Introduzione
Il 22 settembre OpenAI e Anthropic hanno presentato mosse parallele sul mercato dell’intelligenza artificiale, introducendo due varianti di GPT‑6 (Sol e Luna) e la nuova versione di Claude, Opus 5.5. Entrambi i laboratori promettono una riduzione dei costi d’uso, una risposta alle esigenze delle imprese che vogliono passare dai progetti pilota a processi ricorrenti e una difesa contro la pressione dei modelli open‑weight, molti dei quali sviluppati in Cina e offerti a prezzi contenuti.
I nuovi modelli
OpenAI colloca GPT‑6 Sol un gradino sotto il modello di punta Astra e lo indirizza al coding complesso e ai flussi agentici. GPT‑6 Luna, invece, è pensato per attività focalizzate ad alto volume, quali classificazione, estrazione e sintesi. Anthropic mantiene Claude Opus 5.5 nella fascia alta, proponendolo per agenti di lunga durata, coding e lavoro professionale complesso.
Struttura dei prezzi
Le tariffe standard dichiarate sono le seguenti:
- GPT‑6 Sol: 2 USD per milione di token in input, 10 USD per milione in output.
- GPT‑6 Luna: 0,10 USD per milione di token in input, 0,50 USD per milione in output.
- Claude Opus 5.5: 4 USD per milione di token in input, 20 USD per milione in output (listino base), con una riduzione del 20 % rispetto a Opus 5.
Anthropic stima inoltre una riduzione del 40 % sul costo dei carichi tipici grazie a un utilizzo più efficiente dei token e a una cache il cui prezzo scende da 0,50 a 0,20 USD per milione di token.
Tabella comparativa dei prezzi standard API (USD per milione di token)
| Modello | Input | Output |
|---|---|---|
| GPT‑6 Sol | 2,00 | 10,00 |
| GPT‑6 Luna | 0,10 | 0,50 |
| Claude Opus 5.5 | 4,00 | 20,00 |
| Astra (riferimento) | — | 20,00 |
I prezzi sono validi per prompt entro 272 000 token; contesti più lunghi, modalità di elaborazione diverse, cache e localizzazione regionale possono modificare il conto. La riduzione del 40 % indicata da Anthropic non è uno sconto uniforme, ma una stima riferita a carichi tipici.
Confronti di costo su scenari teorici
Considerando un carico teorico con un milione di token in input e 200 000 in output, senza cache né strumenti esterni, il costo per modello sarebbe:
- Luna: 0,20 USD
- Sol: 4,00 USD
- Opus 5.5: 8,00 USD
- Astra: 20,00 USD
Lo stesso processo può quindi costare fino a cento volte di più a seconda del modello scelto. La convenienza reale dipende però da quante risposte superano i controlli di qualità e da quanto lavoro umano è necessario per correggerle.
Impatto dei modelli open‑weight
Il ribasso dei laboratori statunitensi avviene mentre i modelli open‑weight guadagnano spazio nelle applicazioni. “Open‑weight” indica che i pesi del modello sono scaricabili, ma non necessariamente che codice, dati di addestramento e licenza siano totalmente aperti. Per un’impresa ciò significa più scelte: esecuzione su cloud provider diverso, installazione su infrastruttura propria, adattamento del modello e maggiore controllo sul ciclo di aggiornamento.
L’AI Gateway Production Index di Vercel mostrava, a giugno, che i token provenienti da modelli open‑weight rappresentavano il 29 % del traffico, contro l’11 % di aprile, con meno del 4 % della spesa totale. Nella classifica aggiornata al 22 settembre, gli open‑weight coprivano il 77,1 % dei token; DeepSeek V4.1 Flash da solo arrivava al 58 %.
Pressioni di mercato e dati di McKinsey
Un rapporto di McKinsey pubblicato all’inizio del mese evidenzia che l’IA agentica può ridurre il tempo dedicato a certe attività di trasformazione aziendale dal 35 % al 40 %, a volte anche del 70 % o più. Tuttavia, le aziende devono valutare se gli agenti generano abbastanza valore da giustificarne il costo. Il sondaggio “2026 State of AI” rileva che circa un terzo delle organizzazioni spende più del 10 % del proprio budget tecnologico in IA; il 60 % prevede di aumentare la spesa l’anno prossimo, mentre uno su cinque segnala che la spesa per l’IA sta iniziando a creare vincoli nei costi operativi.
Competizione cinese
La concorrenza cinese agisce sia sul listino sia sull’architettura di mercato. DeepSeek V4.1 Flash offre pesi con licenza MIT e applica, nelle ore di punta, 0,30 USD per milione di token in input non memorizzati in cache e 1,20 USD in output; nelle ore non di punta le tariffe si dimezzano. Altri modelli come Qwen di Alibaba, Kimi di Moonshot AI e simili ampliano ulteriormente la disponibilità di alternative scaricabili o servite da più operatori.
Analisi dei benchmark di costo
Artificial Analysis, nei propri benchmark, combina prezzo di input, cache e output con il numero di token effettivamente consumati. Il risultato: GPT‑6 Sol, alla massima capacità di ragionamento, costa 1,06 USD per task nel suo Intelligence Index, contro 1,99 USD di GPT‑5.6 Sol. Per Luna il costo scende da 0,18 a 0,07 USD, circa il 60 % in meno.
Il risparmio non deriva semplicemente da una minore produzione di testo. Nei test, GPT‑6 Sol utilizza in media 31 000 token di output