Aggiungere una funzione AI a un prodotto SaaS ne cambia la struttura dei costi. Hosting e storage costano più o meno uguale per ogni utente; le chiamate LLM costano di più quanto più qualcuno le usa. Se prezzi la funzione senza sapere quanto ti costa un utente attivo, pochi clienti entusiasti possono trasformare un piano in attivo in una perdita. Questo articolo mostra come calcolare il costo LLM per utente, perché la media è il numero sbagliato e come usarlo per definire i piani.
Come si calcola il costo LLM per utente?
Per una funzione e un modello:
cost per user per month =
requests per active user per month
× [ new input tokens × input price
+ cached tokens × cached price
+ output tokens × output price ] / 1,000,000
Cioè: costo per utente al mese = richieste per utente attivo al mese × (token di input nuovi × prezzo di input + token in cache × prezzo in cache + token di output × prezzo di output) / 1.000.000. Nei modelli di ragionamento l’output comprende i token di ragionamento, e con una chiave a consumo le immagini si contano come token di input. Se ti serve un ripasso su questi tre prezzi, leggi come funzionano i prezzi delle API LLM.
Somma le funzioni che un utente usa per ottenere il costo AI totale per utente.
Passo 1: cosa conta come utente attivo e qual è l’unità?
Scegli una definizione che già usi nei report, per esempio un utente che ha usato la funzione AI almeno una volta nel mese. Poi scegli l’unità che la tua funzione produce in modo naturale: un turno di chat, un documento generato, un file analizzato, una chiamata riassunta. Il costo per unità è più stabile del costo per utente e più facile da ragionare.
Passo 2: come si misurano i token per unità?
Non stimarli dal numero di parole. Registra il blocco usage di ogni risposta con un tag della funzione e un ID utente o account hashato: token di prompt, token in cache e token di completamento, una riga per tentativo. L’articolo sul logging dell’usage ha un wrapper pronto e la query SQL per raggruppare il costo per utente e per funzione. Prima di avere traffico, il contatore di token dà una prima stima a partire da prompt di esempio.
Per le risposte in streaming, chiedi l’usage nell’ultimo chunk con stream_options={"include_usage": True}; vedi la guida allo streaming. Conta ogni tentativo, retry compresi, perché ogni tentativo che arriva al modello si paga.
Passo 3: quanto costa un utente tipico? Un esempio pratico
Supponi che il tuo prodotto abbia un assistente integrato. Per un utente attivo tipico, in un mese, misuri:
| Misura | Valore |
|---|---|
| Giorni di attività | 20 |
| Richieste all’assistente per giorno di attività | 15 |
| Token di input per richiesta | 3.000 (metà in cache) |
| Token di risposta visibile per richiesta | 400 |
| Token di ragionamento per richiesta (modelli di ragionamento) | circa 600 |
Sono 300 richieste al mese: circa 900.000 token di input, di cui 450.000 in cache, e 120.000 token di output visibile, più circa 180.000 token di ragionamento con un modello di ragionamento.
Applica i prezzi per 1M di BroadNet. I token sono espressi in milioni, quindi ogni termine è milioni di token × prezzo per 1M:
| Modello | Input / in cache / output per 1M | Il mese di questo utente |
|---|---|---|
| Gemma 4 VL 26B | $0.10 / nessuna tariffa in cache / $0.22 | 0,9 × $0.10 (tutto l’input a prezzo pieno) + 0,12 × $0.22 (nessun token di ragionamento) = $0.12 |
| DeepSeek V4.1 Flash | $0.175 / $0.0055 / $0.52 | 0,45 × $0.175 + 0,45 × $0.0055 + 0,3 × $0.52 = $0.24 |
| Qwen3.8 27B | $0.175 / $0.0435 / $2.17 | 0,45 × $0.175 + 0,45 × $0.0435 + 0,3 × $2.17 = $0.75 |
| GLM 5.3 | $0.78 / $0.173 / $3.46 | 0,45 × $0.78 + 0,45 × $0.173 + 0,3 × $3.46 = $1.47 |
Nei modelli di ragionamento, lo 0,3M di output è fatto da 0,12M di risposta visibile più 0,18M di ragionamento. Facendo i conti, la riga di GLM 5.3 vale più di dieci volte quella di Gemma 4 VL 26B per lo stesso utente (il confronto tra Gemma 4 VL 26B e GLM 5.3 mostra i due fianco a fianco). In ogni modello di ragionamento l’output è il termine più grande, e i token di ragionamento sono più di metà di quell’output. Inserisci le tue misure nel calcolatore dei costi API LLM per ottenere il tuo dato.
Passo 4: perché l’utente medio inganna?
L’uso delle funzioni AI è sbilanciato. Quasi tutti gli utenti provano la funzione qualche volta; un piccolo gruppo la usa tutto il giorno. La media nasconde quel gruppo, ed è quel gruppo a fare la bolletta.
Dal tuo log dell’usage, calcola per utente e per mese:
- Costo mediano. Quanto costa un utente normale.
- 90° percentile. Quanto costa un utente intensivo ma normale. Prezza il piano in modo che questo utente resti in attivo.
- 99° percentile e massimo. La coda. Questi utenti richiedono un limite di fair use, un piano superiore o un controllo per automazioni e abusi.
Se l’utente al 99° percentile costa molte volte il mediano, di per sé non è un problema: è un dato da usare per il prezzo.
Passo 5: come si definiscono piani e limiti?
Una volta noto il costo per utente, il prezzo diventa una decisione di margine:
- Decidi il margine lordo obiettivo del piano.
- Risali al costo AI massimo per utente che quel margine consente.
- Confrontalo con il tuo 90° percentile. Se il 90° percentile ci sta, il piano funziona. Se no, riduci il costo (passo 6), alza il prezzo o sposta l’uso intensivo su un piano superiore.
- Traduci i token in un’unità che gli utenti capiscono. Gli utenti non ragionano in token. Limita richieste al giorno, documenti al mese o minuti di audio, dimensionati in modo che l’uso più intenso consentito resti sotto il tuo tetto di costo.
- Ricontrolla ogni mese. Modifiche ai prompt, nuove funzioni e cambi di modello spostano tutti il costo per utente.
Passo 6: come si riduce il costo per utente senza cambiare il prodotto?
- Usa la cache. Metti per primi il system prompt stabile e l’elenco dei tool. Su DeepSeek V4.1 Flash l’input in cache costa $0.0055 per 1M invece di $0.175. Vedi come alzare il tasso di cache.
- Abbassa il ragionamento.
reasoning_effortimpostato sulowper le richieste di routine taglia i token più cari. Vedi quanto costa il ragionamento. - Instrada in base alla difficoltà. Manda le richieste semplici a Gemma 4 VL 26B e tieni i modelli di ragionamento per quelle difficili.
- Accorcia la cronologia. Le conversazioni lunghe rimandano tutto a ogni turno; riassumi o tronca i turni più vecchi dove la qualità lo consente.
- Limita l’output. Imposta
max_tokensper ogni funzione, lasciando spazio al ragionamento nei modelli di ragionamento.
Altri controlli sono in controllo della spesa per le API LLM.
Un piano flat può servire gli utenti di un SaaS?
I piani illimitati di BroadNet per DeepSeek V4.1 Flash ($60 al mese per sessione) si possono integrare nella tua app o nel tuo servizio con la tua chiave, ma ogni sessione esegue una richiesta alla volta e la chiave non può essere condivisa né rivenduta. Per questo un piano è adatto al lavoro di back-end con bassa concorrenza: un generatore di report notturno, un riassuntore alimentato da una coda, un agente interno. Per il traffico interattivo degli utenti con molte richieste simultanee, la risposta abituale sono le chiavi a consumo (4 richieste in corso ciascuna, 30 al minuto) o più sessioni. Controlla le condizioni attuali nella pagina dei piani.
Quali costi ci sono attorno al modello?
Il costo per utente dovuto ai token è solo una parte della voce AI. Aggiungi retrieval e archiviazione vettoriale, trascrizione (prezzata per minuto di audio, per esempio $0.0042 al minuto per l’arabo su BroadNet), retry ed esecuzioni di valutazione. Se i tuoi utenti scrivono in arabo o in altre lingue diverse dall’inglese, aspettati più token per messaggio che in inglese; misura i token per parola sui tuoi contenuti.
Come si gestiscono free tier e prove gratuite?
Un free tier moltiplica il costo per utente per utenti che non pagano nulla. Trattalo come spesa di marketing: dai agli utenti gratuiti il modello più economico che mostri comunque bene la funzione, imposta limiti giornalieri più stretti che nei piani a pagamento e tieni il costo AI degli utenti gratuiti come voce separata. Se gli utenti gratuiti si convertono, quella voce è costo di acquisizione; se non si convertono, i limiti la tengono bassa.
Riepilogo
Misura i token per unità dal campo usage, moltiplicali per i prezzi pubblicati, guarda il 90° percentile invece della media e definisci prezzi e limiti dei piani su quella base. Poi rendi ogni unità più economica con cache, instradamento e uno sforzo di ragionamento più basso. Se non hai ancora misurato nulla, parti dal metodo per il costo mensile.
