l’esecuzione di codice hanno un minimo di 5 minuti e l’inclusione di file in una richiesta genera tempo di esecuzione fatturabile anche se il tool non viene mai chiamato.
• Le sessioni dell’interprete di codice vengono quantizzate in blocchi da 20 minuti in base al livello di RAM.
• Il parlato realtime viene quantizzato in 100 ms ascoltati / 50 ms parlati per token audio; 60 secondi di silenzio non hanno generato addebiti con il rilevamento dell’attività vocale lato server (VAD), mentre l’annullamento di una risposta vocale dopo 2 secondi ne ha fatturati 4.
• Nella generazione di immagini con n=4, il prompt viene fatturato di nuovo quattro volte; questa interfaccia non supporta il prompt caching.
• I token video includono un +1 frame nella formula e dimensioni codificate diverse da quelle dichiarate: il 720p viene fatturato come 1248x704.
• Le prompt cache hanno lunghezze minime memorizzabili specifiche per provider; sotto la soglia si paga il sovrapprezzo di scrittura senza memorizzare nulla.
• Le unità di testo dei guardrail vengono arrotondate per eccesso ogni 1.000 caratteri.
• Le definizioni dei tool vengono fatturate come input prima di qualsiasi chiamata: il system prompt per l’uso dei tool di Anthropic aggiunge da 286 a 804 token, in base al modello e alla scelta del tool, mentre un set completo di tool per il computer use ne aggiunge circa 4.500.

Come si confrontano i costi tra unità diverse?

Bisogna normalizzare tutto in dollari per interazione utente, l’unica unità in cui si possono convertire tutte le metriche.

Il nostro studio sugli agenti vocali ha seguito esattamente questo metodo: uno stack a cascata che fattura minuti audio per la trascrizione, token per l’LLM e caratteri per il TTS costa da $0.0037 a $0.025 per minuto di conversazione, contro $0.057 per gpt-realtime-2.1 e $0.016 per la relativa versione mini. In questo modo, il sovrapprezzo del realtime e il vantaggio in termini di latenza vengono espressi con un unico valore confrontabile. Il metodo vale in generale: si sceglie l’interazione, per esempio un ticket di assistenza, un documento o un minuto di conversazione, si misura ogni passaggio nella sua unità nativa, si applica la tariffa corrente e solo dopo si confrontano i risultati. Confrontare direttamente $/1M token e $/minuto audio significa confrontare grandezze diverse; confrontare $/interazione è semplice aritmetica.

Come un gateway normalizza tutte queste unità

Synthorai calcola il costo al momento della richiesta e conserva l’unità nativa insieme all’importo in dollari. Ogni richiesta produce un record di utilizzo che contiene le letture dei contatori nativi, cioè token per categoria, secondi, caratteri e numero di richieste, oltre alla versione del prezzo applicata e al costo calcolato. In questo modo, ogni riga di fattura può sempre essere ricondotta a unità per tariffa. È la stessa conversione eseguita da una CCU al confine con il marketplace, ma applicata a ogni record e mantenuta verificabile. Funziona anche con la modalità zero-retention: al record di utilizzo bastano le letture dei contatori e un hash del contenuto, mai il payload. Quando un provider modifica un prezzo, la versione del listino identifica la tariffa usata per ogni record storico. Così la riconciliazione di fine mese diventa una verifica, non una discussione.

FAQ

I token audio sono uguali ai token di testo?

No. I token audio realtime sono una metrica separata con prezzi propri: su gpt-realtime-2.1 un token copre 100 ms di parlato ascoltato o 50 ms di parlato prodotto, equivalenti a $0.0192 al minuto per l’ascolto e $0.0768 al minuto per il parlato. Le metriche audio e testo hanno listini separati anche all’interno dello stesso modello.

Perché la stessa immagine genera conteggi di token diversi tra provider?

Perché cambia lo schema di conversione, non l’immagine: formule basate su patch, tile con limite massimo e tariffe fisse coesistono. Una singola immagine 1024x1024 ha generato 693 token su GPT-5.6, 1.089 su Gemini e 1.372 su Claude; il formato del file e il contenuto non hanno spostato il conteggio nemmeno di un token.

I token in cache contano come token di input?

Vengono misurati separatamente e il prezzo dipende dall’operazione: le scritture in cache costano più dell’input base, 1.25x o 2x in base al TTL sulla API Claude, mentre le letture sono scontate a 0.1x. Con la capacità riservata la distinzione conta due volte: i token in cache non consumano capacità PTU, quindi il caching riduce sia il costo sia la capacità da riservare.

Per il parlato costa meno una tariffa per carattere o per minuto?

Dipende dalla lingua. Con il TTS fatturato per carattere, il parlato cinese costa da 3 a 7x meno al minuto rispetto all’inglese perché concentra più parlato in meno caratteri; il prezzo al minuto è invece indipendente dalla lingua. Per la trascrizione, i modelli a tariffa per minuto che abbiamo misurato costano da $0.0020 a $0.0164 per minuto audio, con accuratezza quasi identica sul parlato pulito.

Le definizioni delle unità e le tariffe provengono dalle pagine dei provider consultate il 2026-08-30 e dai nostri studi sperimentali citati nel testo. I prezzi cambiano; le strutture delle unità cambiano più lentamente, ma prima di inserire un valore nel codice di fatturazione va verificata la fonte collegata.

Studi sperimentali correlati: anatomia dei token, prompt caching, soglie minime della cache, token per input immagine, generazione di immagini, trascrizione, riconoscimento vocale, parlato realtime, generazione video, web search, agenti vocali, tokenizer, costo per lingua.

← Torna al blog