Claude Opus 4.8 vs GPT-5.5 vs Gemini 3.1 Pro: confronto dei prezzi API per contesti lunghi

La pagina di OpenAI dedicata a GPT-5.5 indica una finestra di contesto da 1.050.000 token e $5 in input / $30 in output per 1M di token. Anthropic quota Claude Opus 4.8 a $5 / $25 con contesto da 1M sulla Claude API. Google prezza Gemini 3.1 Pro Preview a $2 / $12 fino a prompt da 200K token, poi $4 / $18 oltre 200K.

Questa è tutta la partita del contesto lungo in una frase: GPT-5.5 ti offre la finestra dichiarata più grande e una tariffa di output premium, Claude Opus 4.8 supporta workflow di classe 1M con output più economico, e Gemini 3.1 Pro Preview ha il vantaggio di prezzo più netto, soprattutto quando i prompt restano sotto i 200K token.

La tabella dei prezzi che serve davvero agli sviluppatori

Ecco gli attuali prezzi di listino API di prima parte tratti dalla documentazione dei fornitori, verificati sulle pagine ufficiali il 15 giugno 2026.

Modello	Input / 1M token	Output / 1M token	Contesto massimo	Limite di output	Soglia di prezzo
GPT-5.5	$5.00	$30.00	1,050,000	128,000	Nessun livello per dimensione del prompt indicato
Claude Opus 4.8	$5.00	$25.00	1M sulla Claude API	128,000	Nessun livello per dimensione del prompt indicato
Gemini 3.1 Pro Preview	$2.00 fino a prompt da 200K, $4.00 oltre	$12.00 fino a prompt da 200K, $18.00 oltre	1M input	64K	Il prezzo dell’input raddoppia oltre 200K

La documentazione del modello OpenAI descrive GPT-5.5 come un modello frontier per lavoro professionale complesso e indica $5 di input, $0.50 di input in cache e $30 di output per 1M di token, oltre alla finestra da 1.050.000 token (OpenAI). La pagina pubblica dei prezzi di Anthropic indica Opus 4.8 a $5 di input, $25 di output, $6.25 per scrittura cache e $0.50 per lettura cache per milione di token (prezzi Anthropic). Le note del modello Opus 4.8 dicono che il modello supporta di default un contesto da 1M token sulla Claude API, Amazon Bedrock e Vertex AI, con 200K su Microsoft Foundry (documentazione Anthropic). La pagina dei prezzi di Gemini di Google indica gemini-3.1-pro-preview a $2 / $12 per prompt fino a 200K token e $4 / $18 oltre 200K (prezzi Google); la guida Gemini 3 indica 1M di contesto in input e fino a 64K di output per i modelli Gemini 3 (guida Google Gemini 3).

La trappola: “per 1M di token” fa sembrare i prezzi lineari. Gemini non è del tutto lineare. Il livello legato alla dimensione del prompt conta.

Il salto di costo: 200K token è la linea

Per molti agenti per sviluppatori, 200K token non sono tanti. Un repository medio più package-lock.json, qualche file generato e un documento di design possono superarli. Un corpus di contratti legali o un archivio di supporto clienti può fare lo stesso ancora più rapidamente.

Esempi indicativi di costo di prima parte:

Carico di lavoro	GPT-5.5	Claude Opus 4.8	Gemini 3.1 Pro Preview
100K input + 10K output	$0.80	$0.75	$0.32
250K input + 25K output	$2.00	$1.88	$1.45
1M input + 50K output	$6.50	$6.25	$4.90

Ipotesi: solo prezzi standard per token di testo, nessuno sconto batch, nessun risparmio di caching specifico del provider, nessun costo extra per strumenti, e livello più alto di Gemini applicato quando il prompt supera 200K token. Le fatture reali possono cambiare se usi prompt caching, API batch, modalità prioritarie, modalità rapide, strumenti o retry.

Il punto utile è semplice. Sotto i 200K token di prompt, Gemini 3.1 Pro Preview è drasticamente più economico a prezzo di listino. Sopra i 200K, in questi esempi resta comunque più economico di GPT-5.5 e Opus 4.8, ma il divario si riduce. Claude e GPT hanno superfici di prezzo più piatte, quindi prevedere i costi è più semplice quando la dimensione del prompt varia molto.

La finestra di contesto non coincide con il contesto utile

Una finestra da 1M token ti permette di evitare parte dell’ingegneria di retrieval. Non elimina la necessità di selezione, compressione ed eval.

Per l’analisi di un intero repository, eviterei comunque di scaricare dentro al modello tutto il repository per default. Dai prima al modello un manifesto: albero dei file, metadati dei package, script di build, grafo delle dipendenze, file modificati di recente e test falliti. Poi aggiungi i file che contano. Il contesto lungo va usato come margine di respiro, non come scusa per smettere di progettare l’agente.

Claude Opus 4.8 è esplicitamente posizionato da Anthropic per “ragionamento complesso, coding agentico a lungo orizzonte e lavoro ad alta autonomia” nelle note del modello (documentazione Anthropic). La stessa pagina evidenzia miglioramenti nel coding agentico a lungo orizzonte, nell’attivazione degli strumenti, nel recupero dopo compattazione e nella qualità su contesti lunghi. Sono esattamente le modalità di errore che emergono nei veri agenti di coding dopo la seconda ora: vincoli dimenticati, chiamate agli strumenti saltate e cattivo recupero dopo la sintesi.

OpenAI posiziona GPT-5.5 per “coding e lavoro professionale” e gli assegna la finestra di contesto più grande dichiarata qui: 1.050.000 token (OpenAI). Quei 50K in più rispetto a un 1M nominale non sono di per sé un motivo per sceglierlo, ma sono un margine utile quando il tuo livello di orchestrazione aggiunge messaggi di sistema, schemi degli strumenti, trace e file recuperati.

Google descrive Gemini 3.1 Pro Preview come il modello Pro per ampia conoscenza del mondo, ragionamento avanzato multimodale, capacità agentiche e vibe-coding nella pagina dei prezzi e nella guida Gemini 3 (prezzi Google, guida Google Gemini 3). Supporta anche una variante gemini-3.1-pro-preview-customtools, che Google suggerisce quando le app combinano Bash e strumenti custom e hanno bisogno che il modello dia priorità agli strumenti custom. È un indizio molto specifico per chi costruisce agenti.

Scelte per scenario

Se stai costruendo un agente di coding per un intero repository, parti da Claude Opus 4.8 o GPT-5.5, poi fai benchmark di Gemini 3.1 Pro Preview sulle tue trace. La tariffa di output da $25 di Claude gli dà un vantaggio di costo diretto su GPT-5.5 per pianificazione di patch verbose, code review e loop multi-step con strumenti. GPT-5.5 ha la finestra dichiarata più grande e un posizionamento forte su coding/lavoro professionale. Sceglierei GPT-5.5 quando il workflow beneficia dell’ecosistema Responses API di OpenAI o quando lo stack esistente è già nativo OpenAI.

Se stai costruendo un agente di analisi ricco di documenti, Gemini 3.1 Pro Preview è il primo modello che testerei sul costo. Con 100K input e 10K output, la stima a prezzo di listino è $0.32, meno della metà di Claude Opus 4.8 e GPT-5.5 nella tabella sopra. Se i tuoi prompt superano spesso 200K, tieni d’occhio il salto. Il salto non è fatale, ma cambia il target di ottimizzazione: mantieni in cache o riassumi il boilerplate ripetuto di frequente, ed evita di allegare ogni pagina PDF quando basta un sottoinsieme instradato.

Se ti serve una previsione dei costi stabile, Claude Opus 4.8 è il più pulito dei tre. Stesso input da $5 di GPT-5.5, output più economico, contesto da 1M e nessun livello di prompt da 200K nei prezzi indicati. Per i team che vendono le esecuzioni degli agenti come feature, un costo di output prevedibile conta.

Se ti serve il punto d’ingresso flagship a contesto lungo più economico, Gemini vince sul prezzo di listino di prima parte. Il compromesso è lo stato preview e il confine tra livelli. Trattalo come un candidato serio, non come una scelta predefinita per sempre.

Un pattern di routing pratico

Non codificare rigidamente un solo modello flagship nel tuo prodotto. Instrada in base a dimensione del prompt, rischio dell’output e tipo di task.

Una policy di partenza sensata:

if prompt_tokens <= 200_000 and task is document-heavy:
    try Gemini 3.1 Pro Preview
elif task is long-running coding agent:
    try Claude Opus 4.8
elif task needs OpenAI-native agent tooling or the largest listed window:
    try GPT-5.5
else:
    run a small eval set across all three

Se vuoi testare questi modelli senza integrare tre vendor, onehop è la strada semplice: cambia un solo base URL in https://api.onehop.ai/v1, usa chiamate compatibili con OpenAI/Anthropic e instrada Claude, GPT e Gemini da un unico punto. onehop dice di essere più economico rispetto alla prima parte, offre ai nuovi account $10 di credito gratuito e non richiede una carta.

Esempio con lo stile dell’SDK OpenAI:

from openai import OpenAI

client = OpenAI(
    api_key="ONEHOP_API_KEY",
    base_url="https://api.onehop.ai/v1",
)

response = client.chat.completions.create(
    model="claude-opus-4-8",
    messages=[
        {"role": "user", "content": "Review this repo manifest and list the riskiest files."}
    ],
)

print(response.choices[0].message.content)

La parte importante non è l’SDK. È la disciplina: stesso task, stessi file, stessa rubrica di valutazione, tre modelli. Misura il costo per esecuzione riuscita, non il costo per token in isolamento.

In sintesi

Per il 15 giugno 2026, le mie raccomandazioni predefinite sono:

• Scegli prima Gemini 3.1 Pro Preview per workload ricchi di documenti sotto i 200K token di prompt.
• Scegli prima Claude Opus 4.8 per agenti di coding a lunga esecuzione in cui contano costo dell’output e affidabilità degli strumenti.
• Scegli prima GPT-5.5 quando vuoi infrastruttura agentica nativa OpenAI o la finestra di contesto dichiarata più grande.
• Ritesta sopra i 200K token, perché il livello di prezzo di Gemini cambia i conti.
• Usa prompt caching e routing prima di rifinire il prompt fino a farlo diventare un blob enorme e costoso.

Il contesto lungo è ormai il minimo sindacale. La vera scelta è dove il tuo agente spende soldi: volume di input, verbosità dell’output, retry o errori con gli strumenti. Se vuoi un unico endpoint per confrontarli rapidamente, puoi chiamare Claude e altri modelli su onehop, poi registrarti per ottenere $10 di credito gratuito ed eseguire le tue trace di eval prima di impegnarti.