Quanti token costa un'immagine? 15 API, da 6 a 1.298

La stessa immagine da 1024x1024 costa 693 token di input su GPT-5.6, 988 su Qwen 3.8 Max, 1.089 su Gemini e 1.372 su Claude. Applicando le tariffe di input dei singoli provider, il costo per immagine varia da $0.00005 a $0.0137 su 15 modelli vision. La differenza dipende quasi interamente dalla tariffa di input del modello, non dal tokenizer delle immagini. Cinque vendor pubblicano una regola per la fatturazione delle immagini; le nostre misurazioni ne contraddicono tre. Questo articolo completa il nostro studio sui tokenizer di testo: abbiamo inviato a tutti i modelli vision del catalogo gli stessi PNG generati in locale, calcolando il costo dell’immagine come differenza tra i prompt token con e senza immagine. Il test copre sei dimensioni, cinque aspect ratio, tre tipi di contenuto, tre formati di file e stack da una a quattro immagini.

TL;DR

• Una singola immagine da 1024x1024: 693 token su GPT-5.6, 1.089 su Gemini e 1.372 su Claude; il costo va da $0.00005 (qwen3-vl-flash) a $0.0137 (claude-fable-5).
• Tre sistemi: formule a patch (Qwen: (side/32)²+2 esatto), tile con un tetto massimo (GPT si ferma a 693) e costo fisso (Gemini fattura 1.089 token per qualsiasi dimensione, miniature incluse).
• Tre regole documentate non trovano riscontro nelle misurazioni: i Claude di fascia alta ridimensionano a ≈1.920px, non a 1.568; Gemini fattura sempre 1.089 token, mentre la documentazione ne indica 258; la griglia di Qwen è da 32px, non da 28.
• Formato e contenuto non hanno spostato il conteggio neppure di un token: la fatturazione dipende solo dalla geometria.

Come dichiarano i vendor di fatturare un’immagine?

Cinque delle sette famiglie pubblicano una regola. In tre casi su cinque, le misurazioni la smentiscono. La tabella riassume l’intero articolo; le sezioni successive riportano i dati che dimostrano le discrepanze o descrivono comportamenti di costo assenti dalla documentazione:

La colonna di destra mostra uno schema preciso: tutte le regole documentate si basano sulla geometria, tramite patch, tile o divisori. La geometria si può misurare, quindi l’abbiamo misurata. Quando le due colonne non coincidono, anche il budget risulta sbagliato: una pipeline basata sui Claude di fascia alta e dimensionata sul limite documentato di 1.568px sottostima di circa il 45% il costo delle immagini grandi; una pipeline Gemini che prevede 258 token per miniatura ne paga 4,2 volte tanti per ogni icona.

Quanti token costa una singola immagine?

Nella nostra matrice, da 6 a 5.486 a seconda del modello e della dimensione. Il numero di token, però, determina solo metà del costo. Questa tabella mostra lo stesso PNG da 1024x1024 su tutti i modelli vision del catalogo, applicando la rispettiva tariffa di input:

Da questi dati emergono tre conclusioni. Primo, il consumo è letterale: considerando 0,75 parole inglesi per token, un’immagine da 1024px occupa nel context budget quanto un documento da 520-1.030 parole. Per questo le conversazioni con molte immagini esauriscono context window e budget molto più rapidamente del solo testo. Secondo, il costo in dollari dipende quasi del tutto dalla tariffa. I conteggi rimangono entro un fattore 2, da 693 a 1.379; su qualunque modello, quindi, un’immagine costa tra 0,69x e 1,38x il prezzo di 1.000 input token. La colonna in dollari riflette soprattutto la tariffa di input del modello. Terzo, ogni famiglia condivide lo stesso tokenizer: entrambe le versioni qwen3-vl, entrambe le varianti GPT-5.6, tutti e tre i Gemini e tutti e quattro i Claude hanno restituito conteggi identici o quasi per ogni immagine quadrata. È lo stesso schema, un tokenizer per famiglia, che abbiamo misurato sul testo.

Da cosa dipende il costo in token di un’immagine?

Cinque fattori incidono sul costo; altri tre, spesso considerati rilevanti, non hanno alcun effetto. Il resto dello studio analizza nel dettaglio ciascuna riga della tabella:

Sugli ultimi tre fattori circolano due convinzioni errate: nessuna API della matrice usa il rapporto di compressione o la complessità visiva per calcolare il costo. La geometria entra, i token escono.

Quali sono i tre sistemi di fatturazione?

Formule a patch, tile con un tetto massimo e costi fissi. Sulle immagini piccole producono prezzi completamente diversi. Abbiamo testato sei dimensioni, da quadrati di 64px a 2.048px:

La formula di Qwen è abbastanza precisa da poter essere usata per il budget: un quadrato da 1.024px costa (1024/32)² + 2 = 1.026 token, verificati esattamente. Il minimo, con padding, è di 8x8 patch (66 token), mentre il tetto di ridimensionamento è a 1.600px: tutte le dimensioni da 1.600 a 1.920px hanno restituito esattamente 2.502 token. GPT usa tile fino a 693 token e non supera mai quel valore: un’immagine da 1.024px costa quanto una da 2.048px. I due modelli a costo fisso sono una trappola per chi gestisce molte miniature: Gemini fattura 1.089 token sia per un’icona da 64px sia per uno screenshot 4K dopo il ridimensionamento; Seed ne fattura 1.298. All’estremo opposto, Kimi K3 ha continuato a crescere oltre i limiti di tutti gli altri: un quadrato da 3.072px è costato 11.674 token. È l’unico modello della matrice per il quale non abbiamo osservato alcun ridimensionamento.

Dove si trovano esattamente i limiti di ridimensionamento?

Tutte le famiglie tranne Kimi ridimensionano le immagini grandi prima di fatturarle. I limiti reali sono quelli rilevati dalle misurazioni, non quelli riportati nella documentazione. Il caso Claude merita un’analisi dettagliata, perché su claude-sonnet-5 e modelli superiori incide sui costi effettivi: 1.568px costa 3.139 token, 1.728px ne costa 3.847 e 1.920px arriva a 4.764. Da lì non aumenta più: anche 2.048px e 2.304px costano 4.764 token. I tre modelli di fascia alta continuano a fatturare pixel reali per circa il 45% oltre il limite documentato; claude-haiku-4-5 è l’unico a comportarsi come indicato. Se controllate la pipeline di upload, ridimensionate le immagini al limite misurato per ciascun modello prima della codifica: oltre quel punto, i pixel aumentano il costo su Kimi oppure vengono scartati senza avviso su tutti gli altri. Caricare immagini sovradimensionate consuma quindi banda senza offrire alcun vantaggio.

Forma, contenuto o formato del file cambiano il costo?

Tutti gli effetti legati alla forma dipendono da due fattori, nessuno dei quali riguarda la dimensione del file: se il modello conta l’area o una griglia perimetrale e dove si trova la soglia di ridimensionamento sul lato lungo. Contenuto e formato non hanno invece prodotto variazioni: su tutti i modelli misurati, un’immagine da 512px a tinta unita, un campo di rumore e una pagina di testo hanno avuto lo stesso costo. Lo stesso vale per l’identica immagine da 243KB in PNG, 176KB in JPEG e 174KB in WebP.

Il test dei fattori mantiene costante l’area a un megapixel e allunga la forma:

Le righe seguono i due fattori indicati sopra. Qwen, Kimi, Gemini e Seed restano piatti: usano solo l’area, oppure un costo fisso, senza considerare la forma. GPT è l’unico a fatturare tramite una griglia perimetrale. Le strisce costano fino all’84% in più rispetto a un quadrato con lo stesso numero di pixel, finché l’aspect ratio 8:1 non supera il limite sul lato lungo e il ridimensionamento annulla il sovrapprezzo: 616 token, meno del quadrato. I modelli con una soglia sul lato lungo mostrano lo stesso punto di inversione, ma ciascuno alla propria soglia. Haiku inizia a costare meno già a 3:1: il lato lungo raggiunge 1.774px e supera il limite di 1.568, portando il costo prima a 1.068 token, poi a 788 e infine a 396. I Claude di fascia alta scendono solo a 8:1, quando 2.896px superano il loro limite di circa 1.920px, arrivando a 1.107 token. MiniMax fa lo stesso a 8:1, oltre il proprio limite di 2.048px, con 650 token. Per documenti molto larghi e screenshot: su GPT conviene dividere o ridimensionare le strisce prima dell’invio; su Haiku, le forme estreme sono di fatto i pixel Claude meno costosi.

Quali interventi riducono davvero i costi di input delle immagini?

Ce ne sono tre, in ordine di efficacia. Primo, ridimensionare al limite del modello: ogni pixel oltre la soglia viene fatturato su Kimi, che non ha un tetto, ed è sprecato su tutti gli altri. Secondo, usare detail: "low" su GPT: a 512px non cambia nulla, perché il costo rimane 309 token in entrambi i casi; a 2.048px, invece, limita l’immagine a 309 token rispetto ai 693 di high o auto, con un risparmio del 55%. È l’unico parametro per richiesta che abbiamo trovato per controllare il costo delle immagini. Terzo, scegliere il sistema adatto al workload: i modelli a costo fisso, Gemini e Seed, sono inadatti al traffico di miniature e icone, ma convenienti per scansioni sempre grandi. I modelli a patch o tile fatturano in modo proporzionale le immagini piccole: un’icona da 64px costa 6 token su GPT e 17 su Kimi.

Le richieste con più immagini non ricevono sconti: su tutti e 15 i modelli, inviare stack da 1, 2 o 4 copie nello stesso messaggio ha prodotto un costo strettamente additivo, con ciascuna copia fatturata al prezzo pieno di una singola immagine. Questo calcolo penalizza soprattutto i modelli a costo fisso: quattro miniature da 256px in una richiesta Gemini costano 4.356 image token; le stesse quattro su qwen3-vl-flash ne costano 264.

Domande frequenti

Quanti token costa un’immagine da 1024x1024?

Con lo stesso PNG abbiamo misurato: 693 su GPT-5.6, 988 su Qwen 3.8 Max, 1.026 su qwen3-vl, 1.089 su Gemini, 1.298 su ByteDance Seed, 1.371 su MiniMax, 1.372 su Claude e 1.379 su Kimi K3. La differenza di 2x nel numero di token conta meno della tariffa applicata: il costo in dollari va da $0.00005 (qwen3-vl-flash) a $0.0137 (claude-fable-5).

Il formato o la compressione dell’immagine incidono sul costo in token?

No, su tutti i modelli misurati. La stessa immagine da 512px in PNG (243KB), JPEG (176KB) e WebP (174KB) ha prodotto conteggi identici. Anche un’immagine a tinta unita, un campo di rumore e un contenuto ricco di testo hanno avuto lo stesso costo. La fatturazione dipende solo dalle dimensioni in pixel: comprimete per ridurre la banda, non i token.

detail: "low" riduce i token delle immagini?

Su GPT-5.6 sì, ma solo oltre la soglia delle immagini piccole: un’immagine da 2.048px è costata 309 token con low, contro 693 con high o auto, il 55% in meno. A 512px, tutte e tre le impostazioni sono costate 309 token. Nessun altro modello della matrice ha esposto un parametro funzionante per controllare il costo dell’immagine per singola richiesta.

Le immagini costano meno se ne invio più di una nella stessa richiesta?

No. Su tutti i modelli, 1, 2 e 4 copie della stessa immagine hanno prodotto un costo strettamente additivo, con ogni immagine fatturata a prezzo pieno. Il batching riduce l’overhead delle richieste e la latenza, non gli image token. Sui modelli a costo fisso, Gemini e Seed, molte immagini piccole nella stessa richiesta rappresentano il caso più costoso.

Misurazioni eseguite il 2026-08-13/14 tramite il gateway Synthorai su 17 modelli, di cui 15 vision e 2 controlli solo testo: PNG generati in locale con dimensioni esatte; costo dell’immagine calcolato come differenza tra i prompt token con immagine e una baseline con lo stesso testo e salt; scala su sei dimensioni (64-2.048px); test dei limiti fino a 3.072px; sei formati da 1MP (da 1:1 a 8:1, più una torre 1:4); tre tipi di contenuto; PNG/JPEG/WebP; detail low/high/auto su GPT; stack da 1/2/4 immagini; verifica visiva con una parola in codice su ogni modello. Gli importi in dollari derivano dai token misurati moltiplicati per la tariffa di input indicata sulla pagina di ciascun modello alla data della misurazione (Sonnet 5 alla tariffa di lancio di $2). Le regole di fatturazione vision possono cambiare senza preavviso; ripetete il test sulle dimensioni prima di fare affidamento su un singolo valore.

← Torna al blog