«L’open source costa meno» è la scorciatoia abituale. In gran parte è vero, ma sono i dettagli a decidere la bolletta. Questo articolo confronta i prezzi per token dei modelli chiusi (GPT, Claude, Gemini, Grok) e dei modelli open-weight (GLM 5.3, DeepSeek V4.1 Flash, Qwen3.8 27B, gpt-oss-120b, Gemma 4) partendo dalla pagina prezzi di ciascun provider, poi calcola il costo di un carico di lavoro realistico. Ogni prezzo di terzi è stato riletto sulla pagina del provider il 15 novembre 2026. BroadRouter è il sito di BroadNet, e BroadNet vende alcuni di questi modelli open-weight, quindi mostriamo dove altri host costano meno.
Le righe vengono dal nostro dataset dei prezzi dei provider di API LLM, i dati grezzi dietro l’indice dei prezzi delle API LLM. Per il lato business della scelta (controllo, lock-in, divario di qualità), leggi modelli open-weight o chiusi per le aziende.
Come si confrontano per token i prezzi dei modelli chiusi e open-weight?
Prezzi standard a consumo per 1M di token, prompt brevi, verificati il 15 novembre 2026:
| Modello | Tipo | Venditore | Input | Input in cache | Output |
|---|---|---|---|---|---|
| GPT-6.1 Sol | Chiuso | OpenAI | 2,00 USD | 0,10 USD | 10,00 USD |
| Claude Sonnet 5.5 | Chiuso | Anthropic | 2,00 USD | 0,10 USD | 10,00 USD |
| Gemini 4 Hydrogen | Chiuso | 1,50 USD | 0,075 USD | 7,50 USD | |
| Gemini 3.8 Flash | Chiuso | 0,75 USD | 0,075 USD | 3,75 USD | |
| Grok 4.3 | Chiuso | xAI | 1,25 USD | 0,20 USD | 2,50 USD |
| GPT-6 Luna | Chiuso | OpenAI | 0,10 USD | 0,01 USD | 0,50 USD |
| Claude Haiku 5.5 | Chiuso | Anthropic | 0,10 USD | 0,01 USD | 0,50 USD |
| GLM 5.3 | Open-weight | Z.ai (produttore) | 1,40 USD | 0,26 USD | 4,40 USD |
| DeepSeek V4.1 Flash | Open-weight | DeepSeek (produttore), picco | 0,30 USD | 0,006 USD | 1,20 USD |
| Qwen3.8 27B | Open-weight | Alibaba Cloud (produttore) | 0,50 USD | non indicato | 3,00 USD |
| gpt-oss-120b | Open-weight | Groq | 0,15 USD | 0,075 USD | 0,60 USD |
| Gemma 4 26B A4B | Open-weight | DeepInfra | 0,07 USD | non indicato | 0,34 USD |
Note dalle pagine stesse:
- Gemini 3.8 Flash ha un prezzo promozionale «through December 31, 2026» (traduzione: fino al 31 dicembre 2026). Dal 1° gennaio 2027 Google indica 1,50 USD di input, 0,15 USD in cache e 7,50 USD di output, il doppio delle tariffe attuali.
- Claude Haiku 5.5 vale per prompt fino a 100.000 token. I prompt più lunghi pagano 0,50 USD di input e 2,50 USD di output.
- GPT-6.1 Sol e GPT-6 Luna hanno tariffe più alte sopra i 272K token di input. Grok 4.3 fattura l’intera richiesta a una tariffa più alta quando il prompt arriva a 200K token.
- DeepSeek dimezza i prezzi fuori picco: 0,15 USD di input, 0,003 USD in cache e 0,60 USD di output fuori dalle fasce 01:00-04:00 e 06:00-10:00 UTC nei giorni feriali.
Spiccano tre tendenze:
- La fascia alta dei modelli chiusi costa di più. L’output di GPT-6.1 Sol e Claude Sonnet 5.5 costa più del doppio di quello di GLM 5.3 presso il suo produttore.
- La fascia bassa dei modelli chiusi no. GPT-6 Luna e Claude Haiku 5.5 indicano un prezzo di input più basso di gpt-oss-120b su Groq, e a pochi centesimi da Gemma 4 su DeepInfra. Il prezzo di output di Gemma è più basso.
- L’input in cache è dove i fornitori differiscono di più. La tariffa in cache di DeepSeek è il 2% di quella di input; quella di GLM 5.3 su Z.ai è circa il 19%. Gli agenti che rimandano lo stesso contesto guadagnano di più da una tariffa di cache bassa. Vedi i token di input in cache spiegati.
Quanto cambia l’host il prezzo di un modello open-weight?
Un modello chiuso ha un solo listino per fornitore (più i cloud con licenza). I pesi aperti li può servire chiunque, quindi lo stesso modello ha molti prezzi. Alcuni esempi, per 1M di token, verificati il 15 novembre 2026:
| Modello open-weight | Host | Input | Input in cache | Output |
|---|---|---|---|---|
| GLM 5.3 | Z.ai | 1,40 USD | 0,26 USD | 4,40 USD |
| GLM 5.3 | Together AI | 1,40 USD | 0,26 USD | 4,40 USD |
| GLM 5.3 | DeepInfra (promozione, 38% di sconto) | 0,5625 USD | 0,125 USD | 2,50 USD |
| GLM 5.3 | BroadNet Inference | $0.78 | $0.173 | $3.46 |
| DeepSeek V4.1 Flash | DeepSeek, picco | 0,30 USD | 0,006 USD | 1,20 USD |
| DeepSeek V4.1 Flash | Together AI | 0,30 USD | 0,006 USD | 1,20 USD |
| DeepSeek V4.1 Flash | DeepInfra (promozione, 30% di sconto) | 0,14 USD | 0,0042 USD | 0,42 USD |
| DeepSeek V4.1 Flash | BroadNet Inference | $0.175 | $0.0055 | $0.52 |
| Qwen3.8 27B | Alibaba Cloud | 0,50 USD | non indicato | 3,00 USD |
| Qwen3.8 27B | DeepInfra (promozione, 25% di sconto) | 0,15 USD | 0,0375 USD | 1,875 USD |
| Qwen3.8 27B | BroadNet Inference | $0.175 | $0.0435 | $2.17 |
| gpt-oss-120b | Groq | 0,15 USD | 0,075 USD | 0,60 USD |
| gpt-oss-120b | Together AI | 0,15 USD | non indicato | 0,60 USD |
| gpt-oss-120b | DeepInfra | 0,037 USD | non indicato | 0,17 USD |
| Gemma 4 26B A4B | DeepInfra | 0,07 USD | non indicato | 0,34 USD |
| Gemma 4 26B A4B | BroadNet Inference | $0.10 | non pubblicato | $0.22 |
La forbice è ampia: circa 2,5 volte sull’input di GLM 5.3 e circa 4 volte sull’input di gpt-oss-120b tra gli host qui sopra. Le righe di DeepInfra per GLM, DeepSeek e Qwen sono etichettate come sconti promozionali, e le pagine non dicono quando finiscono. BroadNet sta sotto il prezzo di listino del produttore su GLM 5.3 e Qwen3.8 27B e sotto le tariffe di picco di DeepSeek, ma le tariffe fuori picco di DeepSeek per input e input in cache sono più basse di quelle di BroadNet, e i prezzi promozionali di DeepInfra sono più bassi su tutti e tre i modelli. Le pagine prezzi per modello elencano ogni host che monitoriamo, e come i provider di inferenza prezzano i modelli open-weight spiega perché i numeri cambiano. Su tutti i 119 modelli venduti da più host, il divario mediano è di 1,76 volte: stesso modello, host diverso.
Il prezzo non è l’unica differenza tra host. Per ciascuno controlla quantizzazione (alcuni servono pesi a precisione ridotta), lunghezza del contesto, rate limit, conservazione dei dati e supporto al tool calling per quel modello.
Quanto costa un carico di lavoro reale su ciascuno?
Le tabelle per token nascondono il mix di input, input in cache e output. Ecco un carico di lavoro: un assistente integrato in un’app, misurato per utente attivo al mese, dal nostro esempio sul costo LLM per utente:
- 0,45M token di input nuovi
- 0,45M token di input in cache (un system prompt stabile e la cronologia)
- 0,3M token di output, ragionamento compreso
La formula è 0.45 × input + 0.45 × cached + 0.3 × output sui prezzi per 1M. Dove una pagina non indica una tariffa in cache, facciamo pagare i token in cache al prezzo pieno di input. Sono esclusi i costi di scrittura e di conservazione della cache che alcuni fornitori aggiungono.
| Modello e venditore | Costo per utente attivo al mese |
|---|---|
| GPT-6.1 Sol, OpenAI | 3,95 USD |
| Claude Sonnet 5.5, Anthropic | 3,95 USD |
| Gemini 4 Hydrogen, Google | 2,96 USD |
| GLM 5.3, Z.ai | 2,07 USD |
| Gemini 3.8 Flash, Google (prezzo promozionale) | 1,50 USD |
| GLM 5.3, BroadNet | $1.47 |
| Grok 4.3, xAI | 1,40 USD |
| Qwen3.8 27B, Alibaba Cloud (nessuna tariffa in cache indicata) | 1,35 USD |
| Qwen3.8 27B, BroadNet | $0.75 |
| Qwen3.8 27B, DeepInfra (promozione) | 0,65 USD |
| DeepSeek V4.1 Flash, DeepSeek picco | 0,50 USD |
| gpt-oss-120b, Groq | 0,28 USD |
| DeepSeek V4.1 Flash, BroadNet | $0.24 |
| GPT-6 Luna, OpenAI | 0,20 USD |
| Claude Haiku 5.5, Anthropic | 0,20 USD |
| DeepSeek V4.1 Flash, DeepInfra (promozione) | 0,19 USD |
| gpt-oss-120b, DeepInfra (nessuna tariffa in cache indicata) | 0,08 USD |
Due avvertenze cambiano il modo di leggere la tabella. Primo, i modelli non sono equivalenti. Una riga più in basso è un risparmio solo se il modello supera il tuo set di test. Secondo, la riga di Gemini 3.8 Flash raddoppia a 2,99 USD il 1° gennaio 2027 se il cambio di prezzo annunciato da Google andrà avanti. Per rifare i conti con i tuoi numeri, usa il calcolatore dei costi API LLM.
Perché confrontare per fascia di compito e non per nome del modello?
«Aperto o chiuso» è l’asse sbagliato per una decisione di prezzo. La domanda utile è: qual è il modello meno costoso che svolge abbastanza bene questo compito? Le fasce, poi, si muovono in modo diverso nel tempo: nelle pagine prezzi archiviate, Claude Opus e la linea principale di GPT sono diventati molto più economici, mentre Claude Haiku e Gemini Flash sono rincarati (storico dei prezzi delle API di OpenAI, Anthropic e Google).
- Lavoro semplice e ad alto volume (classificazione, estrazione, riassunti brevi): i piccoli modelli chiusi e i modelli open-weight piccoli o medi stanno tutti in fondo alla tabella. Scegli in base ad accuratezza, latenza e condizioni sui dati.
- Agenti e coding: contano soprattutto tool calling, contesto lungo e input in cache. I modelli open-weight con una tariffa di cache bassa, o un piano flat, possono costare una frazione di un modello chiuso di frontiera.
- Il ragionamento più difficile: i modelli chiusi di frontiera tendono ancora a essere in testa. Pagare di più per token può costare meno per risposta corretta.
Misura il costo per risposta corretta su 50-100 casi reali. Come valutare un LLM prima di cambiare propone un metodo.
Cos’altro cambia il costo reale?
- Tokenizer. Lo stesso testo diventa un numero diverso di token su ogni modello. Nel dataset sui tokenizer di BroadRouter, l’arabo standard moderno richiede da 1.31× (Qwen3.8 27B) a 1.77× (GLM 5.3) i token della sua traduzione inglese, quindi un carico in arabo può riordinare la tabella. Vedi token per parola in arabo e in inglese.
- Token di ragionamento. I modelli di ragionamento fatturano il ragionamento come output da entrambe le parti. La pagina di Google dice che l’output di Gemini include i «thinking tokens» (traduzione: token di ragionamento). Imposta lo sforzo di ragionamento al livello più basso che supera i tuoi test.
- Sconti batch. OpenAI e Anthropic indicano prezzi della Batch API a metà della tariffa standard. Se il tuo lavoro può aspettare, il divario con i modelli open-weight si riduce. BroadNet non ha una Batch API; elaborazione batch senza Batch API mostra come aggirare il problema.
- Sovrapprezzi per contesto lungo. Diversi modelli chiusi costano di più sopra i 100K, 200K o 272K token. Controlla dove si collocano i tuoi prompt.
- Self-hosting. I pesi aperti possono girare anche sulle tue GPU, ma conviene solo con un uso alto e costante. Vedi self-hosting di un LLM o API.
Dove si colloca BroadNet Inference
BroadRouter è il sito di BroadNet. BroadNet Inference è un’API ospitata di modelli open-weight con un’unica base URL compatibile con OpenAI, https://inference.broadnet.ai/v1, per DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B e la build di BroadNet di Gemma 4, più lo speech-to-text. Non serve modelli chiusi e non smista le richieste tra provider. DeepSeek V4.1 Flash è ospitato da un partner.
Sui dati qui sopra, BroadNet ha prezzi sotto i listini dei produttori per GLM 5.3 e Qwen3.8 27B e sotto le tariffe di picco di DeepSeek, e sopra gli attuali prezzi promozionali di DeepInfra e le tariffe fuori picco di DeepSeek per input e input in cache. Non è l’host più economico per ogni modello. Quello che aggiunge è un piano flat per DeepSeek V4.1 Flash ($60 al mese per sessione, una richiesta alla volta, nessun contatore di token), nessuna conservazione dei contenuti di inferenza, e tool calling e output strutturato documentati su GLM 5.3 e Qwen3.8 27B. Non c’è una Batch API e gli account self-service non hanno SLA.
Gemma 4 VL 26B funziona con il credito iniziale di $5; gli altri modelli chat richiedono una ricarica. Confronta i prezzi o leggi la documentazione API.
