Claude Haiku 4.5: come calcolare il costo per risposta utilizzabile

Quale costo stiamo calcolando

Il prezzo di una chiamata, la spesa per un’attività e il costo di una risposta accettata sono misure diverse. Per preventivare un carico di lavoro reale con Claude Haiku 4.5, conviene innanzitutto definire il denominatore: si vuole sapere quanto costa ogni tentativo inviato al modello, ogni risposta ricevuta, ogni risultato che supera i criteri di accettazione oppure ogni attività completata dopo una revisione umana?

La distinzione conta quando una risposta può essere scartata, corretta o richiesta di nuovo. Una chiamata che restituisce testo genera consumo anche se quel testo non viene utilizzato. Se il team divide la spesa totale soltanto per le chiamate riuscite, può nascondere i tentativi non riusciti; se la divide per tutte le chiamate, non indica quanto costa produrre un risultato effettivamente utile per il processo.

In questa guida, «risposta accettata» indica un output che supera i criteri definiti dal team per l’attività in questione. Può trattarsi, per esempio, di un’etichetta valida, di un oggetto conforme a uno schema o di un riepilogo che supera una revisione. Non significa che il modello garantisca l’accuratezza, che l’output sia sicuro per qualsiasi utilizzo o che non serva un’approvazione successiva. È un’unità di calcolo operativa, non una garanzia di qualità.

La tariffa pubblicata è solo una delle componenti del budget. Il calcolo può includere separatamente inferenza, tentativi ripetuti, validazione esterna, revisione umana e altre risorse di sistema. Tenere distinti questi elementi aiuta a confrontare le esecuzioni e a spiegare da dove proviene un importo, senza presentare una stima come se fosse una fattura garantita.

La tariffa di Claude Haiku 4.5 e il suo ambito

Anthropic pubblica per Claude Haiku 4.5 una tariffa standard su Claude Platform pari a 1 USD per milione di token di input e 5 USD per milione di token di output. È una base utile per elaborare una stima riproducibile, ma va annotata insieme al canale utilizzato, al modello esatto e alla data in cui è stata verificata. Non bisogna presumere che il prezzo di un canale di terze parti o di un’altra modalità di servizio sia identico.

La documentazione del fornitore presenta anche modalità di prezzo diverse, tra cui quelle relative all’elaborazione batch e ai token memorizzati nella cache. Questa guida non le include nei calcoli d’esempio: l’obiettivo è spiegare il calcolo usando le tariffe standard indicate, non stabilire quale modalità sia adatta a uno specifico carico di lavoro. Prima di preparare un budget, controlla il listino aggiornato e le condizioni applicabili al canale che utilizzerai.

L’identificativo del modello è importante per poter ripetere un test e verificare che le esecuzioni corrispondano alla stessa versione. La documentazione sul ciclo di vita consultata identifica il modello come claude-haiku-4-5-20251001 e lo indica come attivo, senza una data di ritiro annunciata al momento della consultazione. Questo stato può cambiare e non va considerato una garanzia di disponibilità futura.

Per verificare gli importi, registra quale tariffa hai applicato e conserva la data della consultazione. Se il budget verrà utilizzato per più mesi, pianifica una nuova verifica di prezzi e condizioni prima di trasformare la proiezione in un impegno. Una variazione del prezzo unitario cambia il risultato anche se il numero di attività e i token osservati restano invariati.

La formula: costo di inferenza per risposta accettata

Con le tariffe standard indicate, il costo di inferenza di un tentativo testuale si stima così: (token di input × 1 USD / 1.000.000) + (token di output × 5 USD / 1.000.000). La formula separa input e output perché il prezzo per milione è diverso. Se si analizzano più chiamate, bisogna sommare il costo stimato di tutti i tentativi, non soltanto quello delle risposte che alla fine sono state accettate.

Poi si divide la spesa totale di inferenza per il numero di risposte accettate. Per un carico composto da attività diverse, calcola prima costo e accettazione per ciascun tipo di attività, quindi somma i risultati ponderandoli per volume. Una media semplice delle percentuali può distorcere il costo quando le attività differiscono molto per numero di token o frequenza.

Quando si dispone di dati aggregati, può essere utile stimare il costo per output accettato moltiplicando il costo medio per tentativo per il numero medio di tentativi necessari a ottenere un risultato accettato. L’approssimazione è adeguata solo se si spiega come è stata calcolata la media e se questa rappresenta il carico analizzato. Se il primo tentativo e i successivi hanno lunghezze diverse, calcola separatamente la spesa dei gruppi invece di presumere che ogni tentativo costi uguale.

I token osservati dovrebbero provenire da esecuzioni rappresentative, non da una lunghezza ideale scelta per rendere favorevole la proiezione. Il riferimento dell’API Messages documenta i campi di utilizzo per input e output; questi dati consentono di confrontare il consumo registrato con le ipotesi di calcolo. Conserva l’unità di misura e l’intervallo di rilevazione per evitare di confondere token con caratteri, parole o richieste.

Tre scenari illustrativi

Gli esempi seguenti mostrano come cambia l’ordine di grandezza al variare del numero di token e della percentuale di tentativi accettati. Sono calcoli ipotetici, non misurazioni pubblicate di Claude Haiku 4.5 né previsioni delle sue prestazioni. Si presume che i tentativi abbiano, in media, la stessa lunghezza, che ciascun tentativo abbia una probabilità costante di accettazione e che si ripeta il processo fino all’accettazione. Con queste ipotesi, il costo atteso per output accettato è pari al costo medio per tentativo diviso per il tasso di accettazione.

Per una classificazione breve, ipotizziamo 600 token di input e 80 di output per tentativo, con un tasso di accettazione del 95%. La tariffa produce un costo di 0,001 USD per tentativo: 0,0006 USD di input e 0,0004 USD di output. In base alle ipotesi appena indicate, il costo di inferenza atteso è di circa 0,00105 USD per risposta accettata.

Per un’estrazione strutturata, ipotizziamo 1.800 token di input e 450 di output, con un tasso di accettazione dell’85%. Il costo per tentativo è di 0,00405 USD: 0,0018 USD per l’input e 0,00225 USD per l’output. Il costo atteso per risposta accettata è di circa 0,00476 USD. In questo esempio non viene aggiunto un costo separato per la validazione dello schema: se la validazione comporta una spesa esterna, va registrata come tale.

Per una sintesi con lunghezza limitata, ipotizziamo 3.000 token di input e 1.200 di output, con un tasso di accettazione dell’80%. Il costo per tentativo sarebbe di 0,009 USD e quello atteso per risposta accettata di circa 0,01125 USD. Con la tariffa ipotizzata, l’output rappresenta due terzi del costo del tentativo. L’esempio mostra perché non basta contare le richieste: anche la lunghezza della risposta modifica il budget.

Quali variabili incidono maggiormente sul risultato

In questi esempi, il prezzo unitario di ciascun token di output è cinque volte quello di ciascun token di input. Questo non significa che l’output costituisca sempre la parte maggiore della fattura: dipende dal numero di token di ciascun tipo. In una richiesta con molto input e una risposta brevissima, l’input può continuare a rappresentare una quota importante del costo. In un’attività che genera testo lungo, invece, può prevalere l’output.

Il tasso di accettazione incide sul costo per risultato, anche se non cambia il prezzo di ogni tentativo. Nel modello semplificato, un tasso più basso implica più tentativi attesi per ogni accettazione. Questa relazione non vale necessariamente allo stesso modo per qualsiasi sistema: potrebbero esserci un limite ai tentativi, percorsi alternativi, revisione manuale o cause di rifiuto diverse. Per pianificare un carico reale è quindi preferibile partire dai tentativi registrati e dai risultati accettati nello stesso campione.

Anche la lunghezza dell’output può variare in base al tipo di richiesta e al comportamento del carico di lavoro. Un limite massimo di output non equivale a una previsione del consumo medio: per preparare il budget, misura i token osservati e monitora il percentile che ti interessa. Una media può non essere sufficiente se le risposte lunghe sono frequenti o costose nelle fasi successive del processo.

Non attribuire automaticamente tutti gli insuccessi al modello senza classificarli. Un rifiuto può dipendere da uno schema rigido, da un input incompleto, da un’interruzione del servizio o da una regola di business. Distinguere le cause aiuta a capire cosa correggere ed evita di gonfiare il tasso di nuovi tentativi attribuito al modello per problemi di validazione o integrazione che richiedono soluzioni diverse.

Tentativi ripetuti, validazione e revisione umana

Il costo di inferenza di una risposta accettata deve includere tutti i tentativi che hanno generato consumo fino al raggiungimento del risultato. Se il primo tentativo viene scartato e poi la richiesta viene inviata di nuovo, entrambi contribuiscono alla spesa. Se la policy stabilisce un numero massimo di tentativi, misura il tasso di accettazione finale e i token accumulati secondo quella policy specifica: una formula che presuppone tentativi illimitati non descriverà il funzionamento effettivo.

La validazione esterna può avere un costo anche quando non comporta un’altra chiamata al modello. Un controllo locale del formato può consumare risorse di calcolo; una validazione effettuata con un altro strumento può generare addebiti; un intervento manuale richiede tempo di lavoro. Non sommare questi costi ai token di Claude Haiku 4.5. Registrali separatamente e, se esiste una tariffa interna oraria, dichiara come è stato convertito il tempo umano in denaro.

La revisione umana può riguardare tutte le risposte oppure solo un campione o i casi dubbi. In ciascun caso, indica quale proporzione è stata revisionata, quanto tempo ha richiesto e quale parte è stata infine accettata, corretta o scartata. Senza questi dati non è possibile ricavare il costo della revisione dalla tariffa dell’API.

Per i team, la misura più utile comprende spesso due prospettive: il costo di inferenza per risposta accettata e il costo totale del processo per attività completata. La prima aiuta a comprendere il consumo del modello. La seconda comprende le componenti necessarie a fornire il risultato nel contesto effettivo dell’organizzazione. Entrambe devono utilizzare lo stesso periodo, lo stesso volume e la stessa definizione di successo.

Modello per una proiezione mensile

Per stimare la spesa mensile, separa le attività per tipologia e prevedine il volume sulla base dei dati d’uso o di un’ipotesi esplicita. Per ogni tipologia registra la media osservata dei token di input e output, il tasso di accettazione, il numero di tentativi per risultato e la quota che richiede revisione. Se la composizione del carico cambia nel corso del mese, usa una distribuzione per attività invece di una sola media globale non ponderata.

Moltiplica i tentativi mensili previsti per ciascuna tipologia per il costo medio di inferenza per tentativo, quindi somma le diverse tipologie. Dividi poi la spesa aggregata per il numero previsto di risposte accettate per ottenere il costo medio per output utilizzabile. Per stimare il costo mensile totale del processo, aggiungi in righe separate la spesa di validazione, revisione, strumenti e infrastruttura che puoi misurare.

Come controllo, confronta la proiezione con un campione di registri reali. Verifica che il periodo di misurazione dei token coincida con quello delle risposte accettate e che le attività incomplete non siano conteggiate come successi. Se il costo previsto e quello osservato divergono, prima di modificare le ipotesi cerca variazioni nella composizione delle attività, nella lunghezza dell’output, nel tasso di nuovi tentativi o nella tariffa applicata.

Limiti della stima e verifiche prima di preparare un budget

Gli scenari di questa guida non prevedono il consumo di una specifica applicazione. Le lunghezze e i tassi di accettazione sono ipotesi create a fini di calcolo; non sono medie ufficiali né risultati di confronti sulla qualità. Per sostituirli servono misurazioni proprie, basate su input, istruzioni, vincoli, regole di validazione e policy di ripetizione effettivamente utilizzati.

Il costo di inferenza non va considerato il costo completo dell’attività. Gli esempi non includono revisione umana, validazione con addebiti esterni, strumenti, infrastruttura o modalità di tariffazione diverse da quella standard indicata. Queste componenti dipendono dal progetto e dal canale di ciascuna implementazione.

Prima di approvare un budget, verifica nuovamente l’identificativo e lo stato del modello, la tariffa vigente e l’ambito del canale. La tariffa può cambiare; le modalità relative a cache o elaborazione batch non vanno scambiate con la tariffa standard senza averne verificato le condizioni. Conserva il riferimento consultato e la data, così che un’altra persona possa ricostruire la stima.

In sintesi, un prezzo per milione di token consente di valorizzare il consumo, ma non determina da solo il costo di un output che il team possa utilizzare. La lunghezza di input e output, i tentativi scartati e il tasso di accettazione determinano il costo di inferenza per risultato; la revisione e il resto del processo completano il costo operativo. Il dato utile è quello che dichiara il proprio denominatore, i dati utilizzati e le esclusioni.

Continua a esplorare

Correzioni e trasparenza

Se trovi un dato errato o non aggiornato, inviaci la pagina e la fonte da verificare.