C’è un momento, in ogni tecnologia che matura, in cui la concorrenza smette di giocarsi sul “chi è più bravo” e comincia a giocarsi sul “chi costa meno”. Per i modelli AI quel momento è arrivato in queste settimane, e ha una data simbolica: il 9 luglio, quando OpenAI ha listino Luna a 1 dollaro per milione di token e in poche ore Meta ha risposto a 1,25 e xAI a 2. Undici giorni dopo, DeepSeek ha tagliato il proprio listino del 75%.

Per chi si occupa dei conti di un’azienda che usa l’AI, questa è la notizia più importante dell’estate. Più dei benchmark, più degli agenti. Vediamo perché e cosa fare.

Cosa è successo, in numeri

La fascia economica dei modelli di frontiera si è compressa così, nel giro di due settimane:

ModelloInput $/M tokenOutput $/M tokenNota
DeepSeek V4 Flash0,140,28cache quasi gratis
DeepSeek V4 Pro0,4350,87-75% dal 20 luglio
GPT-5.6 Luna1,006,00la mossa che ha aperto la guerra
Muse Spark 1.11,254,25Meta, 9 luglio
GLM-5.21,404,40open, MIT
Grok 4.52,006,00cache a 0,50
GPT-5.6 Sol5,0030,00flagship, listino fermo
Claude Opus 4.85,0025,00flagship, listino fermo
Claude Fable 510,0050,00l’unico ad aver alzato

La lettura: i flagship tengono i prezzi, ma la fascia da 1-2 dollari oggi contiene modelli che un anno fa sarebbero stati i migliori sul mercato. Il divario di capacità tra le fasce si è ristretto molto più del divario di prezzo.

Perché riguarda anche chi non guarda i listini

Se hai un budget AI approvato a inizio anno, è dimensionato su prezzi che non esistono più: a parità di volumi la spesa reale sta scendendo, e la differenza è margine da riprendere o capacità in più da usare senza chiedere un euro.

Se hai firmato committed spend o sconti volume, controlla i numeri: uno sconto del 20% su un listino di gennaio può essere peggiore del prezzo pubblico di luglio. I contratti AI vanno rinegoziati con una frequenza che nessun altro acquisto IT richiede.

Se compri AI dentro altri servizi (piattaforme SaaS “con AI inclusa”, agenzie, tool verticali), il costo sottostante dei tuoi fornitori è crollato. Se il prezzo a te non si è mosso, quel margine se lo sta prendendo qualcun altro: è materia di trattativa al rinnovo.

L’instradamento non è più un’ottimizzazione: è il default

Con tre fasce di prezzo così distanti (0,5, 1-2 e 5-10 dollari), mandare tutti i compiti allo stesso modello è come spedire ogni lettera con corriere espresso. La pratica che nei nostri progetti taglia il 60-70% della bolletta a parità di qualità percepita è l’instradamento: classificazione e smistamento sulla fascia economica, lavoro quotidiano sulla fascia media, ragionamento critico e output verso clienti sul flagship.

Sei mesi fa questo richiedeva convinzione; oggi i fornitori stessi lo suggeriscono con i listini a gamma (Luna/Terra/Sol ne è l’esempio esplicito). La versione operativa del metodo, con i numeri da fissare prima, è nella nostra guida su quanto costa un progetto AI e in quella sulla misurazione del ROI.

Tre azioni per questa settimana

  1. Esporta la bolletta API degli ultimi tre mesi e dividila per tipo di compito. Scoprire che il 70% dei token va in compiti da fascia economica è la norma, non l’eccezione.
  2. Rifai il conto dei volumi con i listini di oggi. Se la differenza è significativa (lo sarà), decidi se incassarla come risparmio o reinvestirla in copertura di casi d’uso che a gennaio erano fuori budget.
  3. Metti in calendario la revisione trimestrale dei prezzi. Non è più un mercato da contratto annuale: chi rivede i listini ogni quarter pagherà sistematicamente meno di chi firma e dimentica.

In sostanza: la guerra dei prezzi è la migliore notizia dell’anno per chi compra AI, ma i suoi benefici non arrivano da soli: vanno raccolti, rinegoziando e instradando. Se vuoi una mano a rifare i conti del tuo stack sui listini nuovi, parlaci del tuo progetto.

Domande frequenti

La fascia economica dei modelli di frontiera si è compressa in poche settimane: GPT-5.6 Luna a 1 dollaro per milione di token in input e 6 in output, Muse Spark 1.1 di Meta a 1,25/4,25, Grok 4.5 a 2/6, GLM-5.2 a 1,40/4,40, e DeepSeek V4 che con il taglio del 75% arriva a 0,435/0,87. Un anno fa questa classe di capacità costava 5-15 dollari in input. Sulla fascia alta i flagship tengono i listini (5-10 dollari), ma il divario di capacità con la fascia economica si è ristretto molto più del divario di prezzo.

Tre cose. Rifare i conti: se il budget era dimensionato sui listini di inizio anno, oggi gli stessi volumi costano una frazione, e la differenza è margine da recuperare o capacità in più da usare. Rinegoziare o ricontrattare i committed spend con i fornitori: gli sconti volume firmati su listini vecchi possono essere peggiori dei prezzi pubblici nuovi. E verificare le clausole dei fornitori intermedi (agenzie, piattaforme SaaS con AI inclusa): se il loro costo sottostante è crollato e il prezzo a te è rimasto uguale, c'è spazio di trattativa.

No: conviene instradare. La regola pratica è assegnare ogni tipo di compito alla fascia più economica che lo risolve con la qualità richiesta: smistamento e classificazione sulla fascia da 1 dollaro, lavoro quotidiano sulla fascia media, ragionamento critico sul flagship. Nei progetti dove lo implementiamo, l'instradamento taglia il 60-70% della bolletta a parità di risultati percepiti. Spostare tutto sull'economico, invece, sposta il costo dalla bolletta API alla revisione umana degli errori.

No, ed è l'errore più diffuso di questa fase. Il metro giusto è il costo per risultato corretto: un modello che costa la metà ma sbaglia il doppio non è uno sconto, perché l'errore lo paghi in revisione, rilavorazione o danno. Il caso Grok 4.5 è emblematico: metà del costo per task sul coding, ma tasso di allucinazioni raddoppiato nei test indipendenti. Il calcolo serio si fa così: costo per operazione, moltiplicato per il tasso di rilavorazione, più il costo del controllo umano.