Appena ventuno giorni dopo il lancio, OpenAI ha deciso di rivedere i listini della famiglia GPT-5.6 con un taglio che ha sorpreso il mercato: il modello Luna passa a un costo dell’80% inferiore, mentre Terra scende del 20%. Sol, il modello di punta, resta invariato. Una mossa che conferma la crescente competizione nel settore dei modelli linguistici e la necessità di conquistare le aziende più attente alla spesa.
I dettagli dei tagli: Luna, Terra e Sol
La famiglia GPT-5.6 è stata introdotta come un’evoluzione mirata a offrire tre livelli di prestazioni e prezzi. Sol rappresenta il top per compiti complessi, Luna un’alternativa più economica ma con capacità competitive, Terra una via di mezzo. Ora, il prezzo di Luna viene ridimensionato in modo drastico, rendendolo fino a cinque volte più economico rispetto al debutto. Terra segue a ruota con uno sconto del 20%. Sol rimane il riferimento, ma il suo costo non cambia, segnalando che la vera partita si gioca sulla fascia media.
Perché questo taglio adesso?
La decisione arriva in un momento di forte pressione competitiva. Cina, Google, Anthropic e Microsoft stanno spingendo sui prezzi e sulle prestazioni dei propri modelli. Le aziende, dal canto loro, stanno diventando più caute nell’adozione dell’AI generativa, soppesando con attenzione il rapporto costo-beneficio. Offrire un modello come Luna a un costo otto volte inferiore permette a OpenAI di abbassare la barriera all’ingresso e di rispondere alle mosse dei concorrenti, specialmente cinesi, noti per la loro aggressività sui listini.
Il paradosso del costo per task
Ma dietro il taglio del prezzo si nasconde un’insidia: il costo per attività completata potrebbe non scendere nella stessa misura. Secondo le tabelle ufficiali, Luna rimane entro il 5% delle prestazioni di Sol nei compiti agentici, ma scende sotto la metà quando si tratta di contesti lunghi, sicurezza informatica e applicazioni scientifiche. Per ottenere risultati paragonabili, uno sviluppatore potrebbe dover effettuare più chiamate o usare più token, erodendo parte del risparmio. Inoltre, il margine che ha reso possibile lo sconto deriva da un’ottimizzazione interna: Sol, il modello più grande, ha riscritto in autonomia i kernel di produzione dello stack di inferenza, riducendo i costi di esecuzione. Un vantaggio che si riverbera su Luna, ma che non modifica il suo profilo di efficienza intrinseca.
Cosa significa per chi legge
Per sviluppatori, startup e aziende italiane che valutano l’integrazione di modelli linguistici, il taglio apre opportunità ma richiede analisi. Ecco i punti chiave:
- Sperimentare costa meno: Luna a prezzo ridotto permette di testare funzionalità agentiche senza impegnare budget elevati.
- Misurare il costo reale: valutare sempre il costo per task completato, non solo per token, specialmente in scenari con contesti lunghi o alta complessità.
- Restare agili sulla concorrenza: la guerra dei prezzi continuerà, quindi conviene monitorare le offerte di Google, Anthropic e dei modelli open source per evitare lock-in.