Il vero campo di battaglia dell'AI non è più l'intelligenza, è il prezzo

Il fatto e perché conta ora

Il 9 luglio OpenAI ha aperto al pubblico GPT-5.6, la sua nuova famiglia di modelli linguistici, articolata in tre livelli chiamati Sol, Terra e Luna. Sol è il modello di punta, pensato per i compiti più complessi e per lavorare a lungo in autonomia. Terra è la versione bilanciata, pensata per l'uso quotidiano. Luna è la più economica e veloce, indicata per attività semplici ad alto volume. Accanto ai modelli, OpenAI ha presentato ChatGPT Work, un agente che fonde il chatbot con Codex, il suo strumento di programmazione, per produrre documenti, fogli di calcolo, presentazioni e piccole applicazioni web partendo da un'istruzione, non da una singola domanda.

La notizia conta non tanto per l'ennesimo aggiornamento di un modello, quanto per cosa rivela sulla strategia di OpenAI in un momento preciso. Il 1 luglio Anthropic ha superato per la prima volta OpenAI per valore di mercato, dopo mesi in cui Claude Cowork, il suo agente aziendale lanciato a gennaio, si era ritagliato una posizione solida tra le imprese, in particolare nella programmazione. ChatGPT Work arriva pochi mesi dopo, come risposta diretta a quel prodotto. GPT-5.6, con la sua architettura a tre livelli, è il modo in cui OpenAI prova a coprire ogni fascia di prezzo e di uso, dal compito banale al progetto complesso, invece di puntare tutto su un unico modello di punta.

I numeri dietro l'annuncio

I test indipendenti di Artificial Analysis danno la misura di cosa significhi in pratica questa scelta. Sul suo indice di intelligenza generale, che aggrega più valutazioni, Sol impostato al massimo sforzo di ragionamento ottiene 59 punti, contro i 60 di Claude Fable 5, il modello di punta di Anthropic lanciato pochi mesi prima. Un solo punto di distanza, ma a un costo per attività di circa 1,04 dollari, contro un multiplo di quella cifra per Fable 5, secondo le stime della stessa Artificial Analysis, che parla di un terzo del costo. Terra e Luna, i due livelli inferiori, restano appena sotto la frontiera di efficienza, con un costo per attività che scende rispettivamente di circa il 50% e l'80% rispetto a Sol, perdendo pochi punti di qualità.

Sul fronte della programmazione, dove OpenAI gioca da tempo la sua partita più importante con Codex, Sol guida la classifica Coding Agent Index della stessa Artificial Analysis con 80 punti. Ma qui la lettura va approfondita, perché Simon Willison, sviluppatore e osservatore che segue da anni l'evoluzione di questi modelli, ha notato che su un altro test di programmazione, swe-bench pro, è Fable 5 a vincere nettamente, con l'80% di compiti risolti contro il 64,6% di Sol. Di fronte a questo scarto, OpenAI ha messo pubblicamente in dubbio la validità di quel benchmark specifico, una mossa che segnala quanto la narrazione del sorpasso sia più fragile di come viene raccontata nei comunicati stampa.

Willison scrive di aver trovato Sol "decisamente competente", ma di non averlo ancora visto superare Fable 5 sui compiti di programmazione complessi che affronta di persona ogni giorno.

Da chi ha il modello più intelligente a chi porta valore in azienda

La tesi che GPT-5.6 sia soprattutto una mossa di prezzo regge a questo punto dei fatti, con una precisazione onesta. Non è che OpenAI abbia recuperato ogni terreno perso su Anthropic in fatto di capacità pura, i dati di Willison lo smentiscono già su un singolo test importante. Quello che è successo è più sottile e, per chi osserva il settore da una prospettiva di adozione aziendale, più significativo. Il divario di intelligenza tra i due migliori modelli disponibili si è ridotto a una manciata di punti su una scala che ne conta decine, mentre il divario di prezzo resta ampio, di un ordine di grandezza in alcuni casi. Quando due prodotti si assomigliano abbastanza su una metrica ma si distanziano molto su un'altra, la seconda metrica diventa quella che decide.

È per questo che il lancio di ChatGPT Work pesa quanto quello dei tre modelli. Anthropic ha passato l'ultimo anno a costruire non solo un modello competitivo, ma un ecosistema attorno a Claude Cowork, con pacchetti pensati per finanza, risorse umane e ufficio legale, oltre a una base di clienti enterprise che secondo diverse analisi di settore ha superato quella di OpenAI proprio nella programmazione professionale. ChatGPT Work è la risposta a quello spostamento, non alla classifica dei benchmark. La competizione tra le due aziende, insomma, si gioca sempre meno sul terreno di chi ha il modello più intelligente in assoluto, e sempre più su chi riesce a incastrare quel modello dentro i flussi di lavoro reali di un'azienda, con meno attrito e più affidabilità.

Si può obiettare che un punto di distanza sull'indice di intelligenza, per quanto minimo, conti comunque moltissimo nei compiti dove la precisione è tutto, dalla diagnosi medica alla revisione legale, e che quindi la narrazione del sorpasso di prezzo rischi di far perdere di vista che Fable 5 resta, per ora, il modello più capace in assoluto secondo la maggior parte delle misure. È un'obiezione fondata, e lo scarto su swe-bench pro lo conferma per la programmazione complessa. Ma la maggior parte del lavoro che un'azienda commissiona a un modello linguistico oggi non è nella fascia più esigente della curva: è scrivere una bozza, sintetizzare un documento, automatizzare una procedura ripetitiva, compiti in cui un punto di intelligenza in meno pesa molto meno di un terzo di costo in meno, specialmente su grandi volumi.

Cosa significa per chi adotta l'AI oggi

Per una piccola o media impresa che sta valutando come integrare l'intelligenza artificiale nei propri processi, questo scenario è una buona notizia, non un motivo di allarme. I prezzi scendono e la qualità sale quasi ogni trimestre, il che significa che aspettare non conviene quasi mai, ma nemmeno impegnarsi in modo rigido su un singolo fornitore. Nei progetti che seguo con le pmi vedo con una certa regolarità aziende che hanno costruito un intero flusso di lavoro attorno a un modello specifico, magari scelto un anno fa per motivi validi allora, e che oggi faticano a spostarsi su un'alternativa più conveniente perché ogni integrazione, ogni prompt, ogni automazione è stata scritta pensando solo a quel fornitore.

La lezione pratica di questo lancio è che conviene progettare l'architettura tecnica come se il modello fosse un componente intercambiabile, non una scelta definitiva. Vuol dire separare la logica di business dal modello specifico, testare periodicamente alternative su metriche proprie invece di fidarsi solo dei benchmark pubblicati dai fornitori, e mantenere la possibilità di cambiare fornitore senza dover riscrivere tutto da capo. È un lavoro di metodo più che di tecnologia, ma è quello che permette a un'impresa di beneficiare di ogni taglio di prezzo che arriva da questa competizione, invece di restarne semplicemente spettatrice.