BroadRouter

Prezzi dei modelli open-weight: 6 provider di inferenza a confronto

A cura del team di BroadNet Inference · 7 min di lettura · Pubblicato · Aggiornato

Quasi tutti i provider prezzano i modelli open-weight per milione di token, con l’input in cache più economico e spesso il 50% di sconto sui job batch. Together AI, Fireworks e DeepInfra noleggiano anche GPU a ore. OpenRouter riporta i prezzi dei provider e applica una commissione sull’acquisto di crediti. Groq copre pochi modelli. BroadNet aggiunge piani flat mensili, settimanali e orari per DeepSeek V4.1 Flash.

Il «prezzo per milione di token» sembra confrontabile tra un provider e l’altro. Non del tutto. I provider cambiano per i modelli che ospitano, per il costo dell’input in cache, per gli sconti sui job batch, per la possibilità di noleggiare GPU e per le commissioni che si aggiungono. Questo articolo confronta sei provider di modelli open-weight sul modo in cui fanno pagare, poi mette fianco a fianco i loro prezzi pubblicati per gli stessi modelli. Tutti i dati dei concorrenti vengono dalle pagine ufficiali di ciascun provider, verificate il 2026-11-14; i link sono nelle fonti. I prezzi cambiano spesso, quindi ricontrollali prima di impegnarti.

Quali sono i cinque modi di prezzare i modelli open-weight?

  1. Per token, serverless. Prezzi separati per 1M di token di input e di output. Lo offrono tutti i provider di questa lista.
  2. Input in cache. Una tariffa più bassa per i prefissi di prompt ripetuti. Gli sconti vanno dalla metà del prezzo a pochi punti percentuali della tariffa di input. I token in cache spiegati.
  3. Batch. Prezzi più bassi per i job che possono aspettare ore.
  4. GPU dedicate. Noleggi l’hardware a ore e fai girare il modello in proprio o con lo stack del provider. Vedi self-hosting o API: il punto di pareggio, oppure rifai i conti con i tuoi numeri nel calcolatore self-hosting o API.
  5. Piani flat. Un prezzo fisso per un periodo di tempo, senza contatore di token. Vedi piano LLM flat.

Come prezza i modelli open-weight ciascun provider?

Provider Modello di business Per token Input in cache Batch GPU dedicate Piano flat
OpenRouter Router su molti provider Prezzo del provider, «no markup» Dipende dal provider Dipende dal provider No No
Together AI Serverless proprio + dedicato Sì Indicato per alcuni modelli 50% di sconto su alcuni modelli (solo Whisper Large v3, alla verifica) H100 da 5,49 USD per ora GPU No
Fireworks AI Serverless proprio + on demand Sì, da 0,05 USD per 1M di input 50% di sconto di default, di più su alcuni modelli 50% di sconto H100 a 8,00 USD l’ora No
Groq Hardware proprio Sì, pochi modelli 50% di sconto, sui modelli GPT-OSS 50% di sconto Non indicate No
DeepInfra Serverless proprio + dedicato Sì, alcuni modelli fatturati a tempo di esecuzione Indicato per molti modelli Non indicato nella pagina prezzi H100 a 2,90 USD per ora GPU No
BroadNet Inference Lista di modelli breve; modelli ospitati da partner di inferenza statunitensi Sì Indicato per tre modelli chat su quattro Non offerto No Sì, DeepSeek V4.1 Flash

Note dalle pagine:

  • OpenRouter dice che «there is no markup on inference pricing» (traduzione: non c’è alcun ricarico sui prezzi di inferenza). Applica una commissione quando compri crediti: 5,5% sul piano Standard (minimo 0,80 USD, secondo le sue FAQ) e 8% su Business, oppure 5% in criptovalute. Le varianti gratuite dei modelli sono limitate a 20 richieste al minuto e 50 al giorno, o 1.000 al giorno dopo aver acquistato almeno 10 USD di crediti. È un router, quindi lo stesso modello può avere molti prezzi. Vedi OpenRouter o un provider a tariffa flat.
  • Together AI indica le H100 dedicate a 5,49 USD per ora GPU on demand. La sua documentazione batch dice che alcuni modelli serverless girano al 50% di sconto, con una finestra di completamento fissa di 24 ore, ma alla nostra verifica la tabella dei modelli scontati elencava solo openai/whisper-large-v3. Gli altri modelli girano a tariffa standard.
  • Fireworks ha le modalità Standard, Priority, Fast, Batch (50% di sconto) e Spot (30% di sconto su alcuni modelli). L’input in cache si paga la metà o meno, senza costo di scrittura.
  • Groq indica prezzi per token per un piccolo gruppo di modelli di produzione, come openai/gpt-oss-120b a 0,15 USD di input e 0,60 USD di output per 1M, e lo speech-to-text Whisper a ore. L’input in cache costa la metà sui suoi modelli GPT-OSS, e i job batch girano al 50% di sconto entro una finestra da 24 ore a 7 giorni.
  • DeepInfra mostra molti modelli con una tariffa scontata accanto al prezzo di listino, per esempio il 51% su DeepSeek-V4.1-Flash-1017 e il 38% su GLM-5.3. La pagina non dice quando finiscono questi sconti. Offre anche i livelli Standard, Priority (1,5×) e Flex (0,8×).

Quanto costa lo stesso modello presso ciascun provider?

Prezzi pubblicati per 1M di token, per i modelli che serve anche BroadNet. «—» significa che il modello non era nella pagina prezzi di quel provider.

DeepSeek V4.1 Flash (input / in cache / output):

Provider Input In cache Output
Together AI 0,30 USD 0,006 USD 1,20 USD
Fireworks AI 0,30 USD 0,006 USD 1,20 USD
DeepInfra, listino 0,20 USD 0,006 USD 0,60 USD
DeepInfra, scontato (30%) 0,14 USD 0,0042 USD 0,42 USD
DeepInfra, DeepSeek-V4.1-Flash-1017, scontato (51%) 0,098 USD 0,0029 USD 0,294 USD
Groq — — —
BroadNet Inference $0.175 $0.0055 $0.52

La variante datata -1017 di DeepInfra è la stessa release che l’API di DeepSeek serve come deepseek-flash; verifica quale chiama il tuo codice. Su OpenRouter, alla nostra verifica, il modello aveva 37 endpoint di 28 provider, da circa 0,05 USD (Baidu) a 3 USD (il livello più veloce di Venice) per 1M di token di input. La nostra tabella prezzi di DeepSeek V4.1 Flash elenca ogni provider che pubblica un proprio prezzo per il modello, con la pagina di origine e la data di verifica in ogni riga. Quanto si allarga la forbice di prezzo sullo stesso modello in tutto il mercato lo misuriamo nel nostro indice dei prezzi delle API LLM. Per il confronto tra questi prezzi open-weight e GPT, Claude e Gemini sullo stesso carico di lavoro, vedi costo API: modelli open-weight o chiusi.

GLM 5.3 (il prezzo di ogni provider: tabella prezzi di GLM 5.3):

Provider Input In cache Output
Together AI 1,40 USD 0,26 USD 4,40 USD
Fireworks AI 1,40 USD 0,26 USD 4,40 USD
DeepInfra, listino 0,90 USD 0,20 USD 4,00 USD
DeepInfra, scontato (38%) 0,5625 USD 0,125 USD 2,50 USD
BroadNet Inference $0.78 $0.173 $3.46

Qwen3.8 27B (il prezzo di ogni provider: tabella prezzi di Qwen3.8 27B):

Provider Input In cache Output
DeepInfra, listino 0,20 USD 0,05 USD 2,50 USD
DeepInfra, scontato (25%) 0,15 USD 0,0375 USD 1,875 USD
Groq (anteprima, solo per valutazione) 0,80 USD — 4,00 USD
BroadNet Inference $0.175 $0.0435 $2.17

Gemma 4 26B A4B (la build di BroadNet è Gemma 4 VL 26B):

Provider Input Output
DeepInfra 0,07 USD 0,34 USD
BroadNet Inference $0.10 $0.22

Qui BroadNet non è il più economico per token. Le tariffe scontate di DeepInfra sono sotto quelle di BroadNet in ogni riga per DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B, e sotto sull’input di Gemma (l’output di Gemma di BroadNet costa meno). L’API di DeepSeek dimezza tutti i prezzi nelle fasce fuori picco, e in quelle ore il suo input scende sotto quello di BroadNet (dettagli). I prezzi di listino di BroadNet sono sotto quelli di Together e Fireworks su DeepSeek V4.1 Flash e GLM 5.3. Il prezzo per token è solo un fattore: controlla anche lunghezza del contesto, conservazione dei dati e rate limit, che queste tabelle non mostrano.

Su tutti i 119 modelli venduti da più host, non solo questi quattro, il prezzo di listino più caro è in mediana 1,76 volte il più economico; vedi stesso modello, host diverso. I prezzi degli host cambiano anche più spesso di quelli dei produttori dei modelli: ogni quanto cambiano i prezzi delle API LLM.

E lo speech-to-text?

Groq indica whisper-large-v3-turbo a 0,04 USD per ora di audio e whisper-large-v3 a 0,111 USD l’ora. DeepInfra indica Voxtral Mini a 0,001 USD al minuto. Il modello multilingue di BroadNet costa $0.002 al minuto ($0.12 l’ora) e quello per l’arabo $0.0042 al minuto. Per altri provider, vedi prezzi delle API speech-to-text a confronto. Per l’arabo, l’accuratezza sui tuoi dialetti conta più della tariffa: come scegliere un’API speech-to-text per l’arabo.

Come si confrontano i provider per il tuo carico di lavoro?

  1. Fissa modello e versione. «DeepSeek V4.1 Flash» e una sua variante datata possono avere prezzi diversi.
  2. Misura il tuo mix di token: input, quota in cache e output, ragionamento compreso. Vedi stimare il costo prima del lancio.
  3. Calcola il prezzo con le tre tariffe di ciascun provider, non solo con quella di input. Per gli agenti spesso decide la tariffa in cache. Il calcolatore dei costi API LLM e il calcolatore del prompt caching fanno i conti per te.
  4. Applica gli sconti batch solo al lavoro che può aspettare.
  5. Aggiungi le commissioni: commissioni sull’acquisto di crediti e moltiplicatori dei livelli.
  6. Controlla i limiti: rate limit, concorrenza e lunghezza del contesto possono escludere un provider a qualsiasi prezzo.
  7. Confronta con un piano flat se un agente lavora per gran parte della giornata. Vedi i conti del pareggio oppure il calcolatore tariffa flat o per token.

Dove si colloca BroadNet Inference

BroadNet serve una breve lista di modelli, alcuni ospitati da partner di inferenza statunitensi, con i prezzi per token pubblicati in un file dei prezzi. Le sue tariffe per token sono a metà classifica, non le più basse: se conta solo il prezzo per token, le offerte scontate di DeepInfra costano meno. Quello che gli altri provider di questo confronto non vendono è DeepSeek V4.1 Flash illimitato a $60 al mese per sessione, più le opzioni settimanale a $15 e oraria a $1. Non è un marketplace, non ha sconti batch né GPU dedicate. Gli altri punti di forza sono la zero data retention su ogni richiesta, lo speech-to-text in arabo e un’unica chiave compatibile con OpenAI per chat e audio. Se ti servono decine di famiglie di modelli o la tariffa promozionale più bassa per un carico a picchi, un router o un host più grande fa al caso tuo.

Domande frequenti

Qual è il provider di inferenza più economico per i modelli open-weight?

Nessuno in assoluto, e per token non è BroadNet. Alla verifica del 2026-11-14 le tariffe scontate di DeepInfra erano sotto quelle di BroadNet su DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B, e OpenRouter elencava endpoint di DeepSeek V4.1 Flash da circa 0,05 USD a 3 USD per 1M di token di input. Confronta il modello esatto, la tariffa in cache e lo sconto batch.

OpenRouter applica un ricarico sui prezzi dei modelli?

OpenRouter dice che non c’è ricarico sui prezzi di inferenza. Applica una commissione quando compri crediti: 5,5% sul piano Standard (minimo 0,80 USD, secondo le sue FAQ), 8% sul piano Business e 5% per i pagamenti in criptovalute.

Conviene il prezzo batch?

Per il lavoro che può aspettare. Fireworks indica il batch al 50% di sconto e Groq documenta uno sconto batch del 50% con una finestra da 24 ore a 7 giorni. La documentazione batch di Together indica il 50% di sconto solo su alcuni modelli (alla nostra verifica la tabella citava solo `openai/whisper-large-v3`), con una finestra di completamento fissa di 24 ore.

Quando conviene noleggiare una GPU dedicata invece di pagare per token?

Quando il tuo traffico tiene la GPU occupata per gran parte della giornata. Le GPU a ore si pagano che arrivino richieste o no, quindi con traffico basso o a picchi conviene il prezzo per token.

C’è un provider con un prezzo mensile flat per un modello open-weight?

Sì, BroadNet Inference, per DeepSeek V4.1 Flash. Full Moon costa $60 al mese per sessione, senza contatore di token, una richiesta alla volta.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity