Ogni scheda di modello porta un numero come «200K di contesto» o «1M di contesto». Sembra una specifica di capacità, come lo spazio su disco. È piuttosto un budget che spendi a ogni singola richiesta — e la maggior parte di ciò che lo consuma non è quello che hai scritto tu.
Cifre verificate l'ultima volta il 26 agosto 2026.
Cos'è la lunghezza di contesto
Un modello non ha memoria. Ogni volta che lo chiami gli rimandi l'intera conversazione — prompt di sistema, ogni turno precedente, qualsiasi file allegato — e lui legge tutto prima di scrivere una parola.
La lunghezza di contesto è la dimensione massima di quel pacchetto, misurata in token. Un token è un piccolo pezzo di testo, in inglese circa tre quarti di parola.
Quindi non è memoria di archiviazione. È la dimensione della scrivania su cui il modello può stendere i tuoi documenti, sgombrata da capo a ogni richiesta.
I limiti reali di oggi
| Lunghezza di contesto | Modelli di quella dimensione |
|---|---|
| 32.768 | Qwen 2.5 Coder 32B |
| 200.000 | Claude Haiku 4.5 |
| 262.144 | Kimi K2.7 Code |
| 400.000 | Tutta la famiglia GPT-5, ogni variante Codex compresa |
| 1.000.000 | Claude Opus 5, Claude Sonnet 5, Qwen3 Coder Flash e Plus |
| 1.048.576 | Famiglie Gemini 2.5 e 3.x, DeepSeek V4 Pro |
Due cose meritano attenzione.
Un milione di token sono circa 750.000 parole — vari romanzi lunghi. Quasi nessuna applicazione ne ha bisogno, e quelle che ne hanno bisogno di solito hanno un problema di recupero, non di contesto.
1.048.576 è 2²⁰, non una cifra tonda da marketing. Dove un fornitore dichiara esattamente 1.000.000 ha arrotondato; dove dichiara 1.048.576 sta riportando la dimensione reale del buffer.
Prezzi per token e lunghezze di contesto di ogni modello di testo sono sulla pagina dei modelli di chat.
Cosa la riempie davvero
Questa è la parte che le schede di modello non ti dicono. La documentazione di Anthropic pubblica i conteggi esatti di token per alcune richieste minime, e sono istruttivi:
| Cosa è stato inviato | Token di input |
|---|---|
| Un prompt di sistema di cinque parole più un messaggio di due | 14 |
| Una domanda di nove parole più una definizione di strumento | 403 |
| Un'immagine più «Describe this image» | 1.028 |
| Un PDF più «Please summarize this document.» | 2.188 |
Una definizione di strumento costa circa 390 token. Un agente con venti strumenti spende circa 8.000 token della sua finestra prima che l'utente abbia scritto qualcosa — e li paga a ogni richiesta.
Un'immagine sono circa mille token. Venti screenshot sono 20.000.
E la conversazione stessa cresce. Il turno 10 si porta dietro i turni dall'1 al 9. Una chat che all'inizio sembrava piccola alla fine è la cosa più grande della richiesta.
Quindi un modello da «200K di contesto» dentro un agente con quindici strumenti, un prompt di sistema lungo e qualche screenshot non parte da 200K. Parte parecchio più in basso, e si restringe a ogni turno.
La trappola: lo stesso testo non è lo stesso numero di token
La lunghezza di contesto si misura in token, e i token non sono un'unità stabile fra modelli diversi.
La documentazione di Anthropic afferma che Claude 4.7 e successivi usano un tokenizzatore più recente in cui «lo stesso testo di input produce circa il 30 per cento di token in più rispetto ai modelli precedenti».
Il che significa: un prompt misurato in 150.000 token su un modello più vecchio può essere circa 195.000 su uno più nuovo — le stesse parole, trenta per cento di finestra in più e trenta per cento di costo in più. Se hai dimensionato una pipeline di elaborazione documenti su un modello e poi hai cambiato, rimisura prima di dare per scontato che ci stia ancora.
I fornitori ti danno come verificare. L'endpoint di conteggio token di Anthropic è gratuito da chiamare. Conta sul modello esatto che intendi eseguire.
Cosa succede quando finisce lo spazio
Non un degrado elegante. A seconda del fornitore ottieni un errore, un input troncato, o cronologia scartata in silenzio — ed è il terzo il pericoloso, perché il modello risponde con sicurezza partendo da una conversazione che non vede più per intero.
Tre vie d'uscita, in ordine di lavoro richiesto:
Tagliare. Eliminare o riassumere i turni più vecchi. La più economica da costruire, e di solito basta per una chat.
Mettere in cache. Se la parte grossa del tuo contesto è un prefisso fisso — un prompt di sistema lungo, un documento di riferimento —, la cache dei prompt permette al fornitore di conservarlo e di addebitare una frazione per rileggerlo. Questo non allarga la finestra, ma toglie gran parte del costo di riempirla.
Recuperare. Smettere di inviare l'intero corpus e mandare solo le parti rilevanti. Più ingegneria, ma è l'unico approccio che non peggiora man mano che i tuoi dati crescono.
Puntare a una finestra di contesto più grande è la quarta opzione, e di solito la più costosa — perché paghi ogni token di quella finestra a ogni richiesta.
Una finestra più grande costa di più?
Non per token. Un modello con 1M di contesto non viene fatturato a una tariffa più alta di uno da 200K per la stessa richiesta; Claude Sonnet 5 costa 2,00 $ per milione di token di input sia che tu invii cinquecento token sia cinquecentomila.
Ma una finestra più grande rende facile spendere di più, perché toglie l'errore che ti avrebbe fermato. Riempire una finestra da un milione di token a 2,00 $ per milione costa 2,00 $ a richiesta — e se quella richiesta è un turno di chat che avviene cinquantamila volte al mese, l'aritmetica diventa seria in fretta.
La disciplina è la stessa in entrambi i casi: manda il meno che puoi, non il massimo che ti è concesso.
In breve
- La lunghezza di contesto è la dimensione massima di una richiesta, in token, non una memoria.
- I limiti odierni vanno da circa 33K a circa 1M; quasi tutto il lavoro in produzione sta comodo nella fascia bassa.
- Le definizioni di strumento (~390 token l'una), le immagini (~1.000), i PDF (~2.000) e la cronologia rinviata la riempiono più in fretta dei tuoi prompt.
- Lo stesso testo è un numero diverso di token su modelli diversi — rimisura quando cambi.
- Una finestra più grande non costa di più per token. Rende solo più facile spenderne di più.
Esplora di più su ElliSekiz
Confronta lunghezze di contesto e prezzi dei token affiancati. La pagina dei modelli di chat elenca ogni modello di testo con le sue tariffe di input e output.
Poi misura il tuo prompt. Ogni pagina di modello ha un playground — lancia una richiesta vera e leggi i conteggi di token reali prima di dimensionare qualsiasi cosa.
Fonti
- API dei modelli di OpenRouter,
https://openrouter.ai/api/v1/models(lunghezze di contesto, letta il 26/08/2026) - Anthropic — Token counting (conteggi di esempio documentati, cambio di tokenizzatore, endpoint di conteggio gratuito)