La nostra offerta Large Language Model as a Service (LLMaaS) vi dà accesso a modelli linguistici all'avanguardia, la cui inferenza viene eseguita con un'infrastruttura qualificata SecNumCloud, certificata HDS per l'hosting di dati sanitari, e quindi sovrana, calcolata in Francia. Beneficiate di prestazioni elevate e di una sicurezza ottimale per le vostre applicazioni AI. I vostri dati rimangono strettamente confidenziali e non vengono né sfruttati né conservati dopo l'elaborazione.
Prezzi semplici e trasparenti
1,8
€
per milione di token in ingresso
8
€
per milione di token emessi
8
€
per milione di gettoni di ragionamento
4
€
per milione di token di reranking
0,9
€
per milione di token batch in ingresso
4
€
per milione di token batch in uscita
0,01
€
per minuto di audio trascritto *
Calcolato su un'infrastruttura basata in Francia, qualificata SecNumcloud e certificata HDS.
Nota sul premio "Ragionamento" :
Questo prezzo si applica specificamente ai modelli classificati come "ragionatori" o "ibridi" (modelli con la capacità "Ragionamento" attivata) quando il ragionamento è attivo e solo sui gettoni legati a questa attività.
* Ogni minuto iniziato viene contato
Chat e ragionamento
I nostri modelli di grandi dimensioni offrono prestazioni all'avanguardia per i compiti più impegnativi. Sono particolarmente adatti alle applicazioni che richiedono una comprensione profonda del linguaggio, ragionamenti complessi o l'elaborazione di documenti lunghi.
80 token/secondo
qwen3.6:27b
Modello di riferimento generalista con un contesto nativo di 1M di token. Eccelle nel ragionamento, nel seguire le istruzioni e nel multilinguismo.
Miglioramenti significativi nel seguire le istruzioni, nel ragionamento, nella comprensione della lettura, nella matematica, nella codifica e nell'uso degli strumenti. Il suo contesto di 1M di token consente l'analisi di interi documenti senza troncamenti.
94 token/secondo
gpt-oss:120b
Il modello open-weight all'avanguardia di OpenAI con ragionamento configurabile e catena di pensiero trasparente.
Modello Mixture-of-Experts con 120 miliardi di parametri che offre ragionamenti configurabili e accesso completo alla catena di pensiero. Ideale per scenari che richiedono una licenza permissiva (Apache 2.0).
10 gettoni/secondo
lama3.3:70b
Modello Meta multilingue, eccellente nel dialogo naturale e nella comprensione delle sfumature in 8 lingue.
Supporta inglese, francese, tedesco, spagnolo, italiano, portoghese, hindi e tailandese. La sua finestra di 132k tokens consente di analizzare documenti complessi e lunghe conversazioni.
72 token/secondo
nemotron-3-super:120b
Modello NVIDIA ottimizzato per agenti collaborativi, ragionamenti lunghi e carichi di lavoro ad alto volume. Contesto da 1 milione di gettoni.
Ideale per i flussi di lavoro agici, il ragionamento a lungo termine, l'automazione di grandi volumi (ticket di supporto, analisi di massa), l'uso di strumenti e RAG.
56 token/secondo
qwen3-2507:235b
Il modello più potente del catalogo (235B parametri, 22B attivi). Eccelle in matematica, codifica e ragionamento logico.
Architettura Mixture-of-Experts ultra-sparse che combina la potenza di un modello molto grande con l'efficienza di un modello più piccolo.
100 token/secondo
mistral-small4:119b
Modello Mistral ad alte prestazioni (119B) con visione, sicurezza integrata e contesto di 262K token. Veloce (100 t/s).
Versione grande della famiglia Mistral Small. Combina potenza, velocità e affidabilità con un contesto esteso. Filtri di sicurezza nativi.
55 gettoni/secondo
qwen3-2507-pensiero:4b
Modello compatto ottimizzato per il ragionamento profondo (logica, matematica, scienza, codice). Contesto di 250K token.
Versione "Thinking" con capacità di ragionamento avanzate. Combina compattezza, velocità e ragionamento avanzato.
Programmazione e agenti
I nostri modelli di programmazione e di agenti sono appositamente ottimizzati per l'ingegneria del software agenziale, la generazione di codice su larga scala e l'automazione del flusso di lavoro di sviluppo.
121 token/secondo
qwen3.6:35b
Leader nell'ingegneria del software agenziale (SWE-bench 73.4%). Contesto di 1M token, visione integrata e chiamata di strumenti.
Include interi repository di codice grazie al suo contesto di 1M token. Supporta il ragionamento e la visione in più fasi (screenshot, diagrammi). Ottimizzato per IDE e pipeline CI/CD.
97 token/secondo
qwen-coder-next:80b
Modello all'avanguardia per codice e ragionamento complessi. Contesto di 250K token.
Eccelle nella generazione e nell'analisi di codice su larga scala. Progettato per compiti avanzati di ingegneria del software.
67 token/secondo
qwen3-next:80b
Versatile modello 80B ottimizzato per contesti di grandi dimensioni, chiamate di funzioni e ragionamenti strutturati.
Contesto di 250K token con supporto per la chiamata di funzioni e la decodifica guidata.
33 token/secondo
devstral-small-2:24b
Modello agenziale all'avanguardia per l'ingegneria del software. Prestazioni vicine a >100B modelli per codice. Visione integrata.
Ottimizzato per l'esplorazione della base di codice, la modifica di più file e l'uso di strumenti. Supporto nativo per la visione. Contesto di 200K token.
40 gettoni/secondo
funzione gemma: 270 m
Micro-modello specializzato nel rilevamento delle chiamate di funzione. Ideale come router in un'architettura agenziale.
Ultra-compatto, ottimizzato per identificare e formattare rapidamente le chiamate di funzione.
Visione e multimodalità
I nostri modelli di visione e multimodali possono analizzare immagini, video e documenti visivi. Eccellono nell'OCR, nel rilevamento di oggetti, nell'estrazione di strutture e nel ragionamento spazio-temporale.
24 gettoni/secondo
qwen3-vl:235b
Il modello multimodale più potente del catalogo. Comprensione visiva avanzata e ragionamento eccezionale.
Eccelle nell'analisi di documenti complessi, nell'OCR multilingue, nel ragionamento spaziale 3D e nella comprensione dei video.
39 token/secondo
qwen3-vl:30b
Modello multimodale ad alte prestazioni per OCR, rilevamento di oggetti, analisi video e ragionamento spazio-temporale.
Incorpora innovazioni nell'analisi di immagini e video. Eccelle nell'OCR complesso, nella grafica e nell'estrazione strutturata (JSON).
57 token/secondo
qwen3-vl:4b
Modello di visione compatto e veloce per l'analisi dei documenti e la comprensione dei video.
Ottimo compromesso tra prestazioni e ingombro. Supporta l'estrazione strutturata e il ragionamento visivo.
59 token/secondo
gemma4:31b
Il denso modello multimodale di Google, classificato al 3° posto al mondo su Arena AI. Visione, ragionamento e codifica avanzati. Contesto 250K gettoni.
Il modello open-source più potente di Google. Chiamata di funzioni nativa, comprensione visiva avanzata (OCR, grafica, documenti, UI). Multilingua (oltre 35 lingue).
42 token/secondo
gemma4:12b-it-qat
Modello multimodale intermedio di Google, con visione integrata, ragionamento e chiamata nativa delle funzioni. Contesto molto ampio di 250.000 token.
Variante 12B della famiglia Gemma 4, che offre un buon compromesso tra qualità multimodale e ingombro. Ragionamento avanzato, comprensione visiva (OCR, grafici, documenti, interfaccia utente) e supporto multilingue (oltre 35 lingue).
Incorporazione
I nostri modelli di embedding trasformano il testo in rappresentazioni vettoriali per la ricerca semantica, il clustering e le pipeline RAG (Retrieval-Augmented Generation).
171 token/secondo
bge-m3:567m
Incorporamento multilingue all'avanguardia (oltre 100 lingue). Supporta ricerche dense, rade e multivettoriali.
Contesto di 8192 token con tre metodi di ricerca complementari.
qwen3-embedding:4b
Incorporamento ad alte prestazioni con comprensione semantica profonda e contesto esteso (40K token).
Ideale per l'elaborazione di documenti di grandi dimensioni in pipeline RAG.
qwen3-embedding:8b
Incorporamento ad alta capacità con la migliore comprensione semantica della famiglia Qwen3. Contesto esteso (40K tokens).
La versione più potente della famiglia Qwen3 embedding. Ideale per compiti che richiedono la comprensione del contesto.
qwen3-embedding:0.6b
Incorporamento ultraleggero e veloce per la ricerca semantica a bassa latenza.
Ottimo compromesso tra prestazioni semantiche e velocità di esecuzione.
196,3 token/secondo
granito-embedding:278m
Incorporamento IBM ultracompatto per la ricerca semantica con latenza minima.
Il modello di incorporazione più veloce del catalogo. Ideale per il clustering e la ricerca ad alta frequenza.
175 token/secondo
embeddinggemma:300m
Incorporamento Google multilingue (oltre 100 lingue), ottimizzato per la ricerca e il recupero semantico.
Produce rappresentazioni vettoriali del testo per la classificazione, il clustering e la ricerca di similarità.
Reranking
I nostri modelli di reranking riordinano i risultati della ricerca in base alla rilevanza per affinare la qualità delle pipeline RAG. Compatibile con l'API Cohere.
nvidia/llama-nemotron-rerank-vl-1b-v2
Modello di reranking compatibile con le API di Cohere (/v1/rerank e /v2/rerank). Ordina i documenti in base alla pertinenza rispetto a una query.
Compatibile con l'SDK Cohere v1/v2. Il punteggio di rilevanza è un logit grezzo (l'ordine relativo è garantito). Ideale come complemento allo stack RAG (embedding + retrieval + rerank).
qwen3-reranker:4b
Potente modello di reranking con un alto livello di comprensione del contesto.
Eccellente qualità di riprogrammazione grazie ai parametri 4B. Ideale per le pipeline RAG più esigenti.
qwen3-reranker:0.6b
Modello di reranking compatto ed efficiente per una riprogrammazione rapida.
Versione leggera per i casi d'uso che richiedono una bassa latenza di reranking.
bge-reranker-grande
Modello di reranking multilingue ad alte prestazioni della famiglia BGE.
Complementare al modello di incorporazione BGE-M3 per le pipeline RAG complete.
Sicurezza
I nostri modelli di sicurezza sono specializzati nel rilevamento di contenuti problematici, nella prevenzione di jailbreak e nella garanzia di conformità alle normative (RGPD, HDS). Possono essere utilizzati come pre-filtri o post-filtri nei vostri flussi di lavoro.
45 gettoni/secondo
granito3-guardia:8b
Granite Guardian 4.1 (aggiornamento alla v3) — individuazione di contenuti problematici, jailbreak, BYOC e "hybrid thinking".
Versione 4.1 (aprile 2026). Progettato per filtrare i contenuti sensibili e garantire la conformità al GDPR e all'HDS. Utilizzabile come prefiltro o postfiltro nei vostri flussi di lavoro. Hybrid thinking (ragionamento) attivato.
60 gettoni/secondo
granito3-guardiano:2b
Granite Guardian 4.1 compact (aggiornamento v3:2b) — alias verso la versione 8B con "hybrid thinking".
Stesse capacità di filtraggio della versione 8B con un ingombro ridotto. Ideale per flussi di lavoro ad alta frequenza. Hybrid thinking (ragionamento) attivato.
Traduzione
I nostri modelli di traduzione offrono un'elevata fedeltà in 55 lingue, rispettando la grammatica, le sfumature culturali e le specificità tecniche dei documenti.
17 gettoni/secondo
translategemma:27b
Traduzione ad alte prestazioni per 55 lingue. Qualità superiore per contenuti complessi e tecnici.
Coglie le sfumature letterarie e culturali con eccezionale fedeltà.
Audio e immagini
I nostri modelli audio e immagine consentono la trascrizione vocale in tempo reale (streaming ASR) e la generazione di immagini da descrizioni testuali, compatibili con le API OpenAI.
voxtral
Trascrizione audio in tempo reale tramite WebSocket. Riconoscimento vocale in streaming a bassa latenza.
Funziona in modalità Realtime tramite l'endpoint /v1/realtime (WebSocket). Trascrive l'audio in streaming.
immagine z:16b
Generazione di immagini da richieste di testo, compatibile con le API OpenAI /v1/images/generations.
Supporta le dimensioni e il numero di immagini. Compatibile con l'ecosistema OpenAI.
Modello a confronto
Questa tabella di confronto vi aiuterà a scegliere il modello più adatto alle vostre esigenze, in base a vari criteri come le dimensioni del contesto, le prestazioni e i casi d'uso specifici.
| Modello | Editore | Parametri | Contesto (token) | Visione | Agente | Ragionamento | Sicurezza | Rapido * | Efficienza energetica * |
|---|---|---|---|---|---|---|---|---|---|
| Chat e ragionamento | |||||||||
| qwen3.6:27b | Squadra Qwen | 27B | 1 000 000 | ||||||
| gpt-oss:120b | OpenAI | 120B | 120 000 | ||||||
| lama3.3:70b | Meta | 70B | 132 000 | ||||||
| nemotron-3-super:120b | NVIDIA | 120B | 1 000 000 | ||||||
| qwen3-2507:235b | Squadra Qwen | 235B | 200 000 | ||||||
| mistral-small4:119b | Mistral AI | 119B | 262 144 | ||||||
| qwen3-2507-pensiero:4b | Squadra Qwen | 4B | 250 000 | ||||||
| Programmazione e agenti | |||||||||
| qwen3.6:35b | Squadra Qwen | 35B | 1 000 000 | ||||||
| qwen-coder-next:80b | Squadra Qwen | 80B | 250 000 | ||||||
| qwen3-next:80b | Squadra Qwen | 80B | 250 000 | ||||||
| devstral-small-2:24b | Mistral AI e All Hands AI | 24B | 200 000 | ||||||
| funzione gemma: 270 m | 270M | 32 768 | |||||||
| Visione e multimodalità | |||||||||
| qwen3-vl:235b | Squadra Qwen | 235B | 200 000 | ||||||
| qwen3-vl:30b | Squadra Qwen | 30B | 250 000 | ||||||
| qwen3-vl:4b | Squadra Qwen | 4B | 250 000 | ||||||
| gemma4:31b | 31B | 250 000 | |||||||
| gemma4:12b-it-qat | 12B | 250 000 | |||||||
| Incorporazione | |||||||||
| bge-m3:567m | BAAI | 567M | 8 192 | ||||||
| qwen3-embedding:4b | Squadra Qwen | 4B | 40 000 | ||||||
| qwen3-embedding:8b | Squadra Qwen | 8B | 40 000 | ||||||
| qwen3-embedding:0.6b | Squadra Qwen | 0.6B | 32 768 | ||||||
| granito-embedding:278m | IBM | 278M | 512 | ||||||
| embeddinggemma:300m | 300M | 2 048 | |||||||
| Reranking | |||||||||
| nvidia/llama-nemotron-rerank-vl-1b-v2 | NVIDIA | 1B | 4 096 | N.C. | |||||
| qwen3-reranker:4b | Squadra Qwen | 4B | 4 096 | N.C. | |||||
| qwen3-reranker:0.6b | Squadra Qwen | 0.6B | 4 096 | N.C. | |||||
| bge-reranker-grande | BAAI | 335M | 512 | N.C. | |||||
| Sicurezza | |||||||||
| granito3-guardia:8b | IBM | 8B | 8 192 | ||||||
| granito3-guardiano:2b | IBM | 2B | 8 192 | ||||||
| Traduzione | |||||||||
| translategemma:27b | 27B | 120 000 | |||||||
| Audio e immagini | |||||||||
| voxtral | Mistral AI | 4B | 32 768 | N.C. | |||||
| immagine z:16b | Comunità | 16B | N.C. | N.C. | |||||
Legenda e spiegazione
Funzionalità o capacità supportata dal modello
Funzionalità o capacità non supportate dal modello
* Efficienza energetica
Indica un consumo energetico particolarmente basso (< 2,0 kWh/Mtoken)
* Veloce
Modello in grado di generare più di 50 gettoni al secondo
Nota sulle misure di performance
I valori di velocità (token/s) rappresentano gli obiettivi di prestazione in condizioni reali. Il consumo energetico (kWh/Mtoken) è calcolato dividendo la potenza stimata del server di inferenza (in Watt) per la velocità misurata del modello (in token/secondo), quindi convertito in kilowattora per milione di token (divisione per 3,6). Questo metodo offre un confronto pratico dell'efficienza energetica di diversi modelli, da utilizzare come indicatore relativo piuttosto che come misura assoluta del consumo energetico.
Casi d'uso consigliati
Ecco alcuni casi d'uso comuni e i modelli più adatti per ciascuno di essi. Queste raccomandazioni si basano sulle prestazioni e sulle capacità specifiche di ciascun modello.
Dialogo multilingue
Chatbot e assistenti in grado di comunicare in più lingue con rilevamento automatico e mantenimento del contesto
Modelli consigliati
- nemotron-3-super:120b
- qwen3.6:27b
- gpt-oss:120b
Analisi di documenti lunghi
Elaborazione di documenti di grandi dimensioni (>100 pagine) con estrazione di informazioni chiave, riassunti e risposte a domande
Modelli consigliati
- nemotron-3-super:120b
- qwen3.6:27b
- qwen3-2507:235b
Programmazione e sviluppo
Generazione, ottimizzazione e debug del codice in più linguaggi, refactoring e creazione di test.
Modelli consigliati
- qwen3.6:35b
- qwen-coder-next:80b
- devstral-small-2:24b
- nemotron-3-super:120b
Analisi visiva
Elaborazione di immagini e documenti visivi, OCR, interpretazione di grafici e tabelle
Modelli consigliati
- qwen3-vl:235b
- gemma4:31b
- qwen3-vl:30b
Sicurezza e conformità
Filtraggio dei contenuti sensibili, rilevamento del jailbreak, conformità RGPD/HDS
Modelli consigliati
- granite4.1-guardian:8b
- granito3-guardia:8b
- granito3-guardiano:2b
- mistral-small4:119b
Impieghi leggeri
Applicazioni che richiedono un ingombro minimo, bassa latenza e basso consumo energetico
RAG (Generazione Aumentata dal Recupero)
Pipeline complete per la ricerca semantica, il riordino e il reperimento di informazioni
Modelli consigliati
- bge-m3:567m
- nvidia/llama-nemotron-rerank-vl-1b-v2
- qwen3.6:27b