Il vertice della classifica mondiale costa la metà e oggi esce il più grande modello aperto della storia

Per due anni il mercato dell’IA ha seguito una regola semplice: il modello più intelligente era il più caro e si pagava la differenza. Questa regola è appena saltata. Il 24 luglio, Anthropic ha lanciato Claude Opus 5, primo nell’Artificial Analysis Intelligence Index con 61 punti, davanti a Claude Fable 5 (60) e GPT-5.6 Sol (59), a $5 / $25 per milione di token, esattamente metà della tariffa di Fable 5. E il 27 luglio alle 00:00 UTC, Moonshot pubblica i pesi di Kimi K3, 2.8 mila miliardi di parametri: la più grande pubblicazione di un modello aperto della storia. Il vertice del mercato scende di prezzo, la base diventa gratuita. Per un’organizzazione che paga i propri token, la domanda dell’anno non è più «qual è il modello migliore?», ma «quanto mi costa davvero un’attività completata?».

Opus 5 passa in testa costando la metà di Fable 5

La mossa è insolita: un fornitore supera il proprio modello di punta con uno che costa la metà. Claude Opus 5 viene fatturato a $5 in input e $25 in output per milione di token, la stessa tariffa del predecessore Opus 4.8, con prestazioni che lo collocano davanti a Fable 5 ($10 / $50). Anthropic formula chiaramente la proposta: Opus 5 «offre prestazioni molto migliori allo stesso costo del predecessore Opus 4.8».

Per un direttore finanziario, però, il dato decisivo non è la tariffa per token ma il costo per attività completata, perché un modello più efficiente consuma meno token di ragionamento per arrivare al risultato. Su questo piano il divario è chiaro. Artificial Analysis misura un costo medio ponderato di $2.03 per attività dell’Intelligence Index per Opus 5 (sforzo massimo), contro $2.75 per Fable 5: il 26% in meno a intelligenza comparabile. Nel benchmark proprietario di lavoro intellettuale svolto da agenti, AA-Briefcase, il divario aumenta: Opus 5 raggiunge 1’720 punti Elo contro 1’574 di Fable 5, un vantaggio di 146 punti, con un costo per attività di $17.79 contro $22.30 (−20%). Le configurazioni intermedie sono ancora più favorevoli: i livelli di sforzo xhigh e high superano entrambi Fable 5 costando rispettivamente soltanto il 64% ($14.26) e il 47% ($10.41) del suo prezzo.

Quanto alle capacità, il modello ottiene 96.0% su SWE-bench Verified, saturando di fatto il benchmark di riferimento dell’ingegneria del software, e 79.2% sul più impegnativo SWE-bench Pro. La finestra di contesto è di 1 milione di token in ingresso e 128’000 in uscita, estendibili a 300’000 token di output tramite la Batch API con un’intestazione beta. La modalità Fast funziona a circa 2.5 volte la velocità ordinaria, al doppio del prezzo base. Un dettaglio rilevante negli ambienti regolamentati: a differenza di Fable 5, Opus 5 non impone requisiti di conservazione dei dati. Negli abbonamenti diventa il modello predefinito di Claude Max e il più capace disponibile per Claude Pro ($20 al mese, $17 con fatturazione annuale; Max a $100 o $200).

I miglioramenti non sono uniformi, ed è questo che conta

Conviene evitare una lettura trionfalistica. Artificial Analysis stessa definisce Opus 5 il modello più intelligente «di poco»: 61 contro 60 è quasi un pareggio, non un salto generazionale. Il vero cambiamento non è la capacità assoluta, ma il controllo dello sforzo e quindi della spesa.

Le misurazioni indipendenti lo confermano, con sfumature. Nella revisione del codice, la configurazione x-high di Opus 5 produce commenti utili più precisi (39.3% contro 35.2%), ma rileva meno problemi noti (55.2% contro 61.1%) e genera circa quattro volte più osservazioni marginali. Considerando l’intero flusso dopo la pipeline, la precisione scende persino sotto il riferimento (28.6% contro 32.8%): il modello è più prolisso. In altre parole, lo sforzo è diventato una decisione di instradamento: salire di un livello aumenta la precisione a scapito della copertura e nulla migliora uniformemente. Per un’organizzazione, il vantaggio dichiarato del 26% sui costi si concretizza solo scegliendo il livello di sforzo adatto all’attività giusta: occorre misurare, non presumere.

Kimi K3 apre 2.8 mila miliardi di parametri e rivela il prezzo reale del «gratuito»

Mentre il vertice scende, la base si apre. Dal 27 luglio alle 00:00 UTC, i pesi di Kimi K3 sono pubblicati su Hugging Face: 2.8 mila miliardi di parametri in un’architettura mixture-of-experts, di cui soltanto 16 esperti su 896 si attivano per token (circa 50 miliardi di parametri attivi), con una finestra di contesto di 1 milione di token. È la più grande pubblicazione di pesi mai realizzata e, sulla carta, è gratuita.

In pratica, la spesa si sposta sull’hardware. I pesi occupano circa 1.4 TB in MXFP4 e 5.6 TB a 16 bit: servono nell’ordine di diciotto acceleratori da 80 GB solo per caricare il modello; un nodo da otto schede da 192 GB (circa 1.5 TB) contiene i pesi «con un margine quasi nullo». L’hardware compatibile è di fatto limitato a Nvidia Blackwell o AMD MI400. Nessuna scheda per il grande pubblico basta, nemmeno con la quantizzazione. Due riserve vanno esplicitate: le fonti divergono sulla dimensione esatta del pacchetto MXFP4, alcune parlano di circa 594 GB anziché 1.4 TB, e soprattutto le condizioni di licenza non erano pubblicate al momento dell’annuncio, lasciando l’uso commerciale non confermato. Si aggiunge il contesto del 22 luglio: Kimi K3 è oggetto di un’accusa ufficiale di distillazione della Casa Bianca contro Moonshot, contestata da diversi esperti e finora non confermata tecnicamente. Via API, il modello resta a $3 / $15 dal 16 luglio e ottiene 57 nell’indice Artificial Analysis, secondo in alcune classifiche e primo nell’arena della programmazione frontend.

La lezione serve a chi confronta i costi: un modello aperto non è un modello gratuito. Sposta la spesa dal token all’ammortamento dell’hardware, all’esercizio e alla conformità. Per la maggior parte delle organizzazioni, i pesi aperti valgono prima di tutto come protezione della continuità: la possibilità di riportare internamente un carico di lavoro se il fornitore cambia prezzi, limiti o disponibilità, non un risparmio immediato.

Sotto i prezzi di accesso, il calcolo non cede

La base hardware continua a crescere mentre le tariffe di accesso scendono: è la tensione centrale del mercato. Nvidia ha registrato ricavi record nei data center di $75.2 miliardi, in aumento del 92% annuo, di cui $60.4 miliardi nel calcolo (+77%) e $14.8 miliardi nelle reti (+199%), con una previsione di $91.0 miliardi (±2%) per il trimestre successivo. Il noleggio di una H100 costa tra $1.38 e $1.49 l’ora sui marketplace specializzati e arriva a $11.68-$12.29 l’ora alle tariffe su richiesta dei grandi operatori: un fattore otto per lo stesso chip. Gli impegni pluriennali riducono la tariffa su richiesta del 25-50%; i cloud specializzati (CoreWeave, Lambda, Nebius) restano dal 40 al 70% sotto AWS, Azure e Google Cloud. Per l’acquisto, la scheda costa $25’000-$40’000, un nodo DGX H100 da otto schede $300’000-$460’000.

Il finanziamento segue la stessa traiettoria. OpenAI ha depositato un prospetto riservato di IPO presso la SEC intorno al 22 maggio, confermato pubblicamente l’8 giugno, con Goldman Sachs, Morgan Stanley e JPMorgan, puntando a un debutto nel settembre 2026 con una valutazione da $730 a $850 miliardi; alcuni analisti prevedono oltre mille miliardi. La società dichiara $2 miliardi di ricavi mensili, di cui oltre il 40% dalle imprese, ma nel trimestre perderebbe ancora circa $1.22 per ogni dollaro guadagnato, a fronte di un budget di calcolo di $750 miliardi fino al 2030. In Europa, il Financial Times ha riferito il 22 luglio che Samsung negozia un investimento fino a €1 miliardo in Mistral, a una valutazione di circa €20 miliardi, nell’ambito di un finanziamento più ampio con EQT, Novo Holdings e Santander. xAI discuterebbe altri $10 miliardi a una valutazione di $75 miliardi, mentre Thinking Machines Lab punterebbe a $1 miliardo a $9 miliardi (operazione non conclusa). Le ultime tre cifre riguardano trattative riportate, non operazioni concluse.

Tabella comparativa: prezzi API al 27 luglio 2026

L’unica novità tariffaria della settimana è l’arrivo di Opus 5: sostituisce Opus 4.8 alla stessa tariffa ma ribalta la gerarchia in cima alla tabella. Il primo nell’indice non è più il più caro.

Modello	Input ($/M token)	Output ($/M token)	Nota
Claude Fable 5 (Anthropic)	10.00	50.00	superato nell’indice AA il 24 luglio; conservazione dei dati richiesta
GPT-5.6 Sol (OpenAI)	5.00	30.00	indice AA 59
Claude Opus 5 (Anthropic)	5.00	25.00	lanciato il 24 luglio; primo nell’indice AA (61); $2.03 per attività; modalità Fast ×2.5 al doppio del prezzo
GPT-5.6 Terra (OpenAI)	2.50	15.00	lanciato 9 luglio
Kimi K3 (Moonshot, Cina, pesi aperti)	3.00	15.00	pesi aperti il 27 luglio (1.4 TB); licenza non pubblicata; indice AA 57
Gemini 3.1 Pro (Google)	2.00	12.00	raddoppia oltre 200k di contesto
Claude Sonnet 5	2.00	10.00	prezzo di lancio fino al 31 agosto, poi 3/15
Gemini 3.6 Flash (Google)	1.50	7.50	lanciato il 21 luglio; −17% di token per attività
Grok 4.5 (xAI)	2.00	6.00	modello per la programmazione; accesso UE ancora limitato
GPT-5.6 Luna (OpenAI)	1.00	6.00	lanciato 9 luglio
Inkling (Thinking Machines, pesi aperti)	1.87	4.68	licenza Apache 2.0; multimodale
Meta Muse Spark 1.1	1.25	4.25	prima API a pagamento di Meta
LongCat-2.0 (Meituan, pesi aperti)	0.75	2.95	promozione 0.30/1.20; licenza MIT
Gemini 3.5 Flash-Lite (Google)	0.30	2.50	lanciato il 21 luglio; volumi molto elevati
Grok 4.3 / 4.20 (xAI)	1.25	2.50	1M di contesto
Mistral Large 3	0.50	1.50	Samsung tratta un investimento (FT, 22 luglio)
DeepSeek V4 Pro	0.435	0.87	alias deepseek-reasoner rimosso il 24 luglio
DeepSeek V4 Flash	0.14	0.28	contesto 1M; alias deepseek-chat rimosso il 24 luglio

Tariffe di Opus 5, Fable 5, GPT-5.6 Sol e Kimi K3 verificate il 27 luglio 2026 sulle pagine ufficiali e su Artificial Analysis. Le altre righe riprendono la rilevazione del 24 luglio 2026, senza variazioni tariffarie pubblicate da allora. Le tariffe promozionali e cache possono scadere senza preavviso. Promemoria: dal 24 luglio alle 15:59 UTC gli identificatori deepseek-chat e deepseek-reasoner non funzionano più; migrare a deepseek-v4-flash e deepseek-v4-pro.

Cosa significa per un’organizzazione svizzera

Tre conclusioni operative. Primo, smettere di confrontare i prezzi per token e iniziare a confrontare i costi per attività. Il divario tra $2.03 e $2.75 per attività a intelligenza equivalente non compare in alcun listino: emerge soltanto misurando il consumo effettivo dei propri carichi. Un’organizzazione che non misura il costo per attività non può beneficiare del calo: continuerà a pagare il prezzo di listino del modello più prestigioso.

Secondo, il livello di sforzo è diventato una decisione economica. Opus 5 dimostra che, a modello invariato, la configurazione può raddoppiare o dimezzare il costo, con vantaggi diversi secondo l’attività. Instradare ogni attività al modello adatto e al livello di sforzo adatto, poi verificare il risultato sui propri dati anziché su una classifica pubblica: qui si trova il vero risparmio.

Infine, i pesi aperti sono una protezione, non un risparmio. Con 1.4 TB di parametri, una licenza non pubblicata e un’accusa di distillazione pendente, Kimi K3 mostra che la sovranità di un modello si paga in infrastruttura e rischio giuridico. L’approccio corretto non è riportare tutto internamente né affidare tutto a un solo fornitore: è mantenere la possibilità di cambiare idea, spostando un carico da un modello proprietario a uno aperto senza riscrivere la base, qualunque prezzo, licenza o classifica proponga il mercato il mese prossimo.