Token Claude: il rincaro invisibile di Opus 4.7 e l’architettura che lo assorbe

Intorno al 14 maggio Anthropic ha lanciato Opus 4.7 senza toccare il listino — $5/M in input e $25/M in output, come 4.6 — ma con un nuovo tokenizer che, sullo stesso testo, genera il 32–45% di token Claude nativi in più. In produzione equivale a un rincaro del 12–27% mai comparso nella pagina dei prezzi. Nella stessa settimana GPT-5.5 ha invece raddoppiato le tariffe alla luce del sole. Le mie sei routine ne hanno risentito appena: merito dell’architettura, non della fortuna.

Tre fornitori, tre meccanismi, una sola direzione

Nell’arco di una settimana, tre fornitori hanno aumentato il costo reale dell’AI attraverso tre leve diverse. Le pagine dei prezzi ne mostrano esattamente una.

OpenAI ha scelto la via esplicita. L’input di GPT-5.5 è passato da $2.50 a $5.00 per milione di token, l’output da $15 a $30 per milione: un 2x netto su entrambi i fronti. Nel campione degli utenti OpenRouter passati da 5.4 a 5.5 sugli stessi carichi di lavoro, l’aumento effettivo rilevato è stato del +49–92%, a seconda della distribuzione della lunghezza dei prompt. È la versione trasparente di un rincaro: cambia un numero, si può discuterne con gli acquisti e si può instradare il traffico altrove.

Anthropic ha agito senza renderlo visibile. Il prezzo di listino di Opus 4.7 è identico a quello di 4.6: nella pagina dei prezzi non si è mosso un pixel. A cambiare è stato il tokenizer. Sullo stesso testo, il nuovo modello genera il 32–45% di token nativi in più. Anthropic ha dichiarato un intervallo di inflazione di 1.0–1.35x; OpenRouter ha misurato circa il 45% sotto i 2K token e circa il 32–34% sui carichi di produzione oltre i 10K. Risultato sul costo reale: +12–27% per tutto ciò che supera i 2K, con un lieve risparmio al di sotto. Nessun annuncio a cui reagire, nessun evento che spinga a cambiare fornitore, nessun motivo che attivi l’ufficio acquisti: semplicemente, la fattura del mese successivo è più alta.

GitHub è intervenuta sulla struttura. Dal 1 giugno, le unità delle richieste premium di Copilot diventano AI Credits conteggiati per token alle tariffe API pubblicate, token in cache compresi. I prezzi dei piani base non cambiano. I più colpiti sono gli utenti con piani annuali che impiegano agenti AI in cicli di refactoring a contesto lungo, mentre si sommano i moltiplicatori dei modelli.

Il punto non è stabilire quale fornitore sia il cattivo. Il punto è che la pagina dei prezzi non rappresenta più la fattura. Il listino resta necessario, ma non basta: qualunque modello di costo che non campioni l’output in token nativi dei propri carichi è pura finzione.

Perché l’aumento dei token Claude dovrebbe preoccupare

Tra i tre meccanismi comparsi questa settimana, la modifica al tokenizer Claude è la più insidiosa: cambia in silenzio il modo in cui chi gestisce sistemi AI deve ragionare sui costi.

Il dato, ormai, è sostenuto da riscontri solidi. L’analisi degli utenti che hanno effettuato il passaggio, condotta da OpenRouter ha rilevato il 32–45% di token nativi in più sul traffico reale di produzione. Simon Willison ha sottoposto gli stessi prompt direttamente al tokenizer di Anthropic e ha ottenuto un’inflazione di circa 1.46x sui prompt di sistema. La nota di rilascio di Opus 4.7 pubblicata da Anthropic dichiara un intervallo di 1.0–1.35x. Tre misurazioni indipendenti, tutte nella stessa direzione. Il fenomeno è reale: non è un artefatto del campionamento né una stranezza del benchmark.

A renderlo pericoloso sul piano operativo è il modo in cui arriva. Un aumento esplicito ha una data precisa: l’ufficio legale rilegge il contratto, la finanza aggiorna le previsioni, l’ingegneria valuta un’alternativa. Il cambio di tokenizer, invece, applica un rincaro retroattivo a tutto ciò che è già in produzione. Ogni prompt nel codice, ogni messaggio di sistema ottimizzato negli ultimi sei mesi, ogni blocco di contesto in cache: dal momento in cui il client raggiunge l’endpoint del nuovo modello, tutto pesa il 32–45% in più. Non c’è una voce di fattura da mostrare al CFO. Il totale è semplicemente più alto di prima.

Per un fornitore è uno strumento molto più efficace di un rincaro annunciato. Non dà ai clienti un motivo immediato per andarsene. Non rischia di perdere il confronto nelle pagine comparative. Non innesca un ciclo di titoli come “Anthropic aumenta i prezzi del 27%”. Sembra un aggiornamento del modello, e lo è davvero. Intanto, però, l’economia del servizio cambia sotto traccia.

Per chi gestisce il sistema, cambia la leva su cui vale la pena intervenire. Negoziare il prezzo di listino era già poco produttivo. Ora è irrilevante: il costo non vive più nel tariffario.

L’architettura che ha assorbito l’aumento

Faccio passare sei routine editoriali attraverso un unico punto di controllo: generazione del brief, stesura, revisione coerente con la voce, fact-check, indirizzo creativo per le immagini e controllo QA finale. Due hanno usato Opus proprio il giorno dell’aggiornamento. Il tetto rigido di $20 al giorno ha retto. Anche il limite di $1 per singola esecuzione. Il costo per articolo è cresciuto di una percentuale a una cifra.

Non è fortuna. Avevo predisposto queste quattro leve prima delle notizie della settimana, perché avevo analizzato il passaggio dell’Agent SDK a un conteggio separato e l’aumento dei limiti settimanali di Claude Code, arrivando alla conclusione che la volatilità dei costi imposta dai fornitori fosse ormai la norma, non l’eccezione. Meccanismi diversi, stessa architettura di controllo.

Leva 1 — un prefisso stabile nella cache dei prompt. Ogni routine antepone un contratto in markdown (~3500 token) e un blocco di voce della categoria (~1500 token), raccolti in un prefisso effimero memorizzato in cache per 1 ora. Grazie allo sconto del 90% sulla cache, l’inflazione del tokenizer ricade quasi interamente sulla piccola coda dinamica. I dati dettagliati di OpenRouter mostrano che la cache assorbe il 9% dei token extra per prompt da 10–25K, il 77% tra 50–128K e il 93% oltre 128K. La mia routine di stesura si attesta su ~14K, quindi la cache assorbe circa il 9% dell’inflazione; allo stesso tempo, 5K dei 14K complessivi sono testo stabile in cache che altrimenti avrebbe subito l’aumento per intero. Questa scelta architetturale fa da sola il 70% del lavoro.

Leva 2 — routing dei modelli. La stesura usa Sonnet. La sintesi del brief e l’assegnazione della categoria usano Haiku. Opus resta riservato ai rari passaggi di ricerca approfondita. La variazione di prezzo di un solo fornitore non può spostare l’intera fattura, perché il modello di frontiera non è quello predefinito. Il router mantiene inoltre aperta la possibilità di cambiare: quando GPT-5.5 ha raddoppiato le tariffe, potevo spostare una qualsiasi routine su un concorrente senza riscrivere l’architettura.

Leva 3 — disciplina sulla lunghezza dei prompt. La fascia 2K–10K è la più penalizzata su Opus 4.7: nei dati sugli utenti che hanno effettuato il passaggio, il costo reale sale del +27–69%. È anche la fascia tipica del prompt engineering pigro: esempi few-shot troppo lunghi, definizioni di ruolo ridondanti, contesto obsoleto mai eliminato. Comprimere il contesto ormai inutile non è più semplice igiene: produce un ritorno economico diretto.

Leva 4 — un solo punto di controllo della spesa. Ogni chiamata a pagamento passa da un’unica funzione. Controllo prima dell’esecuzione: la spesa di oggi è inferiore a $20? Controllo dopo l’esecuzione: questa istanza è costata meno di $1? Se una delle risposte è negativa, la routine si arresta e mi invia un avviso. Se un fornitore raddoppia il numero di token da un giorno all’altro, il costo per articolo varia di una percentuale a una cifra, non del 27%, perché il limite protegge il sistema. Il tetto non rende il modello più economico; impone un limite al caso peggiore.

La parte da dire con franchezza è questa: il prefisso in cache è la leva portante. Le altre tre sono un’assicurazione. Se avessi assemblato i prompt caso per caso a ogni richiesta, come fa ancora la maggior parte dei team, l’intero 32–45% sarebbe finito in fattura e me ne sarei accorto nella seconda settimana, non alla settimana zero.

Cosa fare questa settimana

Chi usa Opus 4.7 dovrebbe smettere di osservare la pagina dei prezzi e iniziare a controllare il conteggio dei token Claude sui propri carichi. Basta campionare 100 chiamate di produzione, passarle attraverso l’endpoint di conteggio token di Anthropic su 4.6 e 4.7 e misurare lo scarto effettivo sui propri prompt. Poi occorre riorganizzare i prompt attorno a un prefisso stabile in cache questa settimana: non nel prossimo sprint, non al prossimo ciclo di pianificazione. La cache è l’unica leva che scala con la lunghezza del prompt, proprio il punto in cui l’inflazione è più forte.

Chi usa GPT-5.5 dovrebbe fare i conti sul proprio traffico prima di lasciare 5.4. Il raddoppio della tariffa è compensato in parte da una riduzione del –19 al –34% nella lunghezza dei completamenti oltre i 10K token, quindi il costo reale dipende interamente dal rapporto tra output e input. Per un carico di refactoring a contesto lungo, il saldo può risultare quasi invariato. Per un prodotto conversazionale, no.

Chi usa Copilot dovrebbe recuperare l’anteprima dei consumi di inizio maggio prima del 1 giugno. Gli utenti del piano base che inviano un singolo prompt alla volta non noteranno la differenza.

Il quadro più ampio è questo: l’AI è ormai la voce più volatile del budget tecnologico. AWS non raddoppia da un giorno all’altro. Il contatore della banda CDN non si moltiplica di nascosto per 1.4x. Postgres non cambia tokenizer. Il layer AI ha appena fatto tutte e tre le cose in una settimana. Per i team attenti ai costi, l’architettura di controllo — struttura della cache, router dei modelli, disciplina sulla lunghezza e tetto rigido alla spesa — non è più facoltativa. È il prezzo da pagare per portare in produzione questa categoria di infrastruttura.

I fornitori continueranno a farlo. Conviene costruire un punto di controllo, altrimenti ogni loro decisione ricadrà sul conto per i prossimi dodici mesi.