Claude Sonnet 5 vs Gemini 3.5 Flash

Claude Sonnet 5 e Gemini 3.5 Flash occupano posizioni simili nei rispettivi cataloghi e hanno listini vicini. È il confronto in cui il prezzo, per una volta, non decide quasi nulla.

Il che sposta tutta la decisione su un terreno più utile: come si comportano sul tuo lavoro. Dati verificati il 19 agosto 2026 per Anthropic e il 3 settembre 2026 per Google.

I dati a confronto

Per Gemini indichiamo solo ciò che la pagina prezzi espone. Finestra di contesto, output massimo e data limite non compaiono lì e non li riportiamo per non attribuire valori che non abbiamo verificato: si trovano sulla pagina modelli della documentazione ufficiale.

Perché il prezzo non decide

Il divario di listino è del venticinque per cento in input e del dieci in output. Su un volume di 60.000 richieste mensili con 3.000 token di input e 500 di output, si traduce in circa milleduecento dollari all'anno.

È una cifra reale, ma piccola rispetto a tre fattori che nessun listino contiene e che possono ribaltarla facilmente.

Il numero di tentativi. Un modello che chiude i casi al primo colpo dove l'altro ne richiede due costa la metà, a prescindere dal listino. Si misura contando i rilanci su casi reali.

La verbosità. Se un modello produce sistematicamente risposte più lunghe a parità di istruzioni, paga di più su una voce che costa cinque o sei volte l'input. Nel caso di Gemini vanno inoltre conteggiati i token di ragionamento, inclusi nell'output.

Il tempo di revisione. È la voce più grande di quasi ogni progetto AI. Se ogni esito richiede due minuti di controllo, su 60.000 casi al mese sono duemila ore: nessuna differenza di listino si avvicina.

Un'alternativa da considerare

Prima di scegliere fra questi due, vale la pena notare che nel catalogo Google esiste una versione più recente della stessa fascia: Gemini 3.6 Flash, che costa quanto la 3.5 in input e 7,50 dollari in output anziché 9.

Se il confronto ti interessa per una scelta nuova e non per un sistema già in produzione sulla 3.5, la versione più recente è il termine di paragone più sensato. Il dettaglio è in Gemini 3.6 Flash vs 3.5 Flash.

Per quali compiti è questa fascia

La prima riga della colonna di destra merita attenzione: se il tuo compito è classificare o instradare su volumi molto alti, entrambi i fornitori hanno fasce più economiche che fanno lo stesso lavoro a una frazione del prezzo. Il ragionamento è in modelli AI economici a confronto.

Come confrontarli davvero

• Dieci casi reali del tuo processo, almeno tre difficili
• Lo stesso prompt, adattato il meno possibile
• Decidi quale piano Google è adatto al tuo scenario
• Misura i token effettivamente consumati, non stimarli
• Conta i tentativi necessari per chiudere ogni caso
• Guarda come sbagliano sui casi difficili

L'ultimo punto è quello che decide più spesso e che non compare in nessuna classifica. Un modello che davanti a un documento incompleto dichiara che l'informazione non è presente ha fatto il suo lavoro; uno che produce un valore plausibile ha generato un errore che nessuno verificherà, perché non sembra un errore.

Il metodo completo è in come si leggono i benchmark AI.

Errori da evitare

• Decidere sul listino quando la differenza è così piccola.
• Confrontare prezzi di piani diversi.
• Stimare i token invece di misurarli.
• Ignorare che esiste una versione più recente nella stessa fascia.
• Testare solo su casi facili.
• Non verificare se basta una fascia più bassa.

Un esempio con i numeri

Prendiamo 80.000 richieste al mese con 2.500 token di input e 600 di output ciascuna.

Circa millesettecento dollari all'anno su un volume consistente. È una cifra reale, ma va messa accanto a quanto pesano gli altri fattori: un tasso di rilancio più alto del dieci per cento su 80.000 richieste mensili costa molto più di quella differenza.

E c'è un elemento che questa tabella non può mostrare: l'output Gemini include i token di ragionamento. Se il modello elabora molto prima di rispondere, la seconda riga cresce oltre la stima fatta sulla lunghezza apparente delle risposte.

I piani di servizio, dove Google cambia il gioco

Sui carichi che non hanno urgenza esiste una leva che Anthropic non offre in forma equivalente: i piani economici di Google.

Se il tuo lavoro è in blocco — elaborazioni notturne, arricchimento di archivi, analisi periodiche, classificazione retroattiva — spostarlo sul piano più economico riduce sensibilmente la spesa senza alcun effetto sul risultato prodotto.

L'ultima riga è quella che ribalta il confronto: su carichi interattivi, dove serve priorità, il vantaggio di listino di Gemini si assottiglia o sparisce. Vale la pena verificare quale piano serve davvero al tuo scenario prima di dare per acquisito un risparmio.

Cosa guardare oltre al prezzo

Con listini così vicini, tre proprietà contano più della tariffa e nessuna compare in una tabella.

Come sbaglia. Un modello che dichiara «l'informazione non è nei documenti» ha fatto il suo lavoro. Uno che produce un valore plausibile ha generato un errore che nessuno verificherà. Sui processi aziendali questa differenza vale più di qualche punto di accuratezza.

Quanto è veloce. Se la risposta compare su uno schermo mentre qualcuno attende, la latenza pesa quanto la qualità. Va misurata sui propri casi, perché dipende anche dalla lunghezza del prompt.

Quanto richiede di revisione. È la voce più grande di quasi ogni progetto AI e non compare in nessun listino. Un modello che riduce il controllo umano necessario può costare meno in totale pur costando di più a chiamata.

Esempi pratici

Assistente documentale interno. Il sistema cerca nei documenti aziendali e risponde citando la fonte. Output brevi, volumi medi, nessuno che attende con impazienza. Qui la differenza di listino è marginale: conta molto di più che il modello dichiari quando la risposta non c'è, invece di ricostruirla in modo plausibile.

Arricchimento di un archivio storico. Centinaia di migliaia di documenti da classificare una volta sola, senza urgenza. È lo scenario in cui i piani economici di Google fanno la differenza vera, molto più del confronto fra i due modelli. Vale però anche la pena verificare se non basti una fascia ancora più bassa: su compiti di classificazione pura, entrambi i fornitori hanno modelli che costano un quinto.

Come applicarlo in azienda

Con listini così vicini, la procedura utile parte da una domanda che precede la scelta del modello: quali parti del tuo carico hanno davvero bisogno di rispondere subito?

È una distinzione che vale mezz'ora di analisi e che spesso rivela una quota consistente di lavoro senza urgenza — arricchimento di archivi, report periodici, classificazione retroattiva. Su quella quota i piani economici di Google riducono sensibilmente la spesa senza alcun effetto sul risultato, e il confronto fra i due modelli passa in secondo piano.

Poi la prova, che è sempre la stessa. Dieci casi reali con tre difficili e uno a cui manca l'informazione richiesta, eseguiti su entrambi con lo stesso prompt. Leggi i token effettivamente consumati invece di stimarli: nel caso di Gemini l'output include i token di ragionamento, quindi la stima fatta sulla lunghezza apparente delle risposte è sistematicamente bassa.

Vale poi la pena verificare la direzione opposta prima di concludere: se il tuo compito è riconoscimento puro ad alto volume, entrambi i fornitori hanno fasce più economiche che fanno lo stesso lavoro a una frazione del prezzo. Il criterio è in quando basta un modello economico.

Quando i modelli risultano equivalenti — ed è l'esito più comune su questa fascia — decide il resto: come sbagliano sui casi difficili, quanto tempo richiede la revisione umana e quanto è semplice integrare il sistema negli strumenti che le persone usano già.

Se vuoi progettare un sistema AI scegliendo sui tuoi dati invece che sui listini, Giallo Studio può aiutarti a trasformare il problema in un workflow reale.

Il resto del percorso, in tre pagine. Se il compito è ripetitivo e ad alto volume, vale la pena verificare la direzione opposta con costo per task o prezzo per token. Il metodo di valutazione sui propri casi è in strategia a modello misto: leggero e potente, mentre il calcolo della spesa reale è in quando conviene cambiare modello AI.

Conclusione

Sonnet 5 e Gemini 3.5 Flash hanno listini abbastanza vicini da rendere il prezzo un criterio secondario. La differenza reale la fanno tentativi, verbosità e tempo di revisione — tre cose che si misurano solo sui propri casi.

Se stai facendo una scelta nuova, il termine di paragone più sensato nel catalogo Google è la versione più recente della stessa fascia, che costa meno in output a parità di input.

Se vuoi scegliere sui tuoi dati invece che sui listini, Giallo Studio progetta agenti e automazioni AI su misura per le PMI.

Schema consigliato: Article + FAQPage + BreadcrumbList