OpenAI ha rivisto il listino della famiglia GPT-5.6 con tagli molto asimmetrici: meno 80% su Luna, il modello più leggero, meno 20% su Terra, prezzo invariato per Sol, la variante di punta. La differenziazione racconta più della media dei tagli.
Il margine per ridurre i prezzi arriva dall'ottimizzazione dello stack di inferenza. Il dettaglio che ha attirato l'attenzione degli addetti ai lavori è che una parte dei kernel di produzione sarebbe stata riscritta in autonomia da Sol stesso, in un ciclo in cui il modello più costoso finanzia l'efficienza dei modelli più economici. È il tipo di ricorsione che fino a poco tempo fa apparteneva alle presentazioni sul futuro.
Per chi gestisce budget AI in azienda, però, il taglio di listino va letto con prudenza. Il prezzo per token è sceso; il costo per attività completata molto meno. I modelli recenti tendono a produrre catene di ragionamento più lunghe, a invocare strumenti più volte, a fare più tentativi prima di consolidare una risposta. Il conto finale dipende da quanti token servono davvero, non da quanto costa il singolo token.
È esattamente per questo che il confronto tra fornitori fatto sui listini pubblicati porta fuori strada. Un modello più caro che risolve il compito al primo tentativo può costare meno di uno economico che ne richiede quattro. La metrica utile è il costo per esito accettabile, misurato sui propri casi d'uso reali.
La lettura strategica è che la differenziazione di prezzo tra i livelli sta diventando il vero terreno competitivo. Le aziende che sanno instradare ogni richiesta verso il modello minimo sufficiente ottengono risparmi molto superiori a quelli garantiti da qualsiasi taglio di listino, a condizione di avere un'infrastruttura che consenta di scegliere il modello richiesta per richiesta, invece di restare vincolate a un unico fornitore.