Il modello di punta di OpenAI costava, a fine luglio, cinque volte quello di base: 5 dollari per milione di token in input su GPT-5.6 Sol contro 1 dollaro su GPT-5.6 Luna, dove i token sono i frammenti di testo su cui si calcola ogni tariffa.
Oggi il rapporto è di cento a uno, 10 dollari su GPT-6 Astra contro 10 centesimi su GPT-6 Luna, e la guida pratica alla famiglia GPT-6 pubblicata da OpenAI il 2 ottobre è anzitutto un manuale per orientarsi dentro questa forbice.
Formalmente si rivolge agli sviluppatori delle startup, con consigli su cache, prompt e agenti; letta dal lato del mercato racconta come si vende l’intelligenza artificiale in questo autunno, con un listino che si allarga verso il basso e verso l’alto nello stesso momento, una frontiera che si allinea ai prezzi dei concorrenti e un calendario dei rilasci che dipende sempre meno dalla sola potenza di calcolo.
Indice degli argomenti
Come funziona il listino GPT-6 tra Astra, Sol e Luna
Carl Shapiro e Hal Varian, in Information Rules, il libro del 1998 che ha insegnato a una generazione di manager l’economia dei beni digitali, chiamavano versioning la strategia che sta dietro a questa forbice: quando produrre una copia in più non costa quasi nulla, conviene vendere lo stesso bene in versioni diverse, ciascuna tarata su una diversa disponibilità a pagare. Il listino GPT-6 ne è l’applicazione più spinta vista finora nel settore.
La guida trasforma quella regola in un menu operativo con più dimensioni del semplice prezzo per token. Si parte dal modello, con Astra a 10 dollari in input e 50 in output, GPT-6.1 Sol a 2 e 10, Luna a 0,10 e 0,50; lo sforzo di ragionamento, regolabile da basso a “max”, moltiplica i token generati e quindi la spesa; la velocità si compra a parte, con la Modalità rapida e con Ultrafast, che in Codex porta Astra fino a 300 token al secondo ed è confezionata anche in abbonamento nel nuovo piano Pro 500, con un utilizzo pari a venticinque volte quello di ChatGPT Plus.
A chiudere il quadro ci sono la cache, con sconti fino al 95% sull’input già elaborato, e la lunghezza del contesto, perché oltre i 272.000 token di prompt Astra raddoppia il prezzo d’ingresso.
Fonte: elaborazione dell’autore su listini OpenAI, luglio-ottobre 2026
Luna e la pressione dei modelli open cinesi
È una discriminazione di prezzo da manuale, in cui ogni segmento paga la combinazione che gli serve, e chi ha volumi enormi su compiti semplici finisce per pagare un centesimo di chi chiede il massimo della capacità con la massima urgenza. La spinta verso il basso ha un’origine precisa.
A metà anno i modelli open cinesi superavano il 60% del traffico su OpenRouter, il principale marketplace di API per sviluppatori, e Luna a 10 centesimi scende sotto i 14 che DeepSeek V4 Flash chiedeva per l’input in agosto; OpenAI sostiene poi che la nuova Luna, ai livelli di ragionamento più alti, eguaglia in accuratezza fattuale il Sol di inizio estate a circa un centesimo del costo.
GPT-6 e rivali: il prezzo della fascia alta
Verso l’alto il movimento è opposto, e allineato a quello dei concorrenti. In trenta giorni sono arrivati quattro modelli di frontiera, Claude Fable 5.1 di Anthropic il primo settembre, GPT-6 Astra il 3, GPT-6.1 Sol il 29 e Gemini 4 Argon di Google DeepMind il 30, e i listini si sono raccolti attorno a due prezzi di riferimento: 10/50 dollari per Astra e Fable 5.1, 2/10 per Sol e per Argon, quest’ultimo in prezzo introduttivo destinato a raddoppiare e per ora accessibile solo nel programma Fairwind di Google riservato ai difensori informatici. Le somiglianze finiscono qui.
Il costo effettivo oltre il prezzo per token
Secondo i dati di Artificial Analysis riportati in un confronto di MarkTechPost, a parità di prezzo unitario Fable 5.1 costa 9,18 dollari per attività contro i 4,72 di Astra, perché consuma più token per arrivare al risultato, e il rapporto si capovolge negli agenti che rileggono continuamente lo stesso contesto, dove Fable legge la cache a 25 centesimi per milione di token e Astra a un dollaro. Nessun modello domina tutte le classifiche: Argon guida l’ingegneria del software di lunga durata, Astra l’uso del computer, Fable 5.1 primeggia negli agenti di programmazione dentro Claude Code, l’ambiente di sviluppo di Anthropic.
Il listino diventa così un segnale di posizionamento, una dichiarazione di fascia, mentre il prezzo effettivo emerge dal profilo del carico di lavoro, e un confronto fatto sui soli prezzi per milione di token ha la stessa affidabilità di un confronto tra automobili fatto sul prezzo al chilo.
Dai token al costo per attività degli agenti GPT-6
La guida dà per scontato che gli agenti GPT-6 lavorino per ore o giorni, e OpenAI ha fornito un dato che misura cosa significhi in termini economici. Nel lancio di GPT-6 Sol e Luna l’azienda scrive che, valorizzato ai prezzi API, il consumo giornaliero di token del suo ricercatore mediano ha superato i 600 dollari, e quello dei ricercatori al novantesimo percentile i 7.000. Sono cifre che spostano la spesa per l’intelligenza artificiale dalla riga delle licenze software, fissa e prevedibile, a una voce variabile che somiglia più al costo del lavoro o dell’energia.
La nuova unità di conto: il costo per attività
Cambia anche l’unità di conto, e la guida la nomina esplicitamente: costo per attività riuscita, comprensivo di cache, contesti lunghi e tentativi falliti. Ai tavoli dove lavoro come advisor la domanda sul modello migliore ha già lasciato il posto a quella sul costo di un’attività portata a termine, e con una forbice di cento volte l’errore di instradamento diventa la voce di spreco più grande, perché un compito mandato ad Astra quando Luna sarebbe bastata costa due ordini di grandezza in più.
Sul benchmark AutomationBench, che misura flussi di lavoro aziendali su 47 applicazioni, OpenAI dichiara per GPT-6 Sol 27 centesimi per attività, con un punteggio superiore a quello di Claude Opus 5 a un undicesimo del costo: numeri di parte, utili come ordine di grandezza della distanza che separa una scelta ponderata da una pigra.
ChatGPT trasforma il listino OpenAI in un ecosistema
La guida va letta insieme agli annunci del DevDay del 29 settembre, dove OpenAI ha dichiarato 1,2 miliardi di utenti settimanali e ha aperto ChatGPT come superficie condivisa su cui gli sviluppatori possono lanciare esperienze proprie.
Le mosse commerciali disegnano una piattaforma con un’economia interna: l’OpenAI Marketplace permette ai clienti enterprise di spendere parte del proprio impegno contrattuale su 32 software partner, da Figma ad Adobe, da Salesforce a ServiceNow fino a CrowdStrike e Baseten, che ospita modelli open source; Sign in with ChatGPT consente di usare l’abbonamento personale presso sedici strumenti terzi, tra cui Notion, Vercel e Devin; con Amazon sono nati i Bedrock Managed Agents, agenti OpenAI che girano interamente dentro AWS; il 5 ottobre è arrivato un nuovo formato pubblicitario con relativi strumenti di misurazione.
Dalle skill al lock-in contrattuale
Al lock-in, il vincolo che nasce quando cambiare fornitore costa più che restare, Shapiro e Varian dedicavano due capitoli del loro libro.
Lo strato delle istruzioni si sta aprendo, con file come AGENTS.md e le skill, pacchetti di istruzioni riutilizzabili, che si portano da un fornitore all’altro, e la guida stessa insegna a scriverli in modo che servano a modelli diversi. Il vincolo si sposta allora più in basso e più in alto: verso il motore di esecuzione degli agenti, fatto di connessioni persistenti, sandbox ospitate e delega tra sottoagenti nelle API proprietarie, e verso il contratto, dove l’impegno di spesa con OpenAI diventa una valuta spendibile presso un ecosistema di partner.
Sicurezza e rilasci ridisegnano il valore di GPT-6
C’è un fattore che nessun listino incorpora in modo esplicito. GPT-6 Sol è stato sostituito da GPT-6.1 Sol dopo appena sette giorni, mentre il 28 settembre OpenAI ha rinunciato a rilasciare GPT-6.1 Astra: Saachi Jain, responsabile dei sistemi di sicurezza, ha spiegato al Wall Street Journal che il modello non raggiungeva il livello richiesto nel restare entro perimetro e autorizzazione; secondo il giornale, nei test proseguiva i compiti senza permesso. Nelle settimane precedenti Dario Amodei di Anthropic aveva chiesto all’industria di rallentare lo sviluppo dei modelli di frontiera, trovando l’adesione dello stesso Sam Altman.
Il doppio ritmo tra frontiera e fascia intermedia
La conseguenza di mercato è un doppio ritmo.
La fascia intermedia si rinnova a cadenza settimanale e assorbe rapidamente i progressi della frontiera, mentre la frontiera avanza al passo dei test di allineamento, cioè delle verifiche che il modello faccia ciò che l’utente intende e nient’altro, e la sua scarsità sostiene il premio di prezzo. La guida riflette questo equilibrio quando chiede di stabilire quali azioni l’agente può compiere da solo e quali richiedono approvazione, e la stessa logica guida la nuova offerta Private Intelligence, con revisioni di sicurezza automatiche che non danno al personale OpenAI accesso ai contenuti: la verificabilità del comportamento degli agenti diventa una linea di prodotto, con un suo prezzo.
Nei mercati dell’informazione, sostenevano Shapiro e Varian, vince chi controlla gli standard e la base installata, più di chi possiede il prodotto tecnicamente migliore, e il listino GPT-6 mette in pratica entrambe le lezioni, con la versione giusta per ogni disponibilità a pagare e una piattaforma che trattiene la spesa dentro il proprio perimetro.
Per le imprese la risposta coerente è un portafoglio di modelli gestito come si gestiscono i contratti energetici, con tariffe diverse per carichi diversi, misurazione continua del costo per attività riuscita e architetture capaci di cambiare fornitore senza riscrivere i servizi, perché in un mercato dove la distanza tra base e frontiera è passata da cinque a cento volte in due mesi la forbice di oggi è soltanto la tariffa di questa stagione.
Partecipa alla community