Prezzi per Comprensione del contenuto di Azure in Strumenti Fonderia

Questo articolo illustra il modello tariffario Azure Content Understanding in Foundry Tools con esempi chiari e scomposizione dei costi. Informazioni sui costi addebitati e su come stimare i costi per il carico di lavoro.

Per prezzi specifici, vedere Azure Content Understanding Pricing.

Informazioni sui due tipi di addebiti

Azure i prezzi di Content Understanding si basano su due categorie di utilizzo principali:

1. Addebiti per l'estrazione dei contenuti

L'estrazione del contenuto trasforma l'input non strutturato (documenti, audio, video) in testo e contenuto strutturati e ricercabili. Questo output include il riconoscimento ottico dei caratteri (OCR) per documenti, riconoscimento vocale per audio/video e rilevamento del layout. Si paga per unità di input elaborata:

• Documenti: per 1.000 pagine
• Audio e video: al minuto

2. Addebiti per le funzionalità generative

Quando si usano funzionalità basate su intelligenza artificiale che chiamano modelli di linguaggio di grandi dimensioni, vengono addebitati due tipi di addebiti:

• Addebiti per la contestualizzazione: prepara il contesto, genera punteggi di attendibilità, fornisce la base dei dati delle fonti, e formatta l'output. Per informazioni dettagliate, vedere Token di contestualizzazione.
• Addebiti dei modelli generativi: costi basati su token dalle implementazioni dei modelli Microsoft Fonderia (LLM per generazione, incorporamenti per esempi di training). Content Understanding usa l'implementazione del modello Foundry che fornisci per tutte le chiamate correlate all'intelligenza artificiale generativa. La fatturazione per l'utilizzo dei token di incorporamento o LLM non viene visualizzata in Comprensione del contenuto. Tale utilizzo viene visualizzato nella distribuzione del modello Fonderia. Per informazioni dettagliate, vedere Addebiti dei modelli generativi.

Le funzionalità generative includono: estrazione di campi, analisi delle figure, segmentazione, categorizzazione, training.

Equazione dei costi

Il costo totale per l'esecuzione di un analizzatore di Content Understanding segue questa formula:

Total Cost = Content Extraction + Contextualization Tokens + LLM Input Tokens + LLM Output Tokens + Embeddings Tokens

Se utilizzi solo l'estrazione del contenuto senza funzionalità generative, verranno addebitati costi solo per l'estrazione del contenuto. Quando si usano funzionalità generative, vengono applicati tutti gli addebiti applicabili.

Come stimare i costi

1. Testare con file rappresentativi

Eseguire un'analisi di test di piccole dimensioni con i file e lo schema effettivi. Per vedere l'effettivo consumo dei token, controllare l'oggetto usage nella Risposta dell'API Analyzers.

  "usage": {
    "documentPagesMinimal": 0, // Pages processed at the minimal level (i.e. txt, xlsx, html, and other digital file types)
    "documentPagesBasic": 0, // Pages processed at the basic level (i.e. read)
    "documentPagesStandard": 2, // Pages processed at the standard level (i.e. layout)
   
    "contextualizationToken": 2000,
    "tokens": {
      "gpt-4.1-input": 10400,
         "gpt-4.1-output": 360
    }
  }

2. Utilizzare il calcolatore prezzi Azure

Trova Comprensione del contenuto nel Calcolatore Prezzi di Azure e configura le impostazioni:

• Aggiungere "Content Understanding" al calcolatore
• Usare i risultati del test del passaggio 1 per calcolare le medie dei token per pagina o al minuto
• Immettere i conteggi dei token insieme all'area, al tipo di file, al volume previsto e alla distribuzione del modello

Il calcolatore fornisce proiezioni accurate dei costi per il carico di lavoro.

Esempio di prezzi: estrazione di campi fattura

Seguendo l'approccio di stima, verrà illustrato manualmente un esempio concreto per illustrare come vengono calcolati i costi.

Scenario: si elaborano fatture per estrarre dati strutturati come nome fornitore, numero di fattura, importo totale e voci. Si vogliono elaborare 1.000 pagine di fattura con i punteggi di attendibilità e il grounding della fonte disabilitati.

Passaggio 1: Testare con file rappresentativi Dopo aver testato i file rappresentativi, è stato rilevato l'utilizzo medio dei token seguente per pagina:

• Token di input: 1.100 per pagina
• Token di output: 60 per pagina
• Contestualizzazione: 1.000 token per pagina (tariffa fissa)

Per 1.000 pagine, totali uguali:

• Token di input totali: 1.000 pagine × 1.100 = 1.100.000 token
• Token di output totali: 1.000 pagine × 60 = 60.000 token
• Totale token di contestualizzazione: 1.000 pagine × 1.000 = 1.000.000 token

Passaggio 2: Calcolare manualmente i costi (anziché usare il calcolatore prezzi) Uso di una distribuzione globale con i presupposti di determinazione dei prezzi seguenti:

Presupposti relativi ai prezzi :

• Estrazione contenuto: $ 5,00 per 1.000 pagine
• Contestualizzazione: $1,00 per 1 MILIONE di token
• Token di input: $ 0,40 per un milione di token
• Token di output: $1,60 per un milione di token
• Incorporamenti: $ 0,02 per 1.000 token. Non si usa una Knowledge Base con esempi di training, quindi non vengono applicati addebiti per incorporamenti. Se si aggiungono esempi etichettati per migliorare l'accuratezza, il sistema aggiunge l'utilizzo dei token di incorporamento per incorporare il testo dai documenti di input e dai token di input di completamento per elaborare i dati di esempio aggiunti alla finestra di contesto.

Calcolo dei costi:

• Estrazione contenuto: 1.000 pagine × $ 5,00 per 1.000 pagine = $ 5,00
• Contestualizzazione: 1.000.000 token × $1,00 per 1 milione di token = $ 1,00
• Token di input: 1.100.000 tokeni × $0,40 per 1 milione di token = $0,44
• Token di output: 60.000 token × $ 1,60 per 1 milione di token = $ 0,10
• Incorporamenti: non usati = $ 0,00

Total Cost = $5.00 + $1.00 + $0.44 + $0.10 + $0.00 = $6.54 per 1000 pages

Componenti dei costi dettagliati

Estrazione del contenuto

L'estrazione di contenuti è il primo passaggio essenziale per trasformare l'input non strutturato, sia esso un documento, un audio o un video, in un formato standardizzato e riutilizzabile. Questa elaborazione di base è necessaria per tutte le funzionalità generative e può essere usata autonoma.

Prezzi di estrazione dei contenuti in base alla modalità:

• Documenti: tre contatori a tre livelli (minimo, di base o standard) in base alla complessità di elaborazione
• Audio: trascrizione da voce a testo (singola unità di misura standard, prezzo al minuto)
• Video: estrazione dei fotogrammi, rilevamento degli scatti e trascrizione vocale (singolo contatore standard, prezzo al minuto)
• Immagini: nessuna estrazione di contenuto disponibile

Contatori di misurazione dell'estrazione dei contenuti dei documenti

Per i documenti, i costi ti vengono addebitati in base al tipo di elaborazione del contenuto eseguita da Content Understanding. Le tariffe di Content Understanding si basano sul lavoro effettivo svolto su ciascuna pagina, non sull'analizzatore che selezioni.

Contatore minimo: si applica ai documenti digitali (DOCX, XLSX, PPTX, HTML, TXT, MSG, EML) in cui non è necessaria alcuna elaborazione OCR o layout. Questo misuratore è l'opzione a costo più basso per i documenti digitali nativi. Viene addebitata la tariffa minima indipendentemente dall'analizzatore usato, anche se si chiama un analizzatore di layout in un documento digitale, vengono addebitati solo i costi per l'elaborazione minima eseguita.

Contatore base: si applica quando Comprensione dei contenuti esegue l'elaborazione OCR per estrarre testo da documenti basati su immagini (PDF scansionali, immagini, TIFF) senza analisi del layout.

Contatore standard: si applica quando Content Understanding esegue l'analisi del layout, tra cui il riconoscimento delle tabelle e il rilevamento degli elementi strutturali da documenti basati su immagini (PDF analizzati, immagini, TIFF).

Nella tabella seguente viene illustrato quale contatore si applica in base al tipo di file e al livello di analisi:

Funzionalità generative

Le funzionalità generative di Content Understanding usano modelli di intelligenza artificiale generativi per migliorare la qualità dell'output. Nella versione più recente dell'API [2025-11-01], è possibile scegliere un modello generativo in base al caso d'uso.

Quando si usano le funzionalità generative, Content Understanding utilizza la distribuzione dei modelli Foundry fornita. L'utilizzo dei token per i modelli di completamento o incorporamenti è associato a quella distribuzione.

Token di contestualizzazione

La contestualizzazione è il livello di elaborazione di Content Understanding che prepara il contesto per i modelli generativi e ne post-elabora l'output nei risultati strutturati finali.

Che cosa offre la contestualizzazione:

• Normalizzazione e formattazione dell'output in schemi strutturati
• Base di origine per mostrare da dove provengono le informazioni
• Calcolo del punteggio di attendibilità per l'affidabilità dell'estrazione
• Progettazione del contesto per ottimizzare l'accuratezza e l'utilizzo degli LLM

Quando ti vengono addebitati i costi: ogni volta che si utilizzano capacità generative (estrazione di campi, analisi delle figure, segmentazione, categorizzazione, training).

Prezzi: tariffa fissa per unità di contenuto

I token di contestualizzazione vengono calcolati per unità di contenuto:

Presumendo un costo di $ 1,00 per 1 milione di token di contestualizzazione.

Addebiti dei modelli generativi (LLM)

Addebiti basati su token dai modelli Foundry che potenziano l'estrazione effettiva dei campi, l'analisi e altre funzionalità generative.

I token di input includono:

• Testo estratto e trascrizioni
• Token di immagine (per l'analisi visiva)
• Definizioni dello schema
• Richieste di sistema
• Esempi di training (quando si usa la Knowledge Base)

I token di output includono:

• Valori dei campi e dati strutturati
• Punteggi di attendibilità e base di origine
• Risultati e descrizioni dell'analisi

Ottimizzazione dei costi: scegliere modelli più piccoli o distribuzioni globali per risparmi significativi.

Addebiti per incorporamenti

Addebiti basati su token per i modelli di embedding utilizzati per addestrare analizzatori personalizzati con esempi etichettati per migliorare la precisione.

• Quando avviene l'addebito: solo quando si usa la funzionalità di training con dati etichettati
• Modelli: text-embedding-3-large, text-embedding-3-small o text-embedding-ada-002
• Utilizzo tipico: l'intero documento è incorporato. L'utilizzo può variare a seconda della densità del testo, ma circa 1.500 token per pagina sono una buona stima iniziale.

Dettagli delle funzionalità generative

Esistono diverse funzionalità generative ognuna delle quali ha implicazioni leggermente diverse per i costi.

Estrazione di campi

Genera coppie chiave-valore strutturate in base alla definizione dello schema. Ad esempio, il mittente/destinatario della fattura, gli elementi di riga, o gli elementi degli annunci video come la tagline e l'aspetto del prodotto.

Impatto sui costi: Gli addebiti variano con la complessità dello schema e le dimensioni del contenuto.

Analisi delle figure

Crea testo descrittivo per immagini, grafici e diagrammi per rendere ricercabile contenuto visivo nei flussi di lavoro RAG.

Impatto dei costi: token LLM per ogni immagine analizzata: token di input per l'analisi delle immagini e token di output per le descrizioni. L'utilizzo varia in base alle dimensioni e al numero di immagini contenute nel documento.

Segmentazione

Divide documenti o video in sezioni logiche per l'elaborazione mirata e migliorare l'efficienza.

Impatto sui costi: costi dei token di output per ogni segmento creato. Facoltativamente, è possibile concatenare gli analizzatori per ulteriori analisi su ogni segmento. Quando si usa il concatenamento, si incorre in più estrazione di contenuti e utilizzo generativo, equivalente all'esecuzione degli analizzatori concatenati in modo autonomo.

Categorizzazione

Assegna etichette a documenti o segmenti per la classificazione e il routing intelligente a analizzatori specializzati.

Impatto sui costi: LLM e costi di contestualizzazione per la classificazione. Trasferire a un altro analizzatore aggiunge i rispettivi costi.

Formazione

Compila analizzatori personalizzati usando esempi etichettati per miglioramenti dell'accuratezza specifici del dominio.

Impatto sui costi: incorporamento dell'utilizzo dei token durante l'aggiunta di dati etichettati, oltre a più token LLM durante l'analisi quando vengono recuperati e forniti esempi di training al modello.

Base di conoscenze

Migliora gli analizzatori personalizzati con esempi di training etichettati per miglioramenti dell'accuratezza specifici del dominio.

Impatto sui costi: il modello di incorporamento viene usato per indicizzare e recuperare gli esempi. Inoltre, i token LLM vengono usati durante l'analisi quando vengono recuperati esempi di training e forniti al modello.

Domande frequenti

Quando viene addebitato l'utilizzo LLM?

Vengono addebitati i token LLM solo quando si fornisce all'analizzatore una distribuzione Foundry e si usa una funzionalità generativa in Comprensione dei contenuti. Gli analizzatori che eseguono solo l'estrazione del contenuto (ad esempio prebuilt-read, , prebuilt-layouto analizzatori personalizzati senza alcuna funzionalità generativa) non comportano addebiti LLM.

Come è possibile sapere quale contatore di estrazione del contenuto si applica ai documenti?

L'elaborazione effettiva eseguita determina il contatore, non l'analizzatore scelto:

• Minimo: i documenti digitali (DOCX, XLSX, HTML, TXT e così via) usano sempre minimi, indipendentemente dall'analizzatore
• Base: Documenti basati su immagini con elaborazione solo OCR (Analizzatore di lettura)
• Standard: documenti basati su immagini con l'analisi del layout (analizzatore layout)

Per altre informazioni sui contatori, vedere Contatori di estrazione del contenuto dei documenti.

Vengono addebitati due volte i costi per l'utilizzo del modello Foundry?

No. Comprensione dei contenuti usa le distribuzioni LLM collegate per tutte le chiamate LLM e di incorporamento. Queste distribuzioni vengono fatturate. Si paga Content Understanding per l'estrazione e la contestualizzazione del contenuto e Foundry per i token del modello generativo (token di input/output e incorporamenti).

Quanto è possibile risparmiare con modelli più piccoli?

La scelta di un modello di -mini anziché standard può ridurre i costi LLM fino a 80%. Le distribuzioni globali offrono risparmi aggiuntivi. L'estrazione del contenuto e gli addebiti di contestualizzazione rimangono invariati indipendentemente dalla scelta del modello.

Cosa aumenta l'utilizzo dei token?

Diverse funzionalità moltiplicano il consumo di token:

• Grounding della fonte + punteggi di attendibilità: circa 2x utilizzo di token
• Modalità estrattiva: ~1.5x utilizzo di token
• Esempi di addestramento: ~2x utilizzo di token
• Segmentazione/categorizzazione: ~2x utilizzo del token

Mi verrà addebitato qualcosa se la mia richiesta fallisce?

La comprensione del contenuto non prevede addebiti per l'estrazione o la contestualizzazione del contenuto quando una richiesta fallisce con un errore, ad esempio un errore 400. Se una chiamata al modello di completamento Foundry è riuscita prima dell'errore, si viene addebitati per l'utilizzo del modello Foundry in base ai criteri di fatturazione di Foundry.

Suggerimenti per l'ottimizzazione dei costi

• Iniziare con mini modelli - I mini modelli offrono risparmi sostanziali per la maggior parte delle attività di estrazione
• Usare distribuzioni globali se la localizzazione e la conformità dei dati lo consentono
• Abilitare le funzionalità avanzate in modo selettivo : usare solo i punteggi di attendibilità e di base di origine quando necessario
• Testare i file rappresentativi prima del ridimensionamento per comprendere l'effettivo consumo di token
• Monitorare regolarmente l'utilizzo tramite il portale di Azure per identificare le opportunità di ottimizzazione

Altri esempi di prezzi

Di seguito sono riportati esempi dettagliati che illustrano il funzionamento dei prezzi in diversi scenari:

Esempio 1: Elaborazione dei documenti per i flussi di lavoro RAG

Scenario: è necessario estrarre contenuto dai documenti per una soluzione di Retrieval-Augmented Generation (RAG). Si usa prebuilt-documentSearch per estrarre testo, layout e descrizioni delle figure.

Input:

• 1.000 pagine
• Modello: distribuzione globale GPT-4.1
• Area: Stati Uniti orientali

Scomposizione dei prezzi:

1. Estrazione contenuto: 1.000 pagine

   • Costo: (1.000 / 1.000) × $ 5,00 = $ 5,00

2. Analisi delle figure:

   Supponendo due immagini per ciascuna pagina. Costa circa 1000 token di input e 200 token di output per figura.

   • Token di input: 2.000 cifre × 1000 token/immagine = 2.000.000 token
   • Costo: (2.000.000 / 1.000.000) × $ 2,00 = $ 4,00
   • Token di output: 2.000 pagine × 200 token/pagina = 400.000 token
   • Costo: (400.000 / 1.000.000) × $ 8,00 = $ 3,2

3. Contestualizzazione: 1.000 pagine × 1.000 token/pagina = 1.000.000 token

   • Costo: (1.000.000 / 1.000.000) × $ 1,00 = $ 1,00

Costo stimato totale: $ 5,00 + $4 + $3,2 + $1,00 = $13,20

Esempio 2: Elaborazione delle fatture con estrazione dei campi

Scenario: si sta automatizzando l'elaborazione della fattura usando prebuilt-invoice per estrarre dati strutturati (numero di fattura, data, fornitore, totale, voci).

Input:

• 1.000 pagine
• Modello: distribuzione globale GPT-4.1-mini (ottimizzata per i costi)
• Funzionalità: modalità estrativa + stima dell'origine + punteggi di attendibilità
• Area: Stati Uniti orientali

Scomposizione dei prezzi:

1. Estrazione contenuto: 1.000 pagine

   • Costo: (1.000 / 1.000) × $ 5,00 = $ 5,00

2. Estrazione di campi: con l'attendibilità abilitata e la stima della fonte, l'utilizzo del token è approssimativamente 2 volte maggiore per pagina.

   • Token di input di base: 1.000 pagine × 5.200 token/pagina = 5.200.000 token
   • Costo: (5.200.000 / 1.000.000) × $ 0,40 = $ 2,08
   • Token di output di base: 1.000 pagine × 180 token/pagina = 180.000 token
   • Costo: (180.000 / 1.000.000) × $ 1,60 = $ 0,29

3. Contestualizzazione: 1.000 pagine × 1.000 token/pagina = 1.000.000 token

   • Costo: (1.000.000 / 1.000.000) × $ 1,00 = $ 1,00

Costo stimato totale: $ 5,00 + $ 2,08 + $ 0,29 + $ 1,00 = $ 8,37

Esempio 3: Analisi del contenuto video con estrazione di campi a livello di segmento

Scenario: si estrae una rappresentazione strutturata del contenuto video per un'applicazione RAG. Per estrarre dati strutturati per segmento di video, è possibile usare .prebuilt-videoSearch I segmenti sono brevi clip di 15-30 secondi in media, generando numerosi segmenti di output con un singolo campo di riepilogo per segmento.

Input:

• 60 minuti (1 ora) di video
• Modello: distribuzione globale GPT-4.1
• Area: Stati Uniti orientali

Presupposti:

• Token in ingresso: 7.500 token al minuto (in base a fotogrammi campionati, trascrizione, richieste schema e metarichieste)
• Token di output: 900 token al minuto (presupponendo campi strutturati brevi da 10 a 20 per segmento con segmentazione automatica)
• Contestualizzazione: 1.000.000 token all'ora del video

Scomposizione dei prezzi:

1. Estrazione contenuto: 60 minuti

   • Costo: 60 minuti × $1/ora = $ 1,00

2. Estrazione dei campi:

   • Token di input: 60 minuti × 7.500 token al minuto = 450.000 token
   • Costo: (450.000 / 1.000.000) × $ 2,00 = $ 0,90
   • Token di output: 60 minuti × 900 token al minuto = 54.000 token
   • Costo: (54.000 / 1.000.000) × $ 8,00 = $ 0,43

3. Contestualizzazione: 1.000.000 token all'ora

   • Costo: (1.000.000 / 1.000.000) × $ 1,00 = $ 1,00

Costo stimato totale: $ 1,00 + $ 0,90 + $ 0,43 + $ 1,00 = $ 3,33

Esempio 4: Elaborazione delle registrazioni del call center audio

Scenario: si analizzano le registrazioni del call center usando prebuilt-callCenter per generare trascrizioni, diarizzazione degli interlocutori, analisi valutazione e riepiloghi.

Input:

• 60 minuti di audio
• Modello: distribuzione globale GPT-4.1-mini
• Area: Stati Uniti orientali

Scomposizione dei prezzi:

1. Estrazione contenuto: 60 minuti

   • Costo: 60 minuti × $ 0,36 al minuto = $ 0,36

2. Estrazione dei campi:

   • Token di input: 60 minuti × 604 token al minuto = 36.240 token
   • Costo: (36.240 / 1.000.000) × $ 0,40 = $ 0,01
   • Token di output: 60 minuti × 19 token al minuto = 1,140 token
   • Costo: (1.140 / 1.000.000) × $ 1,60 = $ 0,00

3. Contestualizzazione: 60 minuti × 1.667 token/minuto = 100.020 token

   • Costo: (100.020 / 1.000.000) × $ 1,00 = $ 0,10

Costo totale stimato: $ 0,36 + $ 0,01 + $ 0,00 + $ 0,10 = $0,47

Esempio 5: Elaborazione di immagini con didascalie

Scenario: si generano didascalie descrittive per le immagini del prodotto usando prebuilt-imageSearch.

Input:

• 1.000 immagini
• Modello: distribuzione globale GPT-4.1
• Area: Stati Uniti orientali

Scomposizione dei prezzi:

1. Estrazione contenuto: nessun addebito per le immagini

   • Costo: $ 0,00

2. Estrazione dei campi:

   • Token di input: 1.000 immagini × 1.043 token/immagine = 1.043.000 token
   • Costo: (1.043.000 / 1.000.000) × $ 2,00 = $ 2,09
   • Token di output: 1.000 immagini × 170 token/immagine = 170.000 token
   • Costo: (170.000 / 1.000.000) × $ 8,00 = $ 1,36

3. Contestualizzazione: 1.000 immagini × 1.000 token/immagine = 1.000.000 token

   • Costo: (1.000.000 / 1.000.000) × $ 1,00 = $ 1,00

Costo stimato totale: $ 0,00 + $ 2,09 + $ 1,36 + $ 1,00 = $ 4,45

Passaggi successivi

• Pagina dei prezzi della Comprensione del contenuto di Azure
• Calcolatore dei prezzi di Azure
• Guida introduttiva alla comprensione del contenuto
• Procedure consigliate per la comprensione dei contenuti
• Analizzatori predefiniti