Quanto costa un articolo scritto da AI? Test su 8 modelli

👁 114 letture

Alla domanda “quanto costa un articolo scritto da AI” si risponde di solito guardando i listini. Abbiamo deciso di pagare e verificare. Otto modelli, stesso prompt, articolo di circa novecento parole in polacco, costo letto dalla fattura, non stimato.

Gli importi in EUR sono conversioni indicative dei prezzi pubblicati in USD, calcolate al cambio di riferimento BCE del 2026-10-12: 1 EUR = 1.1181 USD. Non sono prezzi locali confermati né importi finali comprensivi di imposte. Il fornitore e la banca possono applicare altri cambi o commissioni. ECB.

Il più economico ha scritto il testo per 0,00039 dollari. Il più caro per 0,18913. Quattrocentottantacinque volte di più per un contenuto della stessa lunghezza. E un modello non ha scritto nemmeno una parola, ma ha comunque emesso fattura.

Risultati del test

L’intero test è costato 0,43653 dollari.

Il modello che ha fatto pagare il silenzio

GLM 5.3 Flash aveva un limite di ottomila token per la risposta. Ha consumato tutti gli ottomila token in ragionamento interno senza lasciarne nemmeno uno per il testo. Risultato: zero parole, 82 secondi di attesa e una fattura di 0,00402 dollari.

Non si tratta di un caso isolato o di un errore occasionale. In questo modello non è possibile disattivare il ragionamento, perché l’API rifiuta il tentativo con un errore. Con task brevi questo aumenta solo la fattura. Con quelli più lunghi può divorare l’intera risposta.

Se stai costruendo qualcosa che lavora senza supervisione, questo è esattamente il tipo di guasto che non vedrai nei log: status di successo, fattura non zero e file vuoto in output.

Più economico non significa peggiore, ma bisogna sapere cosa guardare

I due modelli più economici sono separati in fattura da meno di un centesimo, ma nella qualità c’è un abisso.

DeepSeek V4 Flash ha scritto 922 parole per 0,00039 dollari, senza un singolo token di ragionamento, e ha centrato la lunghezza richiesta con una precisione del due percento. Il testo inizia con una frase che suona umana (abbiamo testato in polacco).

Ministral 14B è stato ancora più economico e il più veloce di tutti, ma ha aperto il testo così: “Nel mondo di oggi, dove efficienza e automazione sono fondamentali”. Inoltre ha inserito ventinove trattini lunghi, un segno che nel testo polacco tradisce immediatamente la macchina, perché quasi nessuno lo usa dalla tastiera.

Entrambi costano lo stesso. Uno richiede una revisione, l’altro va riscritto.

Chi ha centrato la lunghezza richiesta

Abbiamo chiesto circa novecento parole. Questo è un test di obbedienza, non di creatività, ed è risultato più interessante del previsto.

• Hanno centrato con una precisione del tre percento: Kimi K3 (903), GPT-6 Astra (906), Claude Fable 5.1 (886), DeepSeek V4 Flash (922).
• Hanno superato: Gemini 3.8 Flash del quindici percento (1.032), Ministral 14B del trentadue percento (1.192).
• Non ha consegnato: Claude Haiku 4.5 ha scritto 596 parole invece di novecento, cioè un terzo in meno.

Questo ha un significato pratico. Se ordini un testo per uno spazio specifico nel layout di una pagina, un modello che regolarmente scende del trenta percento sotto la richiesta significa che dovrai integrare manualmente.

Quanto costa su scala mensile

Supponiamo tre articoli al giorno, quindi novanta al mese.

Solo in questa tabella si vede la posta in gioco. Con un testo la differenza è invisibile. Con novanta è la differenza tra quattro centesimi e diciassette dollari, per contenuti della stessa lunghezza.

Anche il tempo ha un costo

Kimi K3 ha impiegato 182,7 secondi, cioè oltre tre minuti per un articolo. GPT-6 Astra ha fatto lo stesso in 51 secondi, e Claude Haiku 4.5 in 16, anche se più breve.

Nel lavoro manuale tre minuti sono nulla. Con novanta testi sono quattro ore e mezza di sola attesa al mese, contro settantasei minuti con Astra.

Da dove vengono queste differenze di costo

La risposta sta nei token di ragionamento, cioè il testo che il modello scrive per sé stesso e per cui paghi alla tariffa di output.

• DeepSeek V4 Flash, Ministral 14B e Claude Haiku 4.5: zero token di ragionamento.
• GPT-6 Astra: 176. Claude Fable 5.1: 715.
• Gemini 3.8 Flash: 985.
• Kimi K3: 4.667, per un articolo di 903 parole.
• GLM 5.3 Flash: 8.000, cioè l’intero limite disponibile e nient’altro.

A questo si aggiunge una seconda cosa di cui pochi si ricordano quando calcolano: il prezzo sulla scheda del modello potrebbe non essere quello che pagherai, perché lo stesso modello è ospitato da una quindicina di aziende con tariffe proprie, e la differenza arriva fino a quattordici volte.

Cosa significa in pratica

Per l’elaborazione massiva di testo usa DeepSeek V4 Flash. Zero ragionamento, lunghezza centrata, fattura a livello di arrotondamento. Controlla solo il risultato, perché economico non significa perfetto.

Per testo che va in pubblicazione senza modifiche, paga di più. GPT-6 Astra ha scritto l’unico testo che inizia con un concetto concreto, non con un riscaldamento generico. Questa è la differenza per cui si pagano dieci dollari al mese invece di quattro centesimi.

Controlla sempre tre cose nel risultato: trattini lunghi, aperture del tipo “nel mondo di oggi” e se il modello ha effettivamente scritto qualcosa. Tutte e tre si possono verificare automaticamente e tutte e tre si sono verificate in questo test.

E la cosa più importante: il costo non è la stessa cosa del valore. Questo test misura quanto paghi per novecento parole in polacco, non se quelle novecento parole servano a qualcuno. Come verifichiamo la qualità della lingua polacca l’abbiamo descritto nel test di dieci modelli su task grammaticali, e l’aderenza alle istruzioni nel test di undici modelli su codice e comandi.

Come abbiamo misurato

Un prompt, inviato il 10 settembre 2026, identico per tutti gli otto modelli, limite di ottomila token per risposta. Il costo di ogni query è stato letto dal campo di fatturazione restituito dall’API. Il numero di parole, i caratteri diacritici, i trattini lunghi e i titoli li abbiamo contati automaticamente sulla risposta grezza.

Un singolo tentativo per modello è troppo poco per parlare di media, e non lo sosteniamo. Sosteniamo che questo è il risultato al primo tentativo e che una differenza di quattrocentottantacinque volte nel prezzo è troppo grande per essere spiegata da una fluttuazione.

Perché non si poteva evitare

Il modello che ha bruciato l’intero limite sul ragionamento non permette di disattivarlo, e non è il solo. Abbiamo esaminato diciotto modelli: sette rifiutano il tentativo con un errore, tra cui GPT-6 Astra, Claude Fable 5.1 e entrambi i Gemini Flash.

// continua a leggerePIDS-Bench: quanto sono deboli i rilevatori di prompt injectionMagazineSuno v6: per chi è adatto questo modello musicaleMagazinePangram: come rilevare testi scritti da AI e interpretare i risultatiGuide

Kinetyra