// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
I costi dell'AI stanno calando molto velocemente
Un compito che un modello AI risolveva per 30 centesimi a inizio 2025 ne costa oggi 0,04: un calo di 725 volte in diciotto mesi. È il caso più netto citato da Epoch AI, l'organizzazione di ricerca che traccia i trend dell'AI, in un'analisi che misura un calo dei costi di circa il 47% a trimestre, quasi 13 volte l'anno, per ottenere lo stesso livello di prestazioni su un pacchetto di confronti di matematica, scienza e puzzle logici.
Un secondo studio, condotto al MIT sugli stessi dati di mercato ma con un metodo più severo, arriva a una cifra molto meno spettacolare: isolando il solo progresso algoritmico dal calo dei prezzi dell'hardware e dalla pressione della concorrenza, il calo si ferma a circa 3 volte l'anno. Qualunque sia la misura più corretta, il conto resta a favore di chi deve scegliere: i modelli delle generazioni precedenti restano disponibili, e sempre più economici, per chi non ha bisogno dell'ultima versione.
Epoch AI misura il prezzo di mercato che un cliente paga davvero, dove concorrenza fra fornitori e hardware sempre più efficiente si sommano al progresso tecnico vero e proprio. Il gruppo del MIT isola i soli modelli open per neutralizzare l'effetto della concorrenza, divide per il calo dei prezzi hardware, e misura quello che resta.
Il primo numero dice quanto costa oggi risolvere un problema; il secondo dice quanto sono diventati più bravi gli algoritmi a farlo, a parità di chip. Nessuno dei due è più "vero" dell'altro: raccontano lo stesso mercato da un'angolazione diversa.
Il divario tra le due cifre non va risolto scegliendo un vincitore: nessuna delle due, comunque la si legga, è vicina allo zero.
I modelli di ragionamento più recenti, quelli che riflettono passo per passo prima di rispondere, possono costare di più per singola query rispetto ai predecessori, non di meno, perché usano più calcolo per ogni compito. Un punteggio migliore sullo stesso confronto riflette spesso solo più calcolo speso durante l'inferenza, non un progresso reale nell'efficienza dell'algoritmo: la stessa cautela metodologica che ha spinto il MIT a isolare il progresso algoritmico dal resto.
Per la maggior parte dei compiti aziendali, ordinare un elenco, riassumere un documento, classificare un ticket di assistenza, un modello della generazione precedente basta già oggi. La guerra dei prezzi fra i grandi fornitori tiene i modelli più vecchi sul mercato a un costo che scende trimestre dopo trimestre, mentre l'ultima versione resta cara finché non viene superata a sua volta. Chi ha già costruito un flusso di lavoro su un modello di due generazioni fa non deve rincorrere ogni rilascio: può restare fermo e vedere il conto scendere da solo.
Il caso più recente è GPT-6 Sol e Luna, la coppia di modelli economici lanciata da OpenAI il 22 settembre proprio per contendere la fascia dei costi bassi ad Anthropic e agli altri concorrenti: un modello pensato apposta per costare poco, non un compromesso residuale della gamma. Il costo per unità di calcolo scende, ma la spesa complessiva di un'azienda segue una curva diversa: gli agenti AI possono consumare token molto più in fretta di quanto il prezzo unitario cali, tanto che il costo aggregato di un flusso di lavoro agentico può avvicinarsi a quello del lavoro umano che sostituisce, e il risparmio teorico si trasforma in budget sforato se nessuno controlla quanti compiti vengono davvero affidati al modello.
Chi decide oggi quale modello usare per un nuovo progetto ha un incentivo concreto a non scegliere sempre il più recente: il modello di due generazioni fa costa una frazione e, per la maggioranza dei compiti non specialistici, il divario di qualità è già oggi difficile da notare. Chi vende accesso ai modelli più costosi ha l'incentivo opposto: mantenere la percezione che solo l'ultima versione sia davvero all'altezza, anche quando i confronti citati per giustificarlo misurano soprattutto quanto calcolo in più è stato speso per ottenerli.
Aggiungi Tom's Hardware alle tue fonti p