Come calcolo
i numeri

Come leggere le etichette

Ogni numero ha un tipo e un livello di fiducia:

• ufficiale pubblicato da chi produce il dato (Anthropic, Google, EPA, ISPRA, BCE…);
• stima di terzi stima pubblicata in uno studio o rapporto di altri;
• stima nostra ipotesi mia, dichiarata e spiegata qui sotto.

Per energia, CO2 e acqua mostro sempre un minimo, un valore centrale e un massimo. Il minimo usa tutti i parametri minimi, il massimo tutti i massimi.

Prezzi, token ed euro

I prezzi vengono solo dalla pagina prezzi ufficiale di Anthropic e dalle pagine dei singoli modelli. Sono in dollari per milione di token (MTok).

• Caching dei prompt. Le parti del testo che si ripetono (istruzioni, documenti fissi) vengono scritte in cache una volta, a × il prezzo d'ingresso, e poi rilette a una frazione del prezzo (di norma ×). Uso la cache da 5 minuti.
• Batch. L'elaborazione in differita costa il 50% in meno (moltiplicatore ), anche sulla cache.
• Tokenizer. Dai modelli 4.7 in poi Anthropic usa un tokenizer nuovo che conta circa il 30% di token in più sullo stesso testo (fattore ). I token degli scenari sono espressi con il tokenizer nuovo; per i modelli più vecchi li divido per questo fattore.
• Haiku 5.5 ha due fasce di prezzo: oltre i 100.000 token di prompt in una chiamata si applicano prezzi più alti.
• Euro. Converto con il tasso di riferimento della BCE: 1 € = $ ().

Modelli inclusi

Tutti i modelli Claude disponibili via API al momento dell'aggiornamento, tranne quelli riservati a organizzazioni verificate e quelli ritirati.

Modelli esclusi

Gli scenari

Ogni scenario ha valori predefiniti di token in ingresso e in uscita per richiesta. Sono ipotesi mie, pensate per attività tipiche di uno studio o di un'impresa: nella vista tecnica puoi cambiarle.

I token in uscita comprendono anche i token di ragionamento, che Anthropic fa pagare come uscita. Le quote di cache indicano quanta parte dell'ingresso viene riletta (o scritta) in cache quando il caching è attivo.

Giorni lavorativi al mese predefiniti: . L'anno vale 12 mesi.

Energia

Anthropic non pubblica quanta energia consuma una richiesta. Parto quindi dall'unica misura ufficiale di un grande fornitore: secondo Google (2025) la richiesta testuale mediana di Gemini consuma Wh, compresi server, macchine di riserva e raffreddamento.

Google non dice quanti token ha quella richiesta. Prendo il profilo di una richiesta tipica da uno studio Microsoft (Oviedo et al., 2025): token in ingresso e in uscita. L'ipotesi più debole di tutto il calcolo è questa: che una richiesta così, servita da Claude Sonnet 5.5, consumi come la richiesta mediana di Gemini.

Formula

• E_rif è l'energia dei server per la richiesta di riferimento, senza il raffreddamento del data center.
• r dice quanto costa in energia un token in ingresso rispetto a uno in uscita. Il valore centrale l'ho ricavato dai dati di throughput pubblicati da NVIDIA per modelli aperti su server pieni di lavoro.
• k_scr e k_lett pesano i token scritti e letti dalla cache. Per la lettura non ho trovato misure pubbliche: uso i rapporti di prezzo come indicazione e lascio un massimo prudente (nessun risparmio).
• F_modello è il rapporto tra il prezzo d'ingresso del modello e quello di Sonnet 5.5. È un'ipotesi: il prezzo dice qualcosa sulla potenza di calcolo, ma riflette anche scelte commerciali.
• PUE è il consumo del data center rispetto ai soli server: minimo Google, centrale AWS, massimo Microsoft, i tre cloud su cui Claude è disponibile.
• Il batch riduce il prezzo, ma non assumo una riduzione dell'energia.

Parametri

Riscontri

Con questi parametri, la richiesta di riferimento su Sonnet 5.5 vale (centrale), contro i Wh misurati da Google e la mediana di Wh stimata da Microsoft per i grandi modelli.

CO2

Uso il metodo basato sul luogo: le emissioni medie della rete, senza contare gli acquisti di energia rinnovabile dei fornitori. Il valore predefinito è la rete USA; quella italiana è un confronto, perché Anthropic non dice dove viene servita ogni richiesta.

Non includo le emissioni per fabbricare l'hardware né quelle dell'addestramento dei modelli.

Acqua

Due voci: l'acqua usata per raffreddare i server (WUE) e quella consumata dalle centrali per produrre l'elettricità. La seconda di solito pesa di più.

Per l'Italia non ho trovato una fonte primaria verificabile sull'acqua per produrre elettricità: uso sempre il valore USA.

Paragoni

Nella vista semplice traduco l'energia in oggetti di tutti i giorni.

Limiti

• Nessun dato energetico di Anthropic. Tutte le cifre di energia, CO2 e acqua sono stime, con margini ampi.
• Il punto di partenza è Google, non Claude. La richiesta mediana di Gemini fa da riferimento; modelli, hardware e data center di Claude possono essere diversi.
• Il prezzo come indicatore del calcolo esagera probabilmente le differenze tra modelli: per esempio, Haiku 5.5 risulta 20 volte più efficiente di Sonnet 5.5.
• Cache in lettura: non esistono misure pubbliche dell'energia per token letto dalla cache. Negli scenari con molta cache (come l'agente di programmazione) il massimo è molto più alto del centrale.
• Token di ragionamento. Fable 5.1 e Opus 5.5 ragionano sempre. Uso gli stessi token in uscita per tutti i modelli, quindi per loro il costo reale può essere più alto.
• Tokenizer. Il 30% in più del tokenizer nuovo è un valore medio indicato da Anthropic; cambia con lingua e contenuto.
• Luogo dei data center sconosciuto: PUE, WUE e rete elettrica sono medie dei fornitori, non dei data center che servono davvero Claude.
• Acqua per l'elettricità: i valori USA vengono da uno studio che cita WRI e LBNL; i documenti originali non erano leggibili in automatico.
• Fuori dal calcolo: addestramento dei modelli, rete internet, dispositivi di chi usa l'AI, fabbricazione dell'hardware.

Fonti

Fonti valutate e scartate

Tutti i numeri stanno nel file data/parametri.json, con valore, unità, fonte, data di verifica, tipo e livello di fiducia.

Vuoi applicarlo al tuo caso?

Gli scenari sono indicativi: con i numeri veri del tuo lavoro la stima cambia.