Quattro miliardi di token dopo: un mese con un assistente IA in numeri
Ho chiesto a un piccolo strumento da console cosa ha fatto per me il mio assistente IA in quattro settimane. La risposta: quasi quattro miliardi di token, 80 romanzi di testo e un conto da 1.400 dollari che non ho mai dovuto pagare. Uno sguardo ai numeri - per chi non ha mai sentito la parola "token".

🌐 Anche in: English · Deutsch · Français · Español · Português · Nederlands · Polski
Da qualche mese una buona parte di questo blog e del codice Ansible che ci sta dietro viene scritta insieme a un assistente IA: Claude, nella sua versione a riga di comando Claude Code. Scrive codice, esegue comandi sui server, legge file di log e prepara bozze di articoli; io decido, controllo e dico abbastanza spesso “no, non così”. A un certo punto ho voluto sapere a quanto ammonta davvero tutto questo. Non a sensazione, in numeri.
Per questo c’è un piccolo strumento della community, ccusage. Legge i file di log che Claude Code tiene sul mio computer e li somma. Una riga nel terminale:
npx ccusage@latest daily --since 20260923
npx scarica lo strumento, lo esegue una volta e lo dimentica di nuovo. Legge solo i file di log locali e non manda il loro contenuto da nessuna parte; l’unica cosa che preleva da internet è il listino prezzi attuale. Ecco cosa è venuto fuori per le quattro settimane dal 23 settembre al 21 ottobre 2026.
Indice
🔢 I numeri grezzi
| Valore | |
|---|---|
| Giorni con un qualche uso | 25 su 29 |
| Token in totale | 3.973.410.229 - quasi quattro miliardi |
| … di cui riletti dalla “memoria” (cache) | 3,90 miliardi (98 %) |
| … messi nuovi nella memoria | 60,5 milioni |
| … scritti dall’assistente | 8,7 milioni |
| … digitati da me come input nuovo | 18.342 |
| Giorno più intenso | 19 ottobre: 377 milioni di token |
| Prezzo calcolato a listino | 1.407 dollari USA |
🧩 Ma cos’è un token?
Un modello linguistico non legge lettere né parole intere, legge token: pezzi di parole. “Firewall” potrebbe essere due token, “the” è uno, una lunga parola tedesca come “Datenbankverbindung” può essere quattro o cinque. Come regola pratica, 100 token sono circa 75 parole inglesi. Tutto viene contato in token: ciò che entra, ciò che esce e - questa è la parte interessante - ciò che il modello deve rileggere.
📚 98 % di rilettura
La riga più sorprendente della tabella è la cache. Di quasi quattro miliardi di token, 3,9 miliardi non erano affatto nuovi. Erano la stessa conversazione, letta di nuovo.
Ecco come funziona un assistente del genere: non ha memoria tra un passo e l’altro. Prima di ogni singola risposta - ogni comando che esegue, ogni file che legge - gli viene passata di nuovo l’intera conversazione fino a quel momento: le mie domande, le sue risposte, ogni estratto di log, ogni file. Una lunga sessione di lavoro su un server arriva facilmente alle dimensioni di un libriccino, e quel libro viene riletto per il passo successivo. E per quello dopo. E per quello dopo ancora.
Immagina un impiegato che, prima di scrivere ogni frase di una lettera, rilegge l’intero fascicolo dalla prima pagina. Quello è il mio assistente. Per ogni token che scrive, ne rilegge circa 450. La buona notizia: rileggere costa poco. Il provider tiene la conversazione pronta in una cache, quindi un token riletto costa solo circa un decimo di uno nuovo. Il che spiega anche perché quattro miliardi di token suonano molto più drammatici di quanto siano.
✍️ Cosa significa nella vita di tutti i giorni
- 80 romanzi. Gli 8,7 milioni di token scritti dall’assistente sono circa 6,5 milioni di parole - all’incirca 80 romanzi di lunghezza media. Stampati, fanno una pila di carta alta circa 2,6 metri. La maggior parte, a dire il vero, non è letteratura ma file di configurazione, comandi shell e spiegazioni del perché il firewall ha fatto qualcosa di inaspettato.
- 23 anni di lettura. Se una persona volesse leggere tutti e quattro i miliardi di token a un ritmo normale, senza dormire, senza caffè, senza weekend, le servirebbero circa 23 anni. Con otto ore al giorno, sarebbe un’intera vita lavorativa.
- 475 volte più risposta che domanda. Il mio input nuovo è stato di 18.342 token - qualche pagina di testo in quattro settimane. Istruzioni brevi come “controlla i log”, “sì, fallo così” o “perché è rosso?”. Il resto viene dall’assistente: tutto ciò che ha letto sui server, scritto e spiegato.
- Quattro giorni liberi. 25 giorni su 29 hanno avuto un qualche uso. A quanto pare anche un assistente IA si prende un weekend ogni tanto - o meglio, lo fa il suo umano.
💸 Il conto che non è mai arrivato
Lo strumento calcola anche un prezzo: 1.407 dollari USA per quattro settimane, circa 56 dollari per giorno attivo, 118 in quello più intenso. Sembra tanto - e non è quello che ho pagato.
Il numero è quanto costerebbe questo utilizzo al prezzo di listino dell’API, l’interfaccia che le aziende usano per integrare il modello nei propri prodotti. Lì ogni singolo token viene fatturato: input nuovo, output, scrittura nella cache, lettura dalla cache, ognuno con la sua tariffa. ccusage moltiplica semplicemente i miei conteggi di token per quelle tariffe.
Io invece uso un abbonamento, il piano Pro, che a listino costa circa 20 dollari USA al mese. Un abbonamento è una flat con limiti di utilizzo: puoi lavorare finché non raggiungi il limite di una finestra temporale, e poi aspetti che si azzeri. Quindi i 1.407 dollari sono un “e se” - quanto costerebbe la stessa quantità di lavoro se ogni token venisse fatturato uno per uno. Per un progetto privato la flat è la scelta ovvia; per un’azienda che integra il modello nel suo prodotto, il prezzo per token è il caso normale.
Quei limiti non sono teorici, tra l’altro. Il singolo lavoro più costoso del mese è stato tradurre il blog a posteriori: tutti i 111 post esistenti in tedesco, francese e spagnolo. È andato avanti per diversi giorni e molte sessioni, perché continuavo a sbattere contro il limite delle cinque ore - il lavoro si fermava a metà di un articolo, e una nuova sessione lo riprendeva una volta azzerata la finestra. Tradurre è leggere e scrivere allo stesso tempo, e in grande quantità; lo si vede nelle statistiche, dove il 9 e l'11 ottobre sono tra i giorni più intensi. Un traduttore umano ci avrebbe messo mesi. All’assistente sono serviti pochi giorni e la mia pazienza con il timer di reset.
⚡ E quanti computer hanno dovuto girare per questo?
È la domanda a cui vorrei rispondere di più, e quella a cui non posso rispondere onestamente con un numero. Il modello non gira sul mio computer, ma in data center su chip specializzati costruiti proprio per questo tipo di calcolo. Quanto è grande il modello, quanti chip rispondono a una richiesta e quanta energia costa un token - il provider non lo pubblica, e qualsiasi numero preciso qui sarebbe inventato.
Quello che si può dire: un modello di questa classe non gira affatto su un PC di casa. Ha bisogno di molta più memoria di quanta ne abbia un computer normale, e di gran lunga. E rileggere dalla cache richiede molta meno potenza di calcolo che calcolare qualcosa di nuovo - ed è proprio per questo che è molto più economico. Il 98 % di rilettura rappresenta quindi molto meno lavoro nel data center di quanto suggerisca il conteggio grezzo dei token.
🏗️ Cosa ne è venuto fuori
Contare token è divertente, ma la vera domanda è a cosa sono serviti. In circa cinque mesi è stato creato questo:
| Dimensione | |
|---|---|
| Ruoli Ansible | 39 |
| Codice (task, template, script) | circa 36.000 righe, un quinto delle quali commenti e spiegazioni |
| Documentazione operativa | in tre lingue, circa 16.000 righe |
| Post del blog | circa 30, ognuno in quattro lingue |
| Server | questo blog e due istanze Nextcloud, con hardening e monitoraggio |
Quanto ci sarebbe voluto nel modo classico, scrivendo tutto a mano? Per il codice di infrastruttura, una stima approssimativa diffusa è di 30-80 righe finite e testate al giorno - comprese ricerca, prove su server veri e il troubleshooting che spesso richiede più tempo della scrittura. Aggiungi documentazione e traduzioni, e la stima arriva a due-tre anni di lavoro a tempo pieno per una persona esperta. Quella persona dovrebbe anche conoscere a fondo SELinux, Kubernetes, firewall, database, Nextcloud, WordPress e monitoraggio tutti insieme - il che è raro.
Nemmeno io sono quella persona. Ma lungo la strada ho imparato molto, e molto più in fretta di quanto avrei fatto altrimenti. Ogni volta che qualcosa non funzionava, ricevevo la spiegazione proprio in quel momento: perché SELinux rifiuta una transizione, cos’è un header hop-by-hop, perché un database gira senza protezione anche se tutto dice “enforcing”. È imparare esattamente nel momento in cui nasce la domanda - un insegnante privato che ha sempre tempo e non dice mai “leggi prima il capitolo 7”. Un manuale spiega un sacco di cose che in quel momento non mi servono, e l’unica pagina che mi serve è da qualche parte nel mezzo. Qui mi sono documentato su un argomento in modo mirato, ho fatto domande di approfondimento, e i deep dive di questo blog sono ciò che ne è rimasto.
Le righe di codice sono una misura grossolana, e la stima è un’idea dell’ordine di grandezza, non una fattura. Più importante è ciò che i numeri non mostrano: l’assistente non ha deciso niente da solo. Ogni modifica a un server live è stata prima discussa, ogni risultato verificato, e alcune delle scoperte migliori sono nate da un semplice “questo sembra strano, puoi ricontrollare?”. Il deep dive su SELinux ne descrive due. Intorno al ventesimo giorno ho anche capito da dove viene quella vecchia battuta informatica - che alcuni di noi parlano più con la loro IA che con persone vere, partner compreso. A mia discolpa: l’IA non si è mai lamentata una sola volta che spiego le regole del firewall a cena. L’IA si fa carico della diligenza; la responsabilità resta all’essere umano. E questo è un progetto privato - il che significa che compete con tutto il resto della vita per il tempo. È proprio questo il punto: proprio perché quel tempo è limitato, la velocità del lavoro con un’IA ha fatto la differenza. Qualche ora libera non basta per scrivere a mano un firewall. Basta per discuterne uno, verificarlo e metterlo in produzione.
🔍 Cosa rivelano le statistiche
- Grandi temi fanno grandi giornate. Il giorno più intenso, il 19 ottobre, è stato quello in cui sono state scritte e testate le ultime parti dell’Ansible Tour e l’articolo su SELinux - tanta lettura sui server, tanto testo.
- Il contesto è il vero motore dei costi. Non ciò che digito io, e nemmeno ciò che scrive l’assistente, ma quanto deve tenere a mente. Le sessioni lunghe con molti estratti di log sono costose; i compiti brevi e mirati sono economici.
- Non è il modello a scrivere di più. Legge. 450 token letti per ogni token scritto - è meno “macchina da scrittura creativa” e più “collega velocissimo che rilegge tutto il fascicolo ogni volta”.
🧔 Il mio punto di vista personale - un po’ provocatorio, e solo mio
Per me il vero valore di tutto questo non sono le risposte intelligenti. È il tempo. Due-tre anni di lavoro in circa cinque mesi - è la differenza tra un progetto che avrei solo sognato e un progetto che gira. Hardening, monitoraggio, documentazione in tre lingue, un blog in quattro: niente di tutto questo esisterebbe in questa forma senza l’assistente, semplicemente perché una vita umana ha un numero limitato di serate.
Quindi ecco il mio punto di vista personale, da persona con 20 anni di esperienza professionale che ha scritto a mano file di configurazione più che a sufficienza: per i miei progetti privati, scrivere codice di infrastruttura riga per riga a mano non è più al passo con i tempi. Per me ha il sapore della scheda perforata della nostra epoca - onesto, ammirevole, e per me personalmente un modo di passare tre anni su qualcosa che ora posso fare in pochi mesi. Non è un giudizio su nessun altro: alcuni degli amministratori più scrupolosi che conosco scrivono ogni regola da soli, e hanno buone ragioni. Io ho semplicemente spostato la mia cura altrove - sulle domande, sulla revisione, sui test e sulle decisioni. È lì che trovo un essere umano insostituibile, ed è lì che va il tempo che ho risparmiato.
L’Ansible scritto a mano sopravviverà, ovviamente, e a ragione - accanto ai dischi in vinile, alle tastiere meccaniche e a chi si compila il kernel per principio. Magari un giorno mi unirò a loro per nostalgia. Per i miei progetti però, nel poco tempo libero che resta accanto a famiglia e lavoro, non è più il metodo che scelgo.
Eppure c’è un lato meno allegro, e sarebbe disonesto tacerlo. Due-tre anni di lavoro di una persona in cinque mesi - visto dall’altra parte, significa anche: un progetto che un tempo teneva occupato a lungo un piccolo team ora ha bisogno di una persona e un assistente. Per me, con un progetto privato e poco tempo, è puro guadagno. Per team e professioni che sono vissuti proprio di questo tipo di lavoro manuale accurato, è una domanda vera, e nessuno ha ancora una buona risposta. La strada di destra è più veloce. È anche più vuota.
Credo che molti di noi si trovino proprio adesso a questo bivio, che lo vogliano o no - amministratori, sviluppatori, technical writer, traduttori. Io ho preso la strada di destra, perché per la mia situazione è chiaramente la migliore - per altre situazioni la risposta può essere ben diversa. Ma ogni tanto mi guardo alle spalle. Chi è ancora fermo davanti al cartello non è rimasto indietro. Sta soppesando qualcosa che merita di essere soppesato.
🎬 Conclusione
Quattro miliardi di token suonano come un numero da fantascienza. Tradotti nella vita di tutti i giorni, sono un collega che non si stanca mai di rileggere tutto il fascicolo, scrive 80 romanzi di configurazione in quattro settimane e avrebbe mandato un conto da 1.400 dollari se non ci fosse la flat. Quello che resta è codice che gira, server protetti meglio di prima e un blog che ora parla quattro lingue. E la consapevolezza che la frase più breve di tutti quei miliardi - “sì, fallo così” - era comunque la più importante.
E un’ultima nota personale. Ufficialmente chiamo questo blog e il codice su GitHub il mio volontariato del 2026 – alle feste suona semplicemente meglio 😉 A dire il vero, però, è soprattutto il miglior aggiornamento professionale che abbia mai avuto: imparo un’incredibile quantità di cose tecniche, più in pochi mesi che in tanti corsi di formazione, perché ogni domanda riceve la sua risposta esattamente quando nasce, e il mio scarso tempo libero va nel capire invece che nel cercare. Efficiente, efficace, nemmeno un minuto sprecato. Scritto da uno Xennial, nato nel 1979 e quindi esattamente un anno troppo presto per contare ufficialmente come nativo digitale, ma abbastanza tardi da essere cresciuto tra il mangianastri e il primo modem – quindi la curva di apprendimento è ripida, ma lo è anche il divertimento. La parte di volontariato arriva come bonus: tutto finisce per diventare qualcosa che chiunque, in qualsiasi parte del mondo, può usare gratis se si trova davanti agli stessi compiti: far girare WordPress o Nextcloud in modo sicuro sui propri server. Se fa risparmiare a qualcuno in un altro paese qualche serata, i quattro miliardi di token sono stati ben spesi.
Se vuoi guardare i tuoi numeri: npx ccusage@latest daily in un terminale sul computer dove gira Claude Code. Legge solo file locali e non preleva nulla se non il listino prezzi.
