AI & MCP
Contesto lungo: quanto costa davvero una finestra da 1M token
Una finestra da 1M token cambia la fascia di prezzo, il numero di passaggi e il valore della cache. Ecco l'aritmetica con i listini del 1 novembre 2026.
In sintesi
- Sopra la soglia dichiarata il prezzo di input può raddoppiare: su gpt-6.1-sol 4 $ contro 2 $ per milione.
- Un agente da dieci passi ripaga il contesto dieci volte, quindi il costo cresce col quadrato dei passi se il contesto cresce.
- La cache si paga una volta e rende l'input 50 volte più economico su deepseek-flash fuori orario di punta.
Un contesto da 1M token non è una finestra gratuita: cambia la fascia di prezzo, moltiplica il costo per ogni passaggio e rende la cache la voce più importante del conto. L'aritmetica qui sotto usa i listini letti il 1 novembre 2026.
Il prezzo cambia sopra la soglia
| Scenario | Token di input | Prezzo input | Costo della chiamata |
|---|---|---|---|
| gpt-6.1-sol, short context | 272.000 | 2 $/1M | 0,544 $ |
| gpt-6.1-sol, long context | 300.000 | 4 $/1M | 1,20 $ |
| deepseek-flash, cache miss | 300.000 | 0,15 $/1M | 0,045 $ |
| deepseek-flash, cache hit | 300.000 | 0,003 $/1M | 0,0009 $ |
La prima riga e la seconda non sono lo stesso prompt con 28.000 token in più: sono due fasce di listino. Passare da 272K a 300K token costa 2,2 volte tanto, e il salto arriva tutto insieme nel punto in cui il listino cambia etichetta.
L'aritmetica, non l'impressione
node -e "const t=300000,p=4;console.log((t/1e6*p).toFixed(4),'USD')"Il comando stampa 1.2000 USD: 300.000 token a 4 $ per milione. Cambia p in 2 e ottieni il costo nella fascia corta, cambia t e vedi quanto pesa ogni 10.000 token di prompt che aggiungi senza motivo.
Dieci passaggi non costano dieci volte
Un agente che lavora in dieci passaggi rimanda il contesto a ogni passaggio. Con 300.000 token fissi, dieci chiamate sono 3M token di input, cioè 12 $ in fascia lunga su gpt-6.1-sol. Lo stesso lavoro con un contesto tenuto a 40.000 token costa 400.000 token in fascia corta, cioè 0,80 $: quindici volte meno, a parità di modello e di risultato.
La cache è lo sconto vero
Il prefisso identico si paga una volta e poi si rilegge a prezzo di cache: su deepseek-flash 0,003 $ contro 0,15 $ per milione, cinquanta volte meno. La cache però premia la stabilità: se il system prompt contiene la data corrente o l'elenco dei file in ordine casuale, il prefisso cambia a ogni chiamata e lo sconto non arriva mai.
Cosa tagliare per primo
- Gli schemi dei tool: 3.655 byte per nove strumenti sono circa 900 token a ogni chiamata; con cinquanta strumenti diventano la voce principale.
- Gli output vecchi dei tool: tieni l'ultimo risultato e il riassunto dei precedenti, non tutti i JSON intermedi.
- I file riletti: un diff è più economico del file intero quando la modifica è già nota.
- I log: diecimila righe di log raramente cambiano la prossima azione.
La limitazione
Confrontare i listini per dimensione della finestra è fuorviante. Il tokenizer cambia il conteggio sullo stesso testo, la cache ha regole diverse per durata e prefisso, e le ore di punta spostano il prezzo del doppio senza toccare la finestra. La stima a quattro caratteri per token è nostra e serve a dare un ordine di grandezza: per il budget vero leggi il campo usage di ogni risposta.
Dove continuare
L'ordine dei passaggi è in orchestrare agenti multi-step, la scelta del modello in valutare un modello per il codice e la scrittura del prompt di sistema in prompt per agenti. Per capire perché una seconda interfaccia costa meno di un prompt gigante leggi MCP vs REST. Il catalogo che alimenta gli esempi è in 111.985 componenti e 1.556 blocchi; un record MIT citabile è rainbow button di Magic UI.
Domande frequenti
Una finestra da 1M token significa che posso incollare un repository intero?
Tecnicamente sì, economicamente no. deepseek-flash dichiara 1M token di contesto e 384K di output al 1 novembre 2026, ma ogni passaggio ripaga l'intero prompt e il conto cresce con il numero di passaggi.
Perché il prezzo raddoppia sopra i 272K token?
Alcuni listini hanno due fasce. OpenAI scrive short context fino a 272K e long context sopra, con gpt-6.1-sol a 2 $ contro 4 $ di input per milione. La soglia è una riga del listino, non una proprietà del modello.
Quanto risparmia la cache?
Su deepseek-flash cinquanta volte: 0,003 $ contro 0,15 $ per milione di token di input fuori orario di punta, listino letto il 1 novembre 2026. La cache paga solo il prefisso identico, quindi una riga che cambia in testa la invalida.
Il conteggio dei byte è un conteggio di token?
No. Quattro caratteri per token è una stima: tools/list risponde 3.655 byte, cioè circa 900 token, ma il tokenizer vero cambia con il contenuto. Per il budget usa il campo usage della risposta.
Meglio tagliare il contesto o cambiare modello?
Prima taglia. Un prompt da 40K costa un ordine di grandezza meno di uno da 300K sullo stesso modello, e il taglio vale anche dopo il cambio. Cambiare modello conviene quando il contesto è già pulito.