Prezzi API Ollama: costo locale vs pagamento per token

Cosa significa realmente "prezzi API Ollama"

Quando le persone digitano prezzi api ollama in una casella di ricerca, spesso cercano una tariffario, ma con il software locale non esiste. Ollama è un programma che installi e che esegue modelli a pesi aperti sul tuo computer servendoli tramite un'API HTTP locale. Non conta i token né ti invia una fattura per essi. Ollama offre anche opzioni ospitate proprie; per quelle, controlla la pagina dei prezzi attuale, poiché questo articolo non li riguarda.

Questo non rende l'inferenza locale gratuita. Il costo si sposta da una tariffa per token a cose che paghi già o devi comprare: una macchina con memoria sufficiente, elettricità, il tuo tempo per la configurazione e gli aggiornamenti, e il costo opportunità di una GPU occupata. La domanda utile non è "qual è il prezzo" ma "al mio volume, quale configurazione costa meno e funziona abbastanza bene". Il resto di questo articolo ti fornisce i numeri per il lato ospitato così da poter rispondere.

Il costo di eseguire Ollama in autonomia

Ci sono quattro voci nel lato locale del registro.

• Hardware. I modelli più grandi richiedono più memoria GPU o molta RAM di sistema. Se possiedi già una macchina adatta, questo costo è già sostenuto. Se dovessi comprarla o affittarla, è la voce più grande.
• Energia. Moltiplica il consumo della macchina in kilowatt per le ore di utilizzo e per la tua tariffa elettrica. Una GPU desktop sotto carico consuma molto più di una in idle, quindi contare solo le ore di attività è equo.
• Capacità in idle. Un server che rimane inattivo per gran parte della giornata deve comunque esistere. La fatturazione per token ti fa pagare solo quando fai una chiamata.
• Il tuo tempo. Scaricare modelli, aggiornare il runtime, monitorare la memoria, riavviare dopo i crash.

Misura i tuoi numeri invece di fidarti di una cifra generica. Registra per una settimana quanti token usa realmente il tuo carico di lavoro. Questa misurazione è anche ciò che ti serve per valutare accuratamente l'alternativa ospitata.

Tariffe ospitate e i calcoli

L'API ospitata su questo sito fattura due contatori. I token di input (il tuo prompt, inclusa qualsiasi cronologia di chat che invii di nuovo) costano $0,15 per 1M. I token di output (il completamento) costano $0,50 per 1M. Non c'è abbonamento; aggiungi credito e viene consumato per richiesta. Le richieste fallite o rifiutate non vengono addebitate e il credito non scade mai.

La formula è breve:

cost = input_tokens x 0.15 / 1,000,000 + output_tokens x 0.50 / 1,000,000

Ecco forme di job comuni con i calcoli svolti.

Compito	Token in ingresso	Token in uscita	Costo
Una risposta chat	2,000	500	$0.0003 + $0.00025 = $0.00055
1.000 risposte di questo tipo	2,000,000	500,000	$0.30 + $0.25 = $0.55
Riassumi un documento lungo	50,000	1,000	$0.0075 + $0.0005 = $0.008
Riempi il contesto completo	100,000	4,000	$0.015 + $0.002 = $0.017
Batch di 10.000 richieste	8,000,000	3,000,000	$1.20 + $1.50 = $2.70

La riga batch presuppone 800 input e 300 output token per richiesta. Nota che l'output è la voce costosa per token, ma l'input di solito domina il conteggio, quindi i prompt lunghi e gli storici delle chat sono dove vanno i soldi.

Una chat che cresce turno per turno

Le API per chat sono stateless, quindi ogni turno reinvia l'intera cronologia. Questo fa crescere il costo più velocemente del numero di turni. Prendi una conversazione di 20 turni dove ogni messaggio utente è di 150 token e ogni risposta è di 250 token, quindi ogni turno aggiunge 400 token alla cronologia.

1. Passo 1 invia 150 token di input. Passo 2 invia 150 + 400 = 550. Passo k invia 150 + 400 x (k - 1).
2. In 20 turni il totale input è 150 x 20 + 400 x (0 + 1 + ... + 19) = 3.000 + 400 x 190 = 79.000 token.
3. Il totale output è 20 x 250 = 5.000 token.
4. Costo: 79.000 x 0,15 / 1M = $0,01185, più 5.000 x 0,50 / 1M = $0,0025, per un totale di $0,01435.

Circa un centesimo e mezzo per una conversazione lunga. Se raddoppi la conversazione a 40 turni, l'input circa quadruplica, perché la cronologia continua a crescere. Tagliare o riassumere i turni vecchi è il modo principale per controllare il costo nelle app chat.

Credito, bonus e il trial

Ricarichi con qualsiasi importo intero da $20 a $500. I ricarichi più grandi comportano un bonus: +5% da $50, +10% da $100 e +15% da $200. In pratica questo significa:

• $50 compra $52,50 di credito.
• $100 compra $110,00.
• $200 compra $230,00.

Il pagamento è con carta (Visa, Mastercard, Apple Pay, Google Pay) o cripto (USDT su TRC20, USDC su Base). La pagina dei prezzi ha i dettagli attuali.

Gli utenti nuovi possono fare una prova prima di pagare. Dopo esserti registrato con Google o con email e password, la pagina della chiave API mostra un pulsante che richiede $0,50 di credito di prova, uno per persona, valido per 7 giorni, senza bisogno di carta. Con la dimensione di risposta indicata sopra (2.000 token in input, 500 in output), $0,50 coprono circa 900 risposte, il che è più che sufficiente per valutare se l'output si adatta al tuo progetto. Una chiave di prova è limitata a 2 richieste parallele e 60 richieste al minuto. Puoi ottenere la tua chiave API in pochi minuti.

Confronto per il tuo volume

Usa i tuoi conteggi token registrati e fai la somma per un mese. Diciamo che un progetto usa 50M di token di input e 10M di token di output al mese. Costo ospitato: 50 x $0,15 = $7,50, più 10 x $0,50 = $5,00, quindi $12,50. Ora metti la tua cifra locale accanto: la quota mensile dell'hardware che non possiederesti altrimenti, più l'energia per le ore di attività, più il valore del tuo tempo di manutenzione. Se quel totale è chiaramente sopra $12,50, l'hosting vince sul costo. Se possiedi già hardware in idle che gestisce bene il modello, il locale vince sul costo.

Il costo non è l'unico fattore. La versione locale mantiene i dati sul tuo computer e funziona offline. La versione ospitata elimina la necessità di una GPU, offre una finestra di contesto da 100.000 token e permette a più servizi di condividere un unico backend. Il modello ospitato è un singolo modello a pesi aperti ottimizzato per rispondere senza rifiuti di contenuto per l'uso adulto legale, quindi dipende anche dal fatto che quel modello si adatti al tuo compito. I prompt non vengono utilizzati per l'addestramento.

Un limite onesto: non esiste un piano gratuito illimitato. Dopo il trial da $0,50, paghi per token dal credito prepagato. Se il tuo lavoro richiede chiamate gratuite illimitate e possiedi l'hardware, Ollama locale è lo strumento giusto.

Errori che distorcono il confronto

Alcuni errori si presentano di nuovo e di nuovo quando le persone valutano un carico di lavoro LLM, e ciascuno può ribaltare la risposta.

• Ignorare i token di output. Un prompt breve con una risposta lunga è principalmente un costo di output. Una domanda da 300 token che genera una storia da 3.000 token costa 300 x $0,15 / 1M + 3.000 x $0,50 / 1M = $0,000045 + $0,0015 = $0,001545.
• Ignorare la cronologia reinviata. Come mostra l'esempio a 20 turni, il costo della chat scala con il contesto accumulato, non con la lunghezza dell'ultimo messaggio.
• Contare parole invece di token. Il testo inglese di solito richiede leggermente più token delle parole, e il codice o gli script non latini richiedono ancora di più. Leggi i numeri di utilizzo restituiti con ogni risposta e usali, non una stima.
• Prezzare l'hardware locale a zero. Una GPU che possiedi già si consuma e consuma comunque energia, anche se non scrivi un assegno per essa.
• Confrontare modelli diversi. Un modello locale piccolo e uno più grande in hosting non producono la stessa qualità. Un costo inferiore per token non significa un costo inferiore per una buona risposta se hai bisogno di molti tentativi.

L'ultimo punto merita un test piuttosto che un'opinione. Prendi venti prompt reali dal tuo progetto, eseguili su entrambe le configurazioni e giudica le risposte. Poi valuta il vincitore al tuo volume reale.

Monitorare la spesa

Ogni risposta dell'API ospitata include l'intestazione X-Balance-USD con il tuo credito residuo, oltre a X-Request-Id per i ticket di supporto. Puoi leggerla nel codice e avvisarti prima che il saldo si esaurisca.

Copyimport requests

r = requests.post(
    "https://api.ollamaapi.cc/v1/chat/completions",
    headers={"Authorization": "Bearer YOUR_API_KEY"},
    json={
        "model": "uncensored",
        "messages": [{"role": "user", "content": "Say hello."}],
        "max_tokens": 20,
    },
    timeout=60,
)
print(r.json()["choices"][0]["message"]["content"])
print("Balance:", r.headers.get("X-Balance-USD"))

Impostare max_tokens è opzionale, poiché un completamento può utilizzare il resto della finestra, ma è una protezione economica contro output incontrollati. La documentazione copre le altre intestazioni e i limiti di richiesta.

Altre guide

• API Ollama in Python e un’alternativa ospitata
• API Ollama vs OpenRouter: quale fa per te
• Guida alla chiave API Mistral