I modelli più costosi di Anthropic e OpenAI costano 100 volte di più per token rispetto ai modelli più piccoli dei loro cataloghi, eppure molti utenti ricorrono al modello di punta per tutto.

Il costo di questa abitudine non è più ipotetico. Le classifiche d'uso di Meta, Amazon e Uber hanno fatto salire vertiginosamente le fatture AI, e Uber ha bruciato il proprio budget 2026 per strumenti di AI in circa quattro mesi. I dipendenti Meta hanno consumato 60.000 miliardi di token AI in 30 giorni all'inizio di quest'anno inseguendo una posizione in una classifica interna soprannominata "Claudeonomics". Il giornalista tecnologico Gergely Orosz ha stimato il conto in circa 900 milioni di dollari secondo i prezzi di listino di Anthropic, anche se Meta probabilmente paga molto meno.

La consulente di Bain & Company Jue Wang vede una versione più silenziosa dello stesso spreco in molte organizzazioni. "Tante aziende, tanti utenti usano Opus per impostazione predefinita per tutto, incluso generare email," ha raccontato all'Associated Press quest'estate, riferendosi ai modelli high-end di Anthropic. Fare lo stesso è come assumere Albert Einstein per calcolarti il resto da McDonald's.

Ogni parola digitata in ChatGPT o Claude — e ogni parola che il modello restituisce — viene misurata in token, frammenti di testo che equivalgono in media a circa tre quarti di parola. Con un abbonamento da 20 dollari, quel contatore determina quanto rapidamente si raggiunge il limite d'uso. Sull'API, l'accesso pay-per-token che gli sviluppatori usano per integrare i modelli nelle proprie app, determina la fattura.

Il listino prezzi attuale di Anthropic applica tariffe per milione di token, e la tariffa di Haiku vale solo per prompt inferiori a 100.000 token; i prompt più lunghi costano cinque volte tanto. Il modello di punta costa 100 volte di più rispetto al più piccolo, e il catalogo di OpenAI presenta lo stesso divario, da 10 a 0,10 dollari per milione di token di input.

Quei prezzi per token si accumulano fretta per i laboratori — e per i clienti. Il tasso di fatturato di Anthropic è salito da circa 9 miliardi di dollari a fine 2025 a oltre 47 miliardi entro maggio, mentre OpenAI combatte una guerra dei prezzi per tenere il passo.

Poche abitudini riducono drasticamente quella spesa, e i primi cinque consigli qui sotto non richiedono alcuna programmazione.

Cosa significa tokenmaxxing (e cosa dovrebbe significare)

Il tokenmaxxing è nato come una garba della Silicon Valley sullo stile della Claudeonomics di Meta, con Microsoft, Shopify e Amazon che classificavano i dipendenti su simili classifiche di token. Il CEO di Nvidia Jensen Huang ha gettato benzina sul fuoco quando ha detto nel podcast "All-In" a marzo che sarebbe stato "profondamente allarmato" se un ingegnere da 500.000 dollari non avesse bruciato almeno 250.000 dollari di token.

E bruciare token li hanno bruciati — spesso in inutili lavoretti improduttivi. In Amazon, i dipendenti hanno ammesso di aver gonfiato i loro numeri facendo girare lo strumento AI interno su compiti irrilevanti, finché un senior vice president non ha detto al personale: "Per favore, non usate l'AI solo per il gusto di usare l'AI."

Questa guida usa il significato che gli ingegneri sostengono ora: massimizzare il valore di ogni token, non il numero speso — la pratica che IBM descrive come tokenmaxxing come metrica di produttività.

Tre concetti spiegano dove vanno davvero i token, a cominciare dal ciclo dell'agente. Un agente è un modello che può usare strumenti: ragiona, cerca sul web o esegue codice, legge il risultato e ripete finché non decide di aver finito — reinviando l'intera conversazione a ogni giro.

L'orchestrazione moltiplica quel costo. Un modello fa da manager, dividendo la richiesta in pezzi, consegnandoli a modelli operativi chiamati subagent e ricomponendo le loro risposte. Ogni lavoratore esegue il proprio ciclo con la propria memoria, ed è per questo che Anthropic dichiara che i team di agenti in Claude Code possono usare circa sette volte più token di una sessione standard quando i collaboratori girano in plan mode, un'impostazione trattata nei consigli intermedi qui sotto.

I graffi sono il modo in cui gli sviluppatori evitano che quei cicli vaghi fuori rotta. Framework come LangGraph permettono di disegnare un flusso di lavoro come una mappa della metropolitana, con stazioni (nodi) che fanno il lavoro e binari (archi) che decidono dove andare dopo, così il modello segue un percorso fisso invece di girare in tondo finché non esaurisce idee o budget.

I cicli automatizzano i compiti e aumentano la qualità, ma bruciano anche denaro — il che rende l'icienza essenziale.

Principianti: lavori piccoli, modelli piccoli

1. Scegli il modello in base al compito. La maggior parte dei principianti usa l'AI tramite un'interfaccia grafica. Clicca sul nome del modello nell'app di chat (in alto nella chat su ChatGPT, accanto al pulsante di invio in Claude o Hermes) e passa a un'opzione più piccola e veloce per email, riassunti e riformulazioni. Riserva il modello di punta al ragionamento complesso e alle decisioni in cui un errore sottile costa denaro vero. Esegui cinque compiti della settimana scorsa su entrambi i modelli affiancati; se quello piccolo li supera, tienilo. Con un abbonamento allunga il limite d'uso, e sull'API taglia la fattura fino al 99%.

2. Scrivi un buon prompt invece di cinque pessimi. Tre round di "no, solo il totale" o "rendilo migliore e più preciso" reinviano l'intera chat ogni volta. Un prompt chiaro specifica il compito e la forma esatta della risposta. Qualcosa del genere può funzionare:

Estrai il numero di fattura, la data, il fornitore e il totale dal testo qui sotto. Mantieni ogni valore esattamente come scritto. Restituisci una riga per campo e scrivi "mancante" se un campo non è presente.

I test di OpenAI stessa hanno rilevato che prompt più snelli e chiari ottenevano punteggi più alti usando meno token.

3. Apri una nuova chat quando cambi argomento. Il modello rilegge l'intera conversazione a ogni invio, quindi un thread di 50 messaggi sulla vacanza rende la domanda sulle tasse più cara e più stupida insieme. Anthropic chiama quel decadimento "context rot". Apri una nuova chat ogni volta che cambia il soggetto.

4. Chiedi la dimensione che ti serve. I token di output costano cinque volte più degli input sui modelli di punta di Anthropic e OpenAI. Concludere i prompt con istruzioni come "tre punti, sotto le 100 parole" o "solo le righe modificate" lascia al modello meno spazio per riempire. I vincoli di lunghezza dell'output risparmiano token, soprattutto nei compiti creativi come scrittura o ricerca, più che in quelli deterministici come programmazione o matematica.

5. Prova gratis prima di pagare. OpenRouter, un sito che collega centinaia di modelli AI tramite un solo account, offre un router gratuito che invia le richieste a uno di circa 20 modelli a costo zero. I modelli possono anche essere eseguiti in locale con LM Studio o Ollama su una scheda grafica con 8GB di memoria video o un Mac Apple serie M. I piani gratuiti possono sparire da un giorno all'altro, quindi non costruire nulla di importante su uno di essi e leggi la policy sui dati prima di incollare qualsiasi cosa sensibile. Detto questo, le offerte gratuite sono un modo per massimizzare le iterazioni: Hermes una buona selezione di modelli gratuiti che possono fare il lavoro, e anche Nvidia. Meglio rifinire un prompt con un modello gratuito più stupido che pagare un modello premium che farà la stessa cosa ma più in fretta.

Altri consigli per principianti: evita il pensiero esteso per le domande semplici, o abbassa l'impostazione dello sforzo sui modelli Claude più recenti dove il pensiero non si può disattivare — Anthropic fattura l'intero processo di pensiero come output, compresa la parte che gli utenti non vedono mai. Gli abbonati Claude Pro e Max che attivano i crediti d'uso possono impostare un limite di spesa mensile sotto Settings, poi Usage.

Intermedio: il tuo agente sta leggendo fin troppo

Gli esempi da qui in avanti usano Claude Code, l'agente di Anthropic che gira nel terminale e modifica i file; i comandi vanno direttamente nella sua casella di chat. Altri harness seguono una logica simile, e se si usano solo le app di chat, il consiglio 8 funziona in qualsiasi finestra di chat.

6. Parti economico, scala a fronte di fallimenti. Digita /model per cambiare modello, mantieni Sonnet come predefinito e passa a Opus solo quando Sonnet fallisce in qualcosa di specifico, come un bug che non riesce a correggere dopo due tentativi. Per i compiti semplici dei subagent, la documentazione di Anthropic suggerisce di impostare model: haiku nelle impostazioni del subagent.

7. Cancella tra un compito e l'altro. Digita /clear quando passi a un compito non correlato — non costa nulla ed elimina la vecchia cronologia. Usa /compact con una nota su cosa conservare, come /compact keep the database decisions, solo quando la cronologia serve davvero, dato che compattare è di per sé una richiesta pesante.

8. Lascia fare al codice la matematica noiosa. Incollare un foglio di calcolo da 5.000 righe in una chat obbliga il modello a leggere ogni riga, e può comunque sbagliare il conteggio; un modello linguistico non è una calcolatrice a nessun prezzo. Chiedi invece una formula o un breve script, eseguilo tu e passa al modello solo il risultato.

9. Sfoltisci i tuoi strumenti. I server MCP sono plugin che collegano un modello ad app come GitHub o Google Drive, e ognuno aggiunge nomi di strumenti e istruzioni a ogni sessione. Digita /context per vedere cosa occupa spazio e /mcp per disattivare i server che il progetto non usa.

Altri consigli intermedi: digita /usage per vedere dove sono finiti i token, e tieni CLAUDE.md (o Soul.md) — il file di istruzioni che l'agente legge all'inizio di ogni sessione — sotto le 200 righe. Per le modifiche più grandi, premi Shift+Tab per passare alla plan mode, dove l'agente propone un piano per l'approvazione prima di toccare i file, e premi Esc appena imbocca la strada sbagliata. Usa /effort per abbassare il ragionamento nei compiti semplici come rinominare variabile. Anthropic ha mostrato come l'uso di token di un agente scendesse da 150.000 a 2.000 quando caricava solo le definizioni degli strumenti di cui aveva bisogno — un motivo per cui strumenti da riga di comando come gh di GitHub, che non costano nulla finché non girano, spesso battono un plugin sempre attivo.

Avanzato: costruisci le barriere di sicurezza nel sistema

Si pensi a uno sviluppatore che deve elaborare 1.000 fatture da 2.000 token ciascuna, con risposte da 200 token: il lavoro costa circa 30 dollari su Fable 5.1 e circa 0,30 dollari su Haiku 5.5, prima di qualunque trucco qui sotto.

10. Fai il caching delle parti che non cambiano. Metti le istruzioni stabili per prime e le parti variabili per ultime, e marca il blocco stabile per il caching. Nell'API di Anthropic è un campo in più:

"system": [{
  "type": "text",
  "text": "Your invoice instructions...",
  "cache_control": {"type": "ephemeral"}
}]

Leggere dalla cache costa una frazione del prezzo normale dell'input, mentre scrivere nella cache predefinita di cinque minuti costa extra. Controlla il campo cache_read_input_tokens in ogni risposta; se resta a zero dopo la prima chiamata, la cache non funziona.

11. Metti in batch tutto ciò che può attendere. Sia OpenAI che Anthropic elaborano i lavori batch con uno sconto del 50%, e OpenAI promette risultati entro 24 ore. Caricare le 1.000 fatture come un unico file batch invece di effettuare 1.000 chiamate dal vivo riduce notevolmente la fattura.

12. Meti gli agenti al guinzaglio. Imposta un numero massimo di passi e un tetto in dollari per ogni esecuzione dell'agente, e definisci l'aspetto di "finito" prima che parta. Claude Code accetta un flag --max-budget-usd per le esecuzioni script, e Shopify usa interruttori automatici che possono interrompere immediatamente l'accesso di uno sviluppatore se la spesa schizza alle stelle in un giorno, pensati per intercettare gli agenti fuori controllo. Attualmente la norma è liberare gli agenti e lasciarli girare in loop finché il risultato non viene giudicato perfetto; senza il budget per farlo, non lasciare che sia l'agente a decidere cosa conta come "perfetto."

Altri consigli avanzati: metti i fatti critici all'inizio o alla fine di un prompt lungo — uno studio guidato da Stanford ha rilevato che i modelli usano le informazioni meglio in quelle posizioni e peggio quando sono sepolte in mezzo. Paga un secondo modello per verificare il lavoro solo quando un errore è costoso, come una clausola contrattuale o una cifra di pagamento. Sull'API di OpenAI, attiva un limite di spesa rigido per ogni progetto, dato che i suoi avvisi di spesa notificano solo e non fermano il traffico.

In con un test

Rendi predefinito per una settimana il modello più economico che supera il test a cinque compiti del consiglio 1, e passa a uno superiore solo quando fallisce. Poi confronta la pagina d'uso con quella della settimana precedente. Sul lavoro delle fatture, il solo instradamento ha tagliato la fattura da 30 a 3,90 dollari — anche dopo aver pagato Opus 5.5 per rifare 300 fallimenti.

I token più economici, però, non bastano da soli. Il prezzo di un singolo token è sceso di oltre il 90% dal 2023, secondo il Token Expenditure Index di Silicon Data, eppure la spesa sui modelli linguistici di grandi dimensioni è raddoppiata dalla fine del 2025. Gli economisti chiamano questo paradosso di Jevons: una risorsa diventa così economica che alla fine la gente ci spende di più in totale. Una nota di Bain & Co. di giugno ha rilevato lo stesso schema, con i costi dei token dimezzati tra dicembre 2024 e 2025 mentre i token consumati crescevano del 450%.

Il lato positivo è che gli stessi prezzi in calo giocano a favore di chiunque smetta di bruciare token per sport. Abbinati alle abitudini qui sopra, l'AI diventa più economica e migliore allo stesso tempo.