GPT-5.6 Sol vs Terra vs Luna: il costo reale dei progetti video AI

Il listino dei prezzi dei token non può dirti il costo di AI Video. Può solo indicarti il prezzo della risposta del modello. Il costo del progetto dipende dalla frequenza con cui la risposta deve essere modificata, dalla possibilità di evitare errori di rendering, dal numero di contesti inviati ripetutamente e da quali attività richiedono realmente un ragionamento avanzato.

Al 28 agosto 2026, OpenAI elenca GPT-5.6 Sol a 4 USD per milione di token di input e 20 USD per milione di token di output, Terra a 2 USD e 12 USD, Luna a 0,20 USD e 1,20 USD. I costi di input in cache sono rispettivamente 0,40 USD, 0,20 USD e 0,02 USD. Secondo la tariffa di OpenAI, il prezzo attuale di Sol è promozionale almeno fino al 21 novembre.

Questo articolo simula un flusso di lavoro di pre-produzione per un video anime di un minuto nella realtà. GPT-5.6 viene utilizzato per l'analisi di testo e immagini, la pianificazione, la generazione di suggerimenti e la revisione, non per il rendering diretto del video.

Progetti in fase di verifica

Supponiamo che un creatore indipendente stia realizzando un cortometraggio animato di 60 secondi composto da otto inquadrature. Il flusso di lavoro include:

• sviluppo dei prerequisiti;
• Un copione di 900 parole;
• Specifiche dei caratteri;
• Un storyboard di otto inquadrature;
• Ottava generazione di prompt e revisioni;
• Direzione vocale e audio;
• Eseguire il controllo di continuità utilizzando i fotogrammi selezionati;
• Titolo, descrizione, sottotitoli e metadati della piattaforma.

I costi di video, immagini, voce e editing variano a seconda della piattaforma e non sono inclusi nel calcolo dei token. Questa esclusione è intenzionale: vogliamo prima comprendere il livello di pianificazione, poi studiare come questo influisce sul costoso livello di rendering.

Puoi eseguire questo flusso completo in Elser AI, dove script, personaggi, storyboard, scene, audio e montaggio finale rimangono collegati. Il calcolo seguente aiuta a decidere quale modello linguistico supporta ciascuna decisione.

Inserimento del prezzo corrente

| Modello | Input non memorizzato nella cache / 1M | Input memorizzato nella cache / 1M | Output / 1M | | Sol | $4.00 | $0.40 | $20.00 | | Terra | $2.00 | $0.20 | $12.00 | | Luna | $0.20 | $0.02 | $1.20 |

La formula di base è:

cost = (numero di token di input non memorizzati nella cache × tasso di input / 1,000,000) + (numero di token di cache in input × tariffa cache / 1.000.000) + (numero di token di output × tariffa di output / 1.000.000)

La fatturazione si basa sempre sui dati effettivi di utilizzo delle API. La stima da parole a token è solo uno strumento di pianificazione, non una fattura.

Scenario A: utilizzo di un unico modello per tutte le attività

Supponendo che il progetto abbia consumato 160.000 token di input e 55.000 token di output durante il processo di report di ricerca, iterazione e revisione, senza utilizzare la cache.

Thor

Input: 0.16 × $4.00 = $0.64 Output: 0.055 × $20.00 = $1.10 Totale: $1.74

Terra

Input: 0.16 × $2.00 = $0.32 输出：0.055 × $12.00 = $0.66 Totale: $0.98

Luna

Input: 0.16 × $0.20 = $0.032 Output: 0.055 × $1.20 = $0.066 Totale: $0.098

In questo caso semplificato, il costo di Luna è circa un decimo di quello di Terra. Tuttavia, la differenza assoluta tra Terra e Sol è di soli 0,76 dollari. Se Sol riesce a evitare un rendering video non necessario, a livello di progetto potrebbe risultare più economico. Al contrario, usare Sol per generare nomi di file non fa risparmiare quasi nulla, ma consuma potenza di calcolo di fascia alta che potrebbe essere più utile in scenari ad alto valore.

Scenario B: Assegnazione del lavoro per difficoltà

Compiti di routing più vicini all'ambiente di produzione reale:

Luna：80.000 input, 25.000 output

Usa Luna per l'espansione creativa, la gestione dei metadati, la regolazione dei formati, la pulizia dei sottotitoli, la standardizzazione dei log delle riprese e la compilazione dei modelli di prompt.

0.08 × $0.20 + 0.025 × $1.20 = $0.046

Terra: 65.000 input, 24.000 output

Sviluppo di script, pianificazione delle inquadrature, dialoghi, suggerimenti di scena e riepilogo delle revisioni con Terra.

0,065 × $2,00 + 0,024 × $12,00 = $0,418

Sol: 25.000 input, 6.000 output

Eseguire la revisione narrativa finale, il rilevamento delle contraddizioni e la diagnosi degli scenari di fallimento più costosi utilizzando Sol.

0.025 × $4.00 + 0.006 × $20.00 = $0.22

Totale delle rotte

Il flusso di lavoro di routing costa circa 0,684 dollari in token del modello di testo. Nel nostro esempio, è più economico rispetto all'uso esclusivo di Terra e offre una capacità di ragionamento più forte in due momenti cruciali in cui si potrebbero evitare costosi errori.

Questo non è un benchmark generico. Mostra un metodo: stimare il volume di lavoro, misurare l'utilizzo effettivo e pagare dove la capacità modifica il tasso di accettazione.

Scenario C: Aggiungere la cache dei suggerimenti

Supponiamo che il progetto invii ripetutamente una bibbia di produzione stabile di 12.000 parole contenente una tabella dei ruoli, una guida di stile, vincoli di sicurezza, terminologia e un modello di output, e che questo contenuto appaia in 12 richieste.

Senza utilizzare la cache, questo blocco genererà 144.000 token di input. Se si include una scrittura non in cache e 11 letture in cache, il costo approssimativo di input di Terra è:

Primi 12.000 token non memorizzati nella cache: 0,012 × $2,00 = $0,024 Successivo 132.000 cache: 0,132 × $0,20 = $0,0264 Totale input contesto stabile: $0.0504

Se non si utilizza la cache, lo stesso contesto costerà:

0,144 × $2,00 = $0,288

Per questo blocco di contesto, la riduzione è dell'82,5%. Non si tratta di un risparmio sull'intero progetto, poiché i prompt variabili e gli output vengono comunque fatturati al prezzo normale.

Per migliorare il riutilizzo della cache:

• Per prima cosa posiziona il contenuto stabile;
• Mantenere invariata la formulazione e l'ordine;
• Istruzioni per lo scenario di separazione delle variabili dopo il punto di interruzione;
• Evitare di iniettare timestamp o ID di richiesta in prefissi stabili;
• Misura il tasso di hit della cache, invece di assumere che avvenga.

Il costo che conta davvero: una produzione accettabile

Esegui la stessa contabilità dei costi su un cortometraggio reale su Elser AI. Registrati, crea una scena rappresentativa e misura i deliverable approvati, non i contenuti generati grezzi.

Immagina due metodi di generazione di prompt:

• Dopo quattro revisioni, Luna ha generato un suggerimento di ripresa utilizzabile.
• Dopo due revisioni, Terra ha generato un suggerimento di ripresa utilizzabile.

Luna potrebbe ancora essere più economica in termini di costo dei token, ma il tempo aggiuntivo di revisione manuale potrebbe diventare predominante. Ora supponiamo che un prompt più debole porti a due fallimenti di rendering video, ciascuno del costo di 1 dollaro. Il risparmio sui token di testo scompare.

Tracciare il costo di ogni scatto accettato, incluso:

Costo del modello di testo

• Generazione immagine/riferimento
• Generazione ed estensione video
• Voce e audio
• Ingrandisci/Esporta
• Tempo di revisione manuale
• Costo dell'output scartato

Il modello corretto è quello in grado di minimizzare questa quantità totale, soddisfacendo al contempo i requisiti di qualità e di turnaround.

Suggerimenti per fasi

Esplorazione dei presupposti: Luna

Richiedere 30 premesse vincolate in una tabella. Il costo della selezione manuale è basso, quindi è ragionevole utilizzare Luna per generare più opzioni.

Script e logica dei personaggi: Terra

Terra è l'opzione predefinita per la stesura e la revisione. Offre più spazio per conversazioni dettagliate e continuità, senza dover pagare il prezzo intero di Sol.

Formato dello storyboard e dei suggerimenti: prima Terra, poi Luna

Usa Terra per definire l'intento di ripresa e la logica della fotocamera. Una volta approvato il modello, Luna può compilare i campi strutturati ripetitivi.

Diagnosi di scenario ad alto rischio: Sol

Invia il prompt, il fotogramma di riferimento, l'output fallito e una sintetica cronologia dei test. Chiedi a Sol di classificare le possibili cause e proporre un piano di esperimenti a variabile singola.

Pulizia dei metadati e dei sottotitoli: Luna

Questi sono compiti ad alta capacità e testabili. Utilizzano un'architettura rigorosa e controlli automatizzati.

Audit finale di continuità: Sol o Terra

Per narrazioni complesse con molti riferimenti, usa Sol. Per contenuti brevi con regole chiare, Terra è sufficiente.

Dopo l'approvazione, sposta gli asset su Elser AI per generare e assemblare scene, voce, musica ed effetti, mantenendo al contempo le modifiche collegate al progetto originale.

Non pagare per output non necessari

Il costo dei token di output è da cinque a sei volte quello dei token di input, e questo vale per tutti e tre i modelli. La richiesta supporta il prodotto minimo per la prossima decisione.

Invece di:

Un'analisi completa di ogni possibile problema presente in questa foto.

Utilizzo:

Restituisci le cinque cause di guasto più probabili, le prove per ciascuna causa e un test controllato. Massimo 500 parole.

Quando un essere umano o uno strumento ha bisogno di consumare una risposta, richiedi tabelle, JSON o campi fissi. Introduzioni prolisse e motivazionali non migliorano la qualità della produzione.

Inserimento di immagini e strumenti di budget

I semplici calcoli sopra riportati coprono solo i token di testo. Gli input di immagini vengono tokenizzati e le chiamate agli strumenti possono generare costi aggiuntivi. Anche l'elaborazione rapida potrebbe avere prezzi diversi. Utilizza il dashboard di risposta e fatturazione di OpenAI per tenere traccia:

• Input non memorizzato in cache;
• Input memorizzato nella cache;
• token di output e di inferenza;
• Input immagine;
• Utilizzo di ricerca web o altri strumenti;
• Livello di elaborazione.

Non applicare i risultati della stima del testo semplice a flussi di lavoro visivamente intensivi.

Costruzione del libro mastro dei costi di produzione

Quando le ipotesi di budget sono pronte, inizia a creare con Elser AI e verifica il percorso completo dalla sceneggiatura alla scena finale prima di impegnare una spesa mensile.

Crea una riga per ogni consegna accettata:

| Consegna | Modello | Tentativi | Input | Cache | Output | Costo strumenti | Costo rendering | Minuti revisione | Accettato? | |---|---|---:|---:|---:|---:|---:|---:|---:|---|

Dopo cinque progetti, il modello diventa chiaro. Potresti scoprire che Sol riduce il numero di revisioni dei copioni, ma non aggiunge valore alla scrittura dei sottotitoli, o che una migliore tabella di riferimento fa risparmiare più costi di qualsiasi modifica al modello.

Se Elser è il tuo ambiente di produzione, includi la versione generata da Elser e la revisione finale del montaggio nello stesso registro. L'obiettivo è ottimizzare l'intero flusso, non una singola voce API.

Domande frequenti

Quanto costa creare un video AI con GPT-5.6?

Non esiste un importo fisso. Nel nostro flusso di lavoro dimostrativo di un minuto, il costo di utilizzo del testo per il routing GPT-5.6 è inferiore a 1 dollaro, esclusi immagini, video, audio, strumenti e lavoro umano. Il tuo utilizzo effettivo potrebbe variare notevolmente.

Luna è sempre l’opzione più economica?

Ha la tariffa per token più bassa. Tuttavia, quando il compito è ambiguo o ad alto rischio, potrebbe non essere l'opzione più economica per ogni risultato accettato.

Quando dovresti usare Sol?

Utilizzato per pianificazione complessa, ragionamento inter-documento, diagnosi di guasti difficili o revisioni finali, in scenari in cui una decisione migliore può evitare costosi errori di produzione.

Quali sono le impostazioni predefinite migliori per i creatori?

Terra è l'opzione predefinita per l'equilibrio. Instrada i compiti strutturati ripetitivi a Luna e inoltra le decisioni più difficili a Sol.

La cache può ridurre i costi di output?

No. Riduce il costo di input ripetuti idonei. Mantieni l'output conciso e strutturato per controllare le spese di output.

Conclusione

Il flusso di lavoro AI video più economico non utilizza il modello linguistico più economico. È invece un flusso di lavoro che raggiunge un video finale accettabile con il minor numero di cicli sprecati. Assegna i compiti ripetitivi a Luna, lo sviluppo a Terra e le decisioni costose a Sol. Mantieni in cache il contesto stabile, vincola l'output e misura il costo totale per ogni scatto accettabile. Questo trasforma i prezzi da slogan pubblicitario a un reale vantaggio produttivo.