Prezzi per Comprensione del contenuto di Azure in Strumenti Fonderia

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

Per prezzi specifici, vedere Azure Content Understanding Pricing.

Se non diversamente specificato, questo articolo fa riferimento al comportamento ga con la versione 2025-11-01dell'API . Sezioni che descrivono la risoluzione della famiglia di flussi di lavoro e la modalità agente passano al comportamento di anteprima con la versione 2026-06-01-previewdell'API .

Comprendere i 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 Generative model charges .For details, see Generative model charges.

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

Componenti dei costi

Il costo totale include ogni categoria di utilizzo applicabile all'analizzatore: estrazione del contenuto, token di contestualizzazione, token di input del modello di completamento e token di output e token di incorporamento del modello. Se si usa solo l'estrazione di contenuto senza funzionalità generative, si paga solo per l'estrazione di contenuto.

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 visualizzare l'utilizzo per le operazioni di anteprima e disponibilità generale, controllare l'oggetto nella risposta dell'API usage Analizzatori:

{
  "usage": {
      "documentPagesMinimal": 0, // Asynchronous: Digital file extraction.
      "documentPagesBasic": 0, // Asynchronous: Read extraction.
      "documentPagesStandard": 2, // Asynchronous: Layout extraction.
      "documentPagesMinimalInline": 0, // Preview: Synchronous digital file extraction.
      "documentPagesBasicInline": 0, // Preview: Synchronous Read extraction.
      "documentPagesStandardInline": 0, // Preview: Synchronous Layout extraction.
      "contextualizationTokens": 2000,
      "advancedContextualizationTokens": 0, // Preview: Advanced contextualization.
      "tokens": {
         "gpt-5.2-input": 10400,
         "gpt-5.2-output": 360
    }
  }
}

Nell'API le operazioni sincrone segnalano l'utilizzo 2026-06-01-preview dell'estrazione del contenuto nelle documentPages*Inline proprietà. L'utilizzo avanzato della contestualizzazione viene segnalato in advancedContextualizationTokens. Questi nomi di proprietà identificano l'utilizzo nella risposta dell'API; non sono i nomi dei contatori dei prezzi pubblicati.

2. Ottenere le tariffe correnti

Usare le pagine dei prezzi per Azure Content Understanding and Foundry Models per ottenere le tariffe correnti per l'area geografica, il tipo di distribuzione e i modelli selezionati.

3. Calcolare la stima

Per ogni categoria di utilizzo applicabile, moltiplicare l'utilizzo misurato in base alla frequenza corrente. Includere gli addebiti per l'estrazione del contenuto e la contestualizzazione da Content Understanding, l'input del modello di completamento e gli addebiti dei token di output e l'incorporamento dei token quando l'analizzatore usa incorporamenti. Aggiungere gli addebiti risultanti per stimare il costo totale per il volume previsto.

Le tariffe variano in base all'area, al tipo di distribuzione e al modello, quindi questo articolo non fornisce calcoli numerici. Per le opzioni del modello correnti, vedere Modelli generativi supportati.

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 2025-11-01più recente dell'API 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 in Content Understanding che pre-elabora il contenuto utente, prepara i dati e il contesto per i modelli generativi e l'output del modello post-processi nei risultati strutturati finali. Il tipo di elaborazione dei dati, la preparazione dei dati e l'elaborazione del contesto applicata determina il tipo e la quantità di token di contestualizzazione addebitati.

La contestualizzazione standard applica funzionalità di estrazione per utilizzo generico al contenuto e allo schema.

La contestualizzazione avanzata applica una tecnologia specializzata per migliorare la qualità, semplificare l'implementazione e risolvere problemi di comprensione dei contenuti più complessi.

Con l'API 2026-06-01-preview , il valore risolto config.workflow rende esplicita la frequenza applicabile:

• Valori del flusso di lavoro che iniziano con standard usano la frequenza di contestualizzazione standard.
• Tutte le altre famiglie di flussi di lavoro, incluse advanced e agentic, usano la frequenza di contestualizzazione avanzata.

I clienti impostati "default" o "agentic" durante la creazione di un analizzatore. Il servizio restituisce un valore della famiglia di flussi di lavoro con controllo delle versioni, ad esempio standard.2026-06-01-preview, advanced.2026-06-01-previewo agentic.2026-06-01-preview. Per le regole di risoluzione complete, vedere workflow.

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:

Supponendo un tasso di contestualizzazione standard di $ 1,00 per 1 milione di token di contestualizzazione e un tasso di contestualizzazione avanzato di $ 3,00 per 1 milione di token di contestualizzazione.

Analizzatori predefiniti

La tabella seguente riepiloga gli analizzatori predefiniti e l'estrazione del contenuto applicabile e i contatori di fatturazione per l'elaborazione del contesto. Il contatore di estrazione dei campi viene addebitato in base all'utilizzo effettivo del modello generativo.

¹L'estrazione del contenuto dai file basati su testo tramite analizzatori supportati viene fatturata con il contatore minimo del documento.

Analizzatori personalizzati

Quando si creano analizzatori personalizzati e si forniscono dati di training etichettati, il sistema applica il contatore di contestualizzazione avanzato. In caso contrario, applica il contatore di contestualizzazione standard.

Gli analizzatori personalizzati creati con la versione 2025-11-01 dell'API o versioni precedenti continuano a usare la frequenza di contestualizzazione standard. Se si recupera uno di questi analizzatori con l'API 2026-06-01-preview , la risposta viene visualizzata standard.2025-11-01 in config.workflow. La risposta dell'API 2025-11-01 è invariata.

Quando si crea un analizzatore personalizzato con l'API 2026-06-01-preview :

• Un analizzatore personalizzato senza dati etichettati viene standard.2026-06-01-preview risolto in e usa la frequenza standard.
• Un analizzatore personalizzato con dati etichettati viene risolto advanced.2026-06-01-preview in e usa la frequenza avanzata.
• Analizzatore personalizzato creato con workflow impostato per "agentic" la agentic.2026-06-01-preview risoluzione in e usa la frequenza avanzata.

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 etichettati con l'API 2025-11-01

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: confrontare le tariffe correnti per i modelli e i tipi di distribuzione supportati e scegliere un'opzione che soddisfi i requisiti di qualità, latenza, residenza dei dati e costi.

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: per le opzioni correnti, vedere Modelli generativi supportati.
• Utilizzo tipico: l'intero documento è incorporato. L'utilizzo può variare a seconda della densità del testo, ma circa 1.500 token per pagina è una stima iniziale utile.

Dettagli delle funzionalità generative

Ogni funzionalità generativa ha implicazioni di costo diverse.

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 un'ulteriore analisi su ogni segmento. Il concatenamento usa più estrazione di contenuto e utilizzo generativo, equivalente all'esecuzione indipendente degli analizzatori concatenati.

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. Il routing a un altro analizzatore aggiunge i rispettivi addebiti.

Formazione

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

Impatto dei costi: entrambe le versioni dell'API usano token di incorporamento quando si aggiungono dati etichettati. Con l'API 2025-11-01 , gli esempi di training recuperati aggiungono anche token di input LLM durante l'analisi. Con l'API, l'analizzatore 2026-06-01-preview compilato non recupera i documenti etichettati in fase di analisi.

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 funzionalità generative, 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).

In che modo la scelta del modello influisce sui costi?

Le frequenze dei token del modello variano in base al modello e al tipo di distribuzione. Confrontare le frequenze correnti e testare i file rappresentativi prima di scegliere un modello. L'estrazione del contenuto e gli addebiti per la contestualizzazione non dipendono dal modello di completamento selezionato.

Cosa aumenta l'utilizzo dei token?

Diverse funzionalità possono aumentare il consumo di token:

• I punteggi di base e di attendibilità di origine aggiungono contesto di elaborazione.
• La modalità di estrazione aggiunge istruzioni e dettagli di output.
• Gli esempi di training aggiungono esempi recuperati al contesto del modello usando l'API 2025-11-01 .
• La segmentazione e la categorizzazione possono richiedere chiamate di modello aggiuntive.

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

• Confrontare i modelli e i tipi di distribuzione supportati per bilanciare i requisiti di costo, qualità, latenza e residenza dei dati.
• 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:

• 10 pagine
• Modello: distribuzione globale GPT-5.2
• Area: Stati Uniti orientali

Scomposizione dei prezzi:

1. Estrazione contenuto: 10 pagine

   • Costo: (10 / 1.000) × $ 5,00 = $ 0,05

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: 20 cifre × 1.000 token/immagine = 20.000 token
   • Costo: (20.000 / 1.000.000) × $ 2,00 = $ 0,04
   • Token di output: 20 cifre × 200 token/figura = 4.000 token
   • Costo: (4.000 / 1.000.000) × $ 8,00 = $ 0,032

3. Contestualizzazione: 10 pagine × 1.000 token/pagina = 10.000 token

   • Costo: (10.000 / 1.000.000) × $ 1,00 = $ 0,01

Costo stimato totale: $ 0,05 + $ 0,04 + $ 0,032 + $ 0,01 = $ 0,132

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:

• 10 pagine
• Modello: distribuzione globale GPT-5.2
• Funzionalità: modalità estrativa + stima dell'origine + punteggi di attendibilità
• Area: Stati Uniti orientali

Scomposizione dei prezzi:

1. Estrazione contenuto: 10 pagine

   • Costo: (10 / 1.000) × $ 5,00 = $ 0,05

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: 10 pagine × 5.200 token/pagina = 52.000 token
   • Costo: (52.000 / 1.000.000) × $0,40 = $ 0,0208
   • Token di output di base: 10 pagine × 180 token/pagina = 1.800 token
   • Costo: (1.800 / 1.000.000) × $ 1,60 = $ 0,0029

3. Contestualizzazione: 10 pagine × 1.000 token/pagina = 10.000 token

   • Costo: (10.000 / 1.000.000) × $ 1,00 = $ 0,01

Costo totale stimato: $ 0,05 + $ 0,0208 + $ 0,0029 + $ 0,01 = $0,0837

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-5.2
• 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-5.2
• 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-5.2
• 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

Categorie di utilizzo per carico di lavoro

Usare la tabella seguente per identificare le categorie di utilizzo da includere nella stima. L'utilizzo esatto dei token dipende dal contenuto, dallo schema, dalla configurazione dell'analizzatore e dal modello selezionato.

Passaggi successivi

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