BroadRouter

L’API LLM vision più economica: costo per immagine e per pagina

A cura del team di BroadNet Inference · 5 min di lettura · Pubblicato · Aggiornato

Un LLM vision fattura un’immagine come token di input, quindi 1.000 immagini da circa 1.000 token ciascuna costano quanto il prezzo di input per 1M di token. Su BroadNet il più economico è Gemma 4 VL 26B, a $0.10 di input e $0.22 di output per 1M. DeepInfra vende Gemma 4 26B A4B di Google con input più basso e output più alto.

Le pagine prezzi delle API vision raramente dicono «per immagine». Indicano un prezzo per milione di token, e l’immagine diventa token. Questo articolo trasforma quei prezzi per token in un costo per immagine e per pagina di documento per i tre modelli vision di BroadNet Inference, e mostra quali impostazioni spostano il numero.

Come viene fatturata un’immagine in un’API LLM?

Un modello vision-language divide l’immagine in patch e le trasforma in token. Paghi quei token al prezzo di input, insieme al tuo prompt di testo. La risposta si paga come output. Quindi:

cost per image ≈ (image tokens + prompt tokens) × input price / 1M
               + answer tokens × output price / 1M

Su BroadNet non c’è un costo separato per le immagini. Il numero di token di un’immagine dipende dall’encoder visivo del modello e dalla risoluzione, quindi una foto da 4.000 pixel scattata col telefono costa più della stessa foto ridimensionata.

Quanti token vale un’immagine?

Dipende dalla famiglia del modello:

  • Gemma 4 lavora con un budget fisso di token per immagine: «70, 140, 280, 560, or 1120 tokens» (traduzione: «70, 140, 280, 560 o 1120 token»), secondo la documentazione di Gemma di Google. I budget più bassi riducono la risoluzione dell’immagine e sono più veloci; Google dice che i budget più alti conservano i dettagli fini e li consiglia per la massima accuratezza nei task visivi.
  • Qwen3-VL ha un rapporto di compressione di 32, quindi circa un token per ogni blocco di 32 × 32 pixel, e il suo README mostra come impostare il budget di token visivi per immagine su un intervallo come 256–1.280. Un’immagine 1.024 × 1.024 vale circa 32 × 32 = 1.024 token.

BroadNet non pubblica le impostazioni delle immagini dei suoi deployment, quindi considera questi valori come ordini di grandezza. Invia una delle tue immagini reali e leggi usage.prompt_tokens, poi sottrai il conteggio del solo testo. Quello è il costo in token della tua immagine. Il calcolatore di token per immagine applica a qualsiasi dimensione la regola documentata da ogni provider.

Quanto costa ogni modello vision?

Prezzi di BroadNet Inference per 1M di token, sincronizzati 2026-11-14:

Modello Input Output Contesto Ragiona prima di rispondere Credito iniziale
Gemma 4 VL 26B $0.10 $0.22 32.768 Non indicato Sì
Qwen3.8 27B $0.175 $2.17 262.144 Sì Dopo una ricarica
DeepSeek V4.1 Flash $0.175 $0.52 1.048.576 Sì Dopo una ricarica

Quanto costano 1.000 immagini?

Supponi che ogni immagine con il suo breve prompt arrivi a circa 1.000 token di input. Allora 1.000 immagini fanno 1M di token di input, e il costo di input per 1.000 immagini è uguale al prezzo per 1M:

Modello Costo di input per 1.000 immagini Costo di output per 1M di token di risposta
Gemma 4 VL 26B $0.10 $0.22
Qwen3.8 27B $0.175 $2.17
DeepSeek V4.1 Flash $0.175 $0.52

Fai passare i tuoi volumi dal calcolatore gratuito dei costi delle API LLM. Due fattori cambiano la classifica:

  1. Lunghezza della risposta. Un’etichetta di una parola costa poco ovunque. Un estratto JSON da 300 token su un modello di ragionamento può portarsi dietro diverse centinaia di token di ragionamento in più, fatturati al prezzo dell’output. Il prezzo di output di Qwen3.8 27B ($2.17 per 1M) è diverse volte quello di DeepSeek V4.1 Flash ($0.52), quindi per le risposte lunghe DeepSeek costa meno.
  2. Dimensione dell’immagine. Se le tue immagini arrivano a 2.000 token ciascuna, raddoppia la colonna dell’input. Se il budget da 280 token di Gemma basta per il tuo task, il costo di input scende a circa un quarto.

Quanto costa una pagina di documento?

Una pagina A4 scansionata e resa a circa 1.024 × 1.024 pixel vale intorno ai 1.000 token con un encoder in stile Qwen. Quindi una regola approssimativa è 1.000 pagine ≈ 1M di token di input, prima di prompt e risposta. Una stampa piccola può richiedere più risoluzione, e più token.

Consigli pratici per le pagine:

  • Invia i PDF di testo come testo estratto, non come immagini. Il testo occupa molti meno token di una foto del testo.
  • Ritaglia la zona che ti serve, per esempio il riquadro dei totali di una fattura.
  • Invia una pagina per richiesta quando ti servono campi pagina per pagina, così un errore non ti costa l’intero documento.

BroadNet è l’API vision più economica?

Non su ogni voce. Ecco la stessa famiglia di modelli vision open su DeepInfra, dalla sua pagina prezzi del 14 novembre 2026, per 1M di token:

Modello su DeepInfra Input Output
gemma-4-26B-A4B-it 0,07 USD 0,34 USD
Qwen3-VL-30B-A3B-Instruct 0,15 USD 0,60 USD
Qwen3-VL-235B-A22B-Instruct 0,20 USD 0,88 USD

Il prezzo di input di Gemma 4 su DeepInfra è sotto i $0.10 di BroadNet, e il suo prezzo di output è sopra i $0.22 di BroadNet. Quindi per classificare immagini con risposte di una parola DeepInfra costa meno; per lunghi estratti JSON BroadNet può costare meno. Confronta altri host nella pagina dei prezzi di Gemma 4 26B A4B e nella pagina dei prezzi di Qwen3-VL 235B, oppure leggi la pagina sull’alternativa a DeepInfra. La classifica delle API LLM più economiche e l’indice dei prezzi delle API LLM mettono questi prezzi nel contesto del mercato.

Quale modello vision scegliere?

  • Prezzo BroadNet più basso, task semplici: Gemma 4 VL 26B. Etichette, didascalie, «c’è una firma?». Funziona con il credito iniziale di $5. Il suo contesto da 32.768 token limita quante immagini entrano in una richiesta.
  • Documenti e screenshot in arabo: Qwen3.8 27B, il modello che BroadNet ha testato in arabo. Leggere fatture in arabo con la vision e scegliere un LLM per l’arabo.
  • Output lunghi, molte immagini per richiesta o volumi molto alti: DeepSeek V4.1 Flash. Il suo contesto da 1.048.576 token contiene molte pagine insieme, e con un piano flat le immagini rientrano nell’uso illimitato.

Pagine di confronto diretto: Gemma 4 VL 26B vs Qwen3.8 27B e DeepSeek V4.1 Flash vs Gemma 4 VL 26B.

Quando un piano flat batte il prezzo per immagine?

Una sessione Full Moon costa $60 al mese per DeepSeek V4.1 Flash illimitato, una richiesta alla volta. A circa 1.000 token per immagine, ogni 1.000 immagini costano $0.175 di input su DeepSeek V4.1 Flash, quindi il solo input raggiunge il prezzo del piano a $60 ÷ $0.175 migliaia di immagini al mese, risposte escluse. Se un singolo worker elabora immagini tutto il giorno, misurane il throughput con una sessione Meteor di un’ora ($1) e confronta, oppure usa il calcolatore tariffa flat o per token. Il metodo completo è nei conti del punto di pareggio.

Come ridurre i costi della vision?

  1. Ridimensiona alla risoluzione più bassa che si legge ancora correttamente. Prova tre dimensioni su 20 campioni.
  2. Chiedi un JSON breve con chiavi con nome, non prosa.
  3. Imposta reasoning_effort su low nei modelli di ragionamento per le estrazioni semplici, e tieni max_tokens a 1.000 o più perché la risposta non venga troncata. Perché le risposte tornano vuote.
  4. Usa il MIME type corretto nella data URL (image/png per i PNG).
  5. Registra prompt_tokens per immagine per intercettare upload troppo grandi.

Dove si colloca BroadNet Inference

BroadNet offre tre modelli vision con una sola chiave, da Gemma a consumo fino a un piano flat, senza costo per immagine e con nessuna conservazione dei dati (zero data retention) per le immagini che invii. È adatto a fatture, scontrini, screenshot e documenti in arabo. Non è l’host più economico per i lavori sbilanciati sull’input, come mostra la tabella di DeepInfra, e non offre generazione di immagini, solo comprensione. Per la pipeline di estrazione vera e propria, vedi estrarre i dati delle fatture in JSON con un LLM vision. Inizia con il credito iniziale di $5.

Domande frequenti

Quanti token vale un’immagine in un LLM vision?

Dipende dal modello e dalla risoluzione. Gemma 4 usa budget da 70 a 1.120 token per immagine. I modelli VL di Qwen usano circa un token per ogni blocco di 32 per 32 pixel. Leggi prompt_tokens nel blocco usage per il conteggio reale.

Qual è l’API LLM vision più economica su BroadNet?

Gemma 4 VL 26B, a $0.10 di input e $0.22 di output per 1M di token. Funziona anche con il credito iniziale gratuito.

C’è un costo per immagine?

No. Sulle chiavi BroadNet a consumo, le immagini contano come token di input al prezzo di input del modello, e le immagini più grandi usano più token.

Le immagini sono incluse nel piano illimitato?

Sì. Su un piano DeepSeek V4.1 Flash, immagini e prompt lunghi rientrano nell’uso illimitato.

DeepInfra costa meno di BroadNet per Gemma 4 con le immagini?

Per i lavori sbilanciati sull’input, sì. Il 14 novembre 2026 DeepInfra indicava gemma-4-26B-A4B-it a 0,07 USD di input e 0,34 USD di output per 1M di token. BroadNet fa pagare $0.10 di input e $0.22 di output, quindi BroadNet costa meno quando le risposte sono lunghe.

Qual è il miglior modello vision per le fatture in arabo?

Qwen3.8 27B è il modello che BroadNet ha testato in arabo, con una scrittura fluente e la comprensione dei dialetti del Golfo ed egiziano. Testalo sui tuoi documenti.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity