Costi: locale vs API, fatto coi numeri

Stai valutando se far girare l'IA in locale o continuare a chiamare un'API cloud. La domanda non è "qual è più potente" — lo sai già. La domanda che conta è un'altra: quanto mi costa davvero, e a che punto il hardware che compro una volta sola smette di essere più economico dell'abbonamento che pago ogni mese. Qui proviamo a rispondere con i numeri, non con le sensazioni.

Due modelli di costo, opposti

L'API è un costo variabile: paghi a ogni token, il conto cresce in linea con l'uso, e quando non usi non paghi. Il locale è un costo fisso: compri il hardware una volta, lo paghi in un sol colpo, e dopo il costo marginale di ogni generazione è praticamente solo l'elettricità.

Questa differenza — fisso contro variabile — è l'intera storia. Chi usa poco non arriva mai a ripagare il hardware. Chi usa tanto, un giorno supera il punto in cui l'API è più cara. Quel giorno si chiama punto di pareggio.

Quanto costa davvero una chiamata API

I prezzi si misurano per milione di token. Un milione di token è circa 750.000 parole inglesi. I listini attuali, verificati sui siti ufficiali di OpenAI e Anthropic:

Modello	Input (per 1M)	Output (per 1M)
GPT-6 Astra	$10,00	$50,00
GPT-5.6 Sol	$4,00	$20,00
GPT-5.6 Terra	$2,00	$12,00
GPT-5.6 Luna	$0,20	$1,20
GPT-4.1	$2,00	$8,00
GPT-4.1 mini	$0,40	$1,60
Claude Opus 5.5	$4,00	$20,00
Claude Sonnet 5	$2,00	$10,00
Claude Haiku 4.5	$1,00	$5,00

Il numero che conta in pratica è quello dell'output, perché è quello che il modello genera e tu paghi a ogni risposta. Una risposta di 1.000 token con GPT-4.1 costa $0,008; con Opus 5.5 ne costa $0,02; con GPT-4.1 mini, $0,0016.

Prendiamo un giro di conversazione realistico: 2.000 token di input (il contesto che invii) + 500 di output (la risposta).

• GPT-6 Astra: 2.000/1M × $10,00 + 500/1M × $50,00 = $0,02 + $0,025 = $0,045 per turno
• GPT-5.6 Sol: 2.000/1M × $4,00 + 500/1M × $20,00 = $0,008 + $0,01 = $0,018 per turno
• GPT-5.6 Terra: 2.000/1M × $2,00 + 500/1M × $12,00 = $0,004 + $0,006 = $0,010 per turno
• GPT-5.6 Luna: 2.000/1M × $0,20 + 500/1M × $1,20 = $0,0004 + $0,0006 = $0,001 per turno
• Opus 5.5: 2.000/1M × $4,00 + 500/1M × $20,00 = $0,008 + $0,01 = $0,018 per turno

Non sembrano cifre grandi. Ma il punto non è il singolo turno, è quanti turni fai.

Quanto costa il locale

Il locale ha due voci: l'investimento iniziale (una tantum) e l'elettricità (continua ma piccola).

Investimento: una RTX 4090 da 24GB si trova a circa 1.600 euro, una 3090 usata a 1.500, una 5090 da 32GB a 2.000. Il resto della macchina (CPU, RAM, case, alimentatore) lo hai già o te lo aggiungi. Ammortizziamo la sola GPU su 3 anni (36 mesi):

• 4090 da 1.600 euro → 44 euro al mese
• 3090 da 1.500 euro → 42 euro al mese
• 5090 da 2.000 euro → 56 euro al mese

Elettricità: un PC con GPU da gaming sotto carico arriva a 400-500 watt. A 0,30 euro per kWh, un'ora di lavoro pieno costa circa 0,12-0,15 euro. Se usi la macchina un'ora al giorno, sei su 3,60-4,50 euro al mese. Il consumo a riposo (standby, GPU inattiva) è trascurabile.

Quindi il locale ti costa, in tondo, 45-60 euro al mese di costo fisso, a prescindere da quante generazioni fai. Il software, da parte sua, non costa nulla: llama.cpp e i runtime che se ne servono sono open source, e i pesi dei modelli aperti (Qwen, Llama, Mistral) si scaricano gratis.

Il punto di pareggio

Ora mettiamo insieme le due curve. Il locale è una retta orizzontale (circa 50 euro al mese). L'API è una retta che parte da zero e sale. Si incrociano quando i token del mese superano una soglia:

Punto di pareggio (token/mese) ≈ costo fisso del locale / costo per token dell'API

Facciamolo per un mix realistico (4 token di input per ogni token di output, tipico del lavoro con contesto lungo):

API (mix 4:1 in/out)	Costo medio per 1M token	Pareggio a 50 euro/mese
GPT-6 Astra	~$14,00	~2,4M token
GPT-5.6 Sol	~$5,60	~5,6M token
Opus 5.5	~$6,40	~4,9M token
Claude Sonnet 5	~$3,20	~13M token
GPT-5.6 Terra / GPT-4.1	~$2,80	~15M token
GPT-4.1 mini	~$0,48	~57M token
GPT-5.6 Luna	~$0,32	~84M token

Tradotto in numeri umani: con il modello top (GPT-6 Astra, $10/$50) il locale diventa conveniente quando superi circa 2,5 milioni di token al mese — poche migliaia di risposte al giorno per un'azienda. Con GPT-5.6 Sol ($4/$20) la soglia sale a ~5,5 milioni di token/mese, con Terra o Sonnet a 13–15 milioni. Con un modello economico come Luna ($0,20/$1,20) la soglia arriva a 84 milioni di token: per l'uso personale raramente ci arrivi, e l'API economica resta la scelta più sensata.

Questi sono ordini di grandezza, non un preventivo: i prezzi cambiano, i listini si aggiornano, e tu pesi l'elettricità e l'ammortizzazione come vuoi. Il metodo però regge: più usi e più i modelli costosi rendono il locale competitivo; più usi poco o usi modelli economici, più l'API vince.

Cosa sposta la risposta

I numeri dicono "dipende dai token". Ma la decisione reale dipende anche da ciò che non si vede nella tabella.

Contesto lungo. Più contesto invii, più input token, più l'API sale — e il locale non cresce con il contesto: ha la RAM che c'è. Per carichi con migliaia di token di contesto a ogni chiamata, la curva dell'API diventa ripidissima.

Multipli utenti o agent. Un'azienda che serve dieci impiegati o che fa girare agent 24/7 non usa "un po'": usa milioni di token al giorno. È esattamente il profilo che supera il pareggio. Un singolo utente che chatta un'ora al giorno, no.

Qualità del modello. Il locale ti porta i modelli aperti (Qwen, Llama, Mistral) alla qualità che la VRAM ti dà. Se il lavoro richiede il frontier cloud più forte, il locale non lo eguaglia — e il costo dell'API è il prezzo di quella qualità.

Controllo e dati. I numeri sopra non includono il valore di non mandare i dati fuori: GDPR, dati sensibili, disponibilità offline. Per molti casi d'uso questo vale più del delta di costo. Per altri non vale nulla.

Disponibilità. Il locale risponde sempre, senza connessione, senza limiti di rate. L'API ha rate limit, picchi, dipendenza dal provider. Se la disponibilità è un requisito, il locale ha un vantaggio che l'API non ha — e che spesso si paga volentieri.

Quando conviene l'uno o l'altro

API quando: uso personale o leggero; serve la massima qualità oggi; vuoi iniziare senza comprare hardware; il carico è irregolare (paghi solo quando usi).

Locale quando: uso intenso e costante (molte risposte al giorno, multipli utenti, agent in parallelo); il contesto è lungo; i dati non possono uscire; serve disponibilità 24/7 offline; vuoi un costo prevedibile che non sale con l'uso.

Ibrido: molto comune. Il locale per il lavoro di volume (classificazione, bozze, RAG, batch) e l'API per i casi in cui serve il modello top. È spesso la configurazione che, coi numeri, risulta più economica di entrambe le strade prese da sole.

In una riga

L'API è variabile, il locale è fisso: il punto di pareggio è dove i tuoi token del mese superano la soglia che i prezzi dell'API fissano. Per l'uso personale raramente ci arrivi, e l'API resta la scelta più sensata. Per l'uso intensivo, multiplo o con dati sensibili, il locale non solo vira il conto: aggiunge controllo, dati che restano tuoi e disponibilità sempre accesa — il motivo per cui spesso ne vale la pena anche un po' prima di quel punto.

Articolo generato con IA