// TOM'S HARDWARE ITALIA — INTELLIGENZA ARTIFICIALE
L’AI a basso costo rende più caro cambiare fornitore
Quando GPT-5.6 Luna perde l’80% del prezzo, la conseguenza più importante non è il risparmio sulla prossima fattura: è la scomparsa di una parte delle ragioni economiche per cercare un’alternativa. Installare un modello, dimensionare l’infrastruttura e mantenerla operativa acquistano senso quando l’API proprietaria costa abbastanza da ripagare quella complessità. A 0,20 dollari per milione di token in input e 1,20 in output, invece, molte aziende possono concludere che cambiare strada non valga più il lavoro necessario.
È questa la abbondanza proprietaria descritta, pur con parole diverse, nello stesso racconto di OpenAI. Nel documento in cui l’azienda collega prezzi inferiori, maggiore adozione e nuovi investimenti, il ribasso diventa parte di un ciclo industriale: più utilizzo produce più ricavi e informazioni, che finanziano ulteriore efficienza. Il fatto è il listino ridotto; la lettura è che quella riduzione rende l’ecosistema più difficile da abbandonare senza bisogno di introdurre nuovi vincoli formali.
Il confronto corretto non è fra il vecchio e il nuovo prezzo di Luna, ma fra quel prezzo e il costo totale di un modello gestito in proprio. Il self-hosting richiede capacità di calcolo, competenze, monitoraggio, aggiornamenti e margine per i picchi di domanda. Un modello con pesi disponibili può eliminare il pagamento per token al fornitore originario, ma non rende gratuita l’inferenza. Più l’API diventa economica, più serve una scala elevata — oppure un’esigenza forte di controllo — per giustificare l’infrastruttura interna.
Il contrasto con Alibaba chiarisce il punto. Il resoconto di The Verge sull’apertura del modello più potente di Alibaba mette al centro i pesi e la possibilità di eseguirli fuori dal servizio del produttore; anche l’annuncio dell’apertura del modello Alibaba presenta questa scelta come una sfida alla leadership statunitense. Le fonti non si contraddicono sui dati: descrivono strategie differenti. Ma ciò che una offre e l’altra tace è decisivo. OpenAI quantifica prezzo, velocità ed efficienza senza offrire i pesi; Alibaba punta sui modelli open-weight, senza che l’apertura cancelli automaticamente i costi operativi.
Chi guadagna subito è lo sviluppatore che vuole trasformare budget invariati in più chiamate, più contesto o più attività completate. Guadagnano anche le aziende per cui la gestione di un modello non rappresenta un vantaggio competitivo: acquistare l’API permette di evitare investimenti tecnici che avrebbero poco senso. OpenAI, dal canto suo, può difendere volumi e centralità della piattaforma anche incassando meno per ciascun token. Non occorre attribuirle un piano nascosto: è l’effetto competitivo osservabile del nuovo prezzo.
Chi rinuncia al self-hosting, tuttavia, non acquista i pesi, non decide autonomamente l’ambiente di esecuzione e non ottiene maggiore portabilità. Se il fornitore modifica listini, limiti, disponibilità o caratteristiche del servizio, l’applicazione continua a dipendere da decisioni esterne. Il controfattuale aiuta: se OpenAI avesse accompagnato lo sconto con pesi scaricabili, il prezzo sarebbe stato soltanto una delle modalità di accesso. Con la sola riduzione dell’API, diventa invece uno strumento capace di abbassare il costo d’ingresso lasciando invariato il lock-in.
Il risultato verificabile non è quindi “l’AI costa l’80% in meno”, ma un costo per attività completata potenzialmente inferiore dentro lo stesso perimetro proprietario. Per valutarlo bisogna applicare Luna a un workload stabile, includendo input, output, contesto, tentativi falliti e revisioni; poi confrontare quella spesa con hardware, energia, personale e utilizzo effettivo di un’alternativa gestita internamente. Infine va misurato il tempo di migrazione necessario a trasferire la medesima applicazione su un altro modello. Il taglio di prezzo può vincere nettamente il primo confronto e perdere il terzo. È qui che lo sconto smette di essere una promozione: l’intelligenza diventa più abbonda