Quanto costa investire in LLM?

In breve. Il costo di un LLM usato via API dipende da quanti token mandi al modello (input) e quanti ne ricevi (output), moltiplicati per il prezzo del modello scelto. A parità di compito, modelli diversi possono costare decine di volte di più o di meno: per questo la scelta del modello conta più di qualsiasi altra ottimizzazione.

Aggiornamento di ottobre 2026: i prezzi riportati più sotto si riferiscono ai modelli e ai listini del 2023 e oggi non sono più rappresentativi. Nel frattempo i prezzi per token sono scesi molto e i fornitori pubblicano listini per milione di token, distinti tra input e output. Per un calcolo attuale usa i listini ufficiali di OpenAI, Anthropic e Google e la formula della sezione "Come stimare il costo".

L'evoluzione rapida nel campo dell'intelligenza artificiale ha portato i Large Language Models (LLMs) sotto i riflettori, diventando un punto di svolta per molte aziende tecnologiche. Questi modelli potenti possono elaborare, comprendere e generare linguaggio umano con una precisione sorprendente, ma a quale costo? Con questo articolo, vogliamo offrirvi un'analisi dettagliata dei costi associati all'uso degli LLMs e come questi influenzano le decisioni di spesa IT.

I Large Language Models (LLMs) hanno aperto nuove frontiere nell'elaborazione del linguaggio naturale (NLP), ma con ogni nuova tecnologia emergono interrogativi sui costi. Per le aziende tech-oriented, capire il peso economico di questi strumenti è essenziale per bilanciare innovazione e sostenibilità finanziaria.

I Fattori di Costo dei LLM

I prezzi per l'utilizzo di un LLM variano in base al modello scelto, alla dimensione della finestra di contesto, al volume di parole generate e al numero di richieste effettuate. Ad esempio, l'invio di una query che richiede una risposta di 200 parole potrebbe costare da 0,03$ a 3,60$, a seconda del modello di LLM utilizzato.

La Finestra di Contesto

La finestra di contesto è la quantità di informazioni pregresse che possiamo fornire al modello per contestualizzare la risposta. Un esempio tecnico potrebbe essere l'addestramento di un LLM per riconoscere e replicare lo stile di codifica di un software specifico; caricando una porzione sostanziale del codice sorgente, possiamo migliorare la capacità dell'LLM di generare codice in linea con le aspettative dello stile aziendale.

Costo per dati di input e output

La quantità di testo fornito all'LLM e la lunghezza della risposta desiderata influenzano direttamente il costo. Ad esempio, generare una documentazione tecnica di 500 parole con GPT-4 può arrivare a costare 8,40$, mentre con modelli open-source come Llama2 di Facebook, il costo scende a 0,07$.

Altri esempi:

• GPT-4: costo per 200 parole $3.60; per 500 parole $8,40; 4096 tokens
• Llama2: costo per 200 parole $0,07; per 500 parole $0,14; 700 tokens
• GPT-3.5: costo per 200 parole $1,50; per 500 parole $3,50; 2048 tokens

Scelta e Ottimizzazione del Modello

La scelta del modello ideale dipende dal caso d'uso specifico. Per esempio, un'azienda che sviluppa un chatbot per assistenza tecnica potrebbe preferire un modello come GPT-3.5 per la sua capacità di generare risposte tecniche dettagliate, mentre un blog potrebbe optare per Llama2 per contenere i costi.

Dinamiche di Prezzo e Tendenze

I prezzi degli LLM non sono statici. OpenAI ha annunciato forti riduzioni del costo per token, una tendenza al ribasso che si prevede continuerà con il miglioramento delle infrastrutture e l'ottimizzazione dei processi.

Il costo di integrazione di un LLM nelle strategie di business IT varia ampiamente. Nonostante il trend verso una riduzione dei costi, la selezione del modello appropriato e la sua ottimizzazione rimangono fondamentali per garantire un equilibrio tra innovazione tecnologica e efficienza dei costi.

Come stimare il costo

La formula di base è semplice: costo = token di input × prezzo di input + token di output × prezzo di output. Un token è un frammento di parola; in italiano una parola corrisponde in media a più di un token, quindi conviene misurare i token sui propri testi con gli strumenti dei fornitori invece di stimarli a occhio. Poi si moltiplica per il numero di richieste previste al mese. Nel conto entrano anche il contesto che invii a ogni chiamata (istruzioni, documenti, cronologia della conversazione) e i tentativi ripetuti in caso di errore: sono spesso queste voci, più della risposta, a far salire la spesa. Ne parlo in dettaglio nell'articolo sul debito tecnico nascosto degli agenti AI.

Strumento gratuito. Se vendi AI a consumo, ribalta il conto dal costo al prezzo con il simulatore di business model su consumo token: costo token per utente, margine e utenti di pareggio.

Domande frequenti

Quanto costa usare un LLM?

Dipende dal modello, dalla quantità di testo in ingresso e in uscita e dal numero di richieste. I listini sono espressi per milione di token e variano molto tra modelli grandi e piccoli; per stimare la spesa conviene partire da un campione reale di richieste.

Cos'è un token?

È l'unità con cui i modelli leggono e scrivono il testo: un pezzo di parola, una parola breve o un segno di punteggiatura. Sia l'input sia l'output si pagano a token.

Cos'è la finestra di contesto?

È la quantità massima di testo che il modello può considerare in una singola richiesta, comprese istruzioni, documenti allegati e risposta. Una finestra più ampia permette di dare più informazioni al modello, ma ogni token inviato ha un costo.

Come si riducono i costi di un LLM?

Scegliendo il modello più piccolo che svolge bene il compito, inviando solo il contesto necessario, riutilizzando le risposte già calcolate quando possibile e misurando la spesa per funzionalità, non solo il totale mensile.