# Token di input e output: cosa cambia?

I token di input sono quelli che invii al modello. Quelli di output vengono generati nella risposta. Spesso hanno prezzi diversi e vanno quindi tenuti separati.

[Versione HTML](https://www.tokenometro.it/guide/input-output-token/)

Un progetto di YADA Digital. Metodo e limiti: https://www.tokenometro.it/metodologia/
Fonti verificate il: 2026-10-03

## Due direzioni della stessa richiesta

L'input è ciò che il modello riceve; l'output è ciò che genera. In una conversazione l'input può includere istruzioni, messaggi precedenti e dati aggiunti dall'applicazione. L'output può contenere testo o elementi destinati a strumenti. Le due quantità vanno registrate separatamente perché rispondono a domande diverse.

Per orientarti, immagina un assistente che legge una lunga relazione e restituisce tre conclusioni. Qui gran parte del materiale può essere in ingresso. Nel caso opposto, una richiesta breve che produce una lunga bozza può avere un output relativamente grande. Non esiste quindi un rapporto costante da usare per tutte le attività della tua applicazione.

## Il giro successivo cambia il bilancio

Una risposta generata in un turno può essere inclusa tra i messaggi del turno seguente, diventando parte del nuovo input. Questo aiuta a capire perché una chat lunga richiede una misurazione per richiesta. Il totale della sessione non si ricava contando una sola volta il testo che vedi nella finestra.

Prova a disegnare tre righe in un foglio: domanda iniziale, approfondimento e revisione finale. Per ogni riga scrivi quale materiale viene effettivamente fornito al modello. Se la tua applicazione conserva la conversazione sul server, verifica comunque le regole del servizio: il fatto di non ritrasmettere manualmente tutto il testo non dimostra che quel contesto sia gratuito.

## Non contare due volte il reasoning

Nelle API OpenAI i token di reasoning fanno parte dei token di output fatturati. Il dettaglio del reasoning descrive una componente del totale: sommarlo ancora all'output può gonfiare una stima. Allo stesso modo, prima di sommare campi di consumo di altri provider, controlla se rappresentano totali o categorie separate.

Esempio puramente aritmetico: se una risposta dichiara 900 token di output, di cui 600 di reasoning, non devi trasformarla in 1.500 token. Per costruire un prospetto, annota il totale e affianca la sua composizione in colonne distinte. Usa nomi espliciti e conserva la risposta di consumo originale per poter ricontrollare il calcolo.

## Dal conteggio a una stima utilizzabile

La quantità generata non è nota con certezza prima dell'esecuzione. Puoi impostare limiti compatibili con il modello e misurare casi rappresentativi, ma un tetto non coincide con il consumo effettivo. Una risposta può terminare prima oppure risultare incompleta se il budget è insufficiente.

Raccogli esempi brevi, medi e impegnativi. Per ciascuno conserva input, output, esito e tempo di risposta. Usa questi dati per costruire un intervallo di spesa anziché una promessa basata su un solo tentativo. Se cambi formato della risposta, ripeti il campione: chiedere una tabella dettagliata al posto di un'etichetta modifica il lavoro richiesto. Un confronto utile mantiene costante il compito e controlla anche se il risultato è effettivamente utilizzabile.

## Fonti

- [OpenAI · Reasoning models](https://developers.openai.com/api/docs/guides/reasoning)
- [OpenAI · Pricing](https://developers.openai.com/api/docs/pricing)
- [OpenAI · Conversation state](https://developers.openai.com/api/docs/guides/conversation-state)

## Letture correlate

- [Cosa sono i reasoning token](https://www.tokenometro.it/guide/reasoning-token/index.md)
- [Quanto costano le API OpenAI?](https://www.tokenometro.it/guide/quanto-costa-api-chatgpt/index.md)
- [Come contare i token di un testo](https://www.tokenometro.it/guide/come-contare-token-ai/index.md)
