I livelli di sforzo di Opus 5.5 sono il vero prezzo

Updated September 22, 2026 · first published September 22, 2026

Claude Opus 5.5 costa $4 per milione di token di input e $20 per milione di token di output. Ciò rappresenta il 20% in meno di Opus 5. La tariffa è la metà minore del racconto dei costi. L'altra metà è l'impostazione effort, che decide quanti token il modello spende ragionando prima di rispondere.

Un modello, cinque prezzi

Opus 5.5 espone lo sforzo da low fino a medium, high, xhigh e max. Ogni livello è lo stesso modello alla stessa tariffa per token, ma produce un numero molto diverso di token. L'analisi indipendente riportata da The Decoder ha trovato che quattro dei cinque livelli si trovano sulla frontiera di Pareto costo-performance. Ha anche rilevato che a massimo sforzo Opus 5.5 ha utilizzato circa 119.000 token di output per attività, molto più dei modelli concorrenti alle loro impostazioni massime.

A 20 $ per milione, 119.200 token di output costano 2,38 $ per attività prima di qualsiasi input. A medium, Artificial Analysis ha misurato 25.700 token di output, cioè 0,51 $. Contando l'input, max costa 5,98 $ per attività e medium 1,34 $: lo stesso modello costa circa 4,5 volte di più per attività a seconda di un solo parametro della richiesta.

Misurato sull'Artificial Analysis Intelligence Index v4.3.2 (dieci valutazioni), consultato il 22 settembre 2026. Tutte le righe usano la stessa suite di test, quindi si confrontano direttamente.

Fonte: Artificial Analysis. Sulla frontiera significa che nessuna impostazione di GPT-6 Sol, GPT-6 Astra, Opus 5, Opus 5.5 o Fable 5.1 ottiene di più spendendo meno. Opus 5.5 low ne resta fuori perché GPT-6 Sol a xhigh ottiene 44,1 per 0,53 $. Passare da xhigh a max aggiunge 1,6 punti con il 73% di costo in più.

Medio è l'impostazione su cui Anthropic fa i benchmark

Il principale confronto di Anthropic viene fatto a sforzo predefinito, che è medio. Dice che Opus 5.5 a medio supera GPT-6 Astra a massimo sforzo nel lavoro di conoscenza per circa un quinto del costo per attività. Quindi il caso stesso di Anthropic per il modello è costruito su medio, e max è l'eccezione. Un team che imposta max ovunque "per stare al sicuro" paga i token che i benchmark di lancio non necessitavano.

Come impostare lo sforzo senza indovinare

1. Predefinito a medio. Rendilo il valore esplicito nel codice, non un default SDK che può cambiare sotto di te.
2. Alza lo sforzo per rotta, non globalmente. Debug difficile, pianificazione a lungo orizzonte e step di revisione finale possono giustificare alto o max. Classificazione, estrazione e modifiche di routine raramente.
3. Registra lo sforzo con ogni richiesta. Il costo per richiesta non è interpretabile senza. Un picco di spesa con conteggio di richieste piatto è di solito un cambio di sforzo.
4. Confronta i livelli di sforzo sugli stessi compiti riprodotti. Registra il tasso di successo e i token di output per attività completata a ogni livello, e smetti di aumentare lo sforzo quando il successo smette di migliorare.
5. Limita l'output dove il prodotto lo consente. Un limite di token massimi vincola il caso peggiore. A massimo sforzo quel limite è l'unica cosa tra un compito in fuga e una richiesta da diversi dollari.

Il taglio da $25 a $20 per milione di token di output risparmia il 20%. Spostare un carico di lavoro da max a sforzo medio può risparmiare molto più di questo. Tratta lo sforzo come una linea di bilancio, posseduta e revisionata come qualsiasi altra.

Related

• Modello di costo di Claude Opus 5.5
• Economia della modalità veloce di Opus 5.5
• Guida ai costi del modello di ragionamento

Want this applied to your own LLM spend? FinOps LLM runs a free audit of your AI costs and shows where the savings are. Book free audit →

Back to research