Prezzi dei token AI in calo: le sfide per OpenAI e Anthropic

Il mercato dell’intelligenza artificiale consuma quantità sempre maggiori di token, le unità di testo e di elaborazione utilizzate dai modelli. Intanto il prezzo medio pagato per utilizzarli scende rapidamente e aumenta la concorrenza. È una buona notizia per imprese e sviluppatori, ma apre una domanda sul futuro economico dei produttori: la crescita dei consumi basterà a compensare gli sconti e gli investimenti miliardari necessari per costruire e far funzionare i sistemi più avanzati?

Due numeri raccontano la tensione. L’indice di Silicon Data sui costi effettivi dei token è passato dal massimo di circa 2,07 dollari per milione di token, registrato a fine maggio secondo una ricostruzione del Financial Times, a 0,99 dollari il 7 ottobre: una riduzione di circa il 52%. Nello stesso tempo, su un orizzonte più lungo, i token settimanali elaborati dalla piattaforma OpenRouter sono aumentati di oltre 250 volte fra gennaio 2025 e settembre 2026. Il secondo dato misura la crescita di quella piattaforma, non dell’intero mercato; il primo è un prezzo medio ponderato, non il listino di un singolo modello.

Perché il prezzo dei token sta scendendo

Un token è una piccola porzione di testo che il sistema riceve o produce. Nelle API, cioè nei servizi con cui le applicazioni chiamano i modelli, il cliente paga in genere separatamente i token di ingresso, quelli di uscita e, quando disponibili, quelli recuperati dalla memoria temporanea del sistema, la cache. Questo spiega perché il prezzo per milione di token non coincide necessariamente con il costo di una risposta o di un’attività completata.

L’indice LLM Token Expenditure Index di Silicon Data combina i prezzi praticati dai fornitori con le quantità effettivamente consumate attraverso reti e piattaforme di accesso a diversi modelli. Il calo può quindi derivare sia dalla riduzione dei listini sia dal fatto che i clienti scelgono modelli meno costosi. Inoltre cambia la composizione dei servizi utilizzati. La discesa dell’indice fotografa un cambiamento reale della spesa media per token, ma non dimostra che la spesa complessiva per l’AI stia diminuendo.

La concorrenza è visibile anche nei listini. Il 30 luglio OpenAI ha ridotto dell’80% i prezzi API di GPT-5.6 Luna e del 20% quelli di Terra. Da allora, un milione di token in ingresso costa 0,20 dollari con Luna e 2 dollari con Terra; per i token in uscita i prezzi sono rispettivamente 1,20 e 12 dollari. In agosto l’azienda ha applicato anche a GPT-5.6 Sol una riduzione promozionale, portando il listino da 5 a 4 dollari per milione di token di ingresso e da 30 a 20 dollari per quelli di uscita. Quest’ultima riduzione è temporanea, con durata annunciata almeno fino al 21 novembre 2026.

Il fenomeno non riguarda soltanto OpenAI. Anche Anthropic, con la famiglia Claude 5.5, compete sulla maggiore efficienza e su prezzi differenziati per prestazioni e tipologia di lavoro. Per esempio, il listino ufficiale del 22 settembre indica per Claude Opus 5.5, nella tariffa API standard globale, 4 dollari per milione di token in ingresso e 20 in uscita. Il semplice raffronto delle tariffe non dice però quale modello svolga meglio un compito, né quanto costi arrivare a un risultato corretto.

Prezzi API GPT-5.6: prima e dopo i tagli

Fonte: OpenAI, annunci di luglio e agosto 2026, tariffe API standard (nessuna equivalenza di qualità fra modelli).

Gli sconti fanno esplodere l’uso, ma non garantiscono i ricavi

L’aumento dei consumi in seguito alla riduzione dei prezzi è già stato osservato. In un’analisi pubblicata il 25 agosto, OpenRouter ha confrontato l’uso dei modelli OpenAI prima e durante una promozione sulla propria piattaforma, dal 27 luglio al 14 agosto. Il volume quotidiano dei token di Luna è risultato 13,8 volte quello del periodo precedente; per Terra l’aumento è stato di 5,6 volte. Per Sol, inizialmente escluso dagli sconti, il rapporto era di circa 1,11.

Nello stesso confronto, la quota di token dei modelli OpenAI sul traffico complessivo di OpenRouter è salita dal 7,1% al 12,4%. Una parte importante del guadagno è arrivata a scapito dei concorrenti. Lo studio segnala anche che circa il 32% degli oltre 100mila clienti che avevano provato i modelli in promozione è tornato a utilizzarli nei pochi giorni osservati dopo la fine dell’iniziativa. Si tratta, comunque, di dati di una sola piattaforma, raccolti subito dopo il lancio dei modelli: indicano una forte risposta agli sconti, senza isolare completamente l’effetto del prezzo da quello della novità.

È il meccanismo noto come paradosso di Jevons: quando un bene diventa meno costoso, può essere usato molto di più. Nel mercato dell’AI, però, il risultato economico dipende da due variabili insieme, prezzo unitario e volume consumato, oltre ai costi di produzione. Se il ricavo medio per token si dimezza, a parità di condizioni occorre raddoppiare i token venduti soltanto per conservare lo stesso fatturato. Per aumentare i margini serve anche che i costi scendano abbastanza.

La domanda cresce: gli agenti usano molti più token degli esseri umani

Il rapporto The Token State of Play di OpenRouter, pubblicato il 22 settembre, mostra un passaggio da 500 miliardi di token nella settimana del 13 gennaio 2025 a 128.400 miliardi nella settimana del 14 settembre 2026: la crescita supera le 250 volte. È una misura del traffico transitato da OpenRouter, non una stima dei token consumati nel mondo.

A trainare la domanda sono sempre più le applicazioni automatiche. Nella nuova analisi Cache is Crucial, dell’8 ottobre, OpenRouter stima che nell’ultima settimana di settembre le chiavi API classificate come agentiche abbiano consumato circa sette volte i token delle chiavi associate all’uso umano. Sono classificazioni basate sul comportamento tecnico degli account, non un censimento delle persone o di tutte le applicazioni AI.

Gli agenti possono eseguire più passaggi per una singola richiesta: leggono file, chiamano strumenti, conservano il contesto e tornano a interrogare il modello. Aumentano così i token elaborati per portare a termine un’attività. Ma gran parte di quel traffico ripete informazioni già inviate, che possono essere elaborate a prezzo scontato grazie alla cache.

Secondo lo stesso rapporto, nei carichi agentici di settembre i token di ingresso letti dalla cache rappresentavano quasi il 90% dei token complessivi; a gennaio la quota era vicina al 60%. Nelle coorti di modelli lanciate nel terzo trimestre 2026, la percentuale media di cache sui carichi agentici ha raggiunto l’88,2%, contro il 54,8% per quelle del secondo trimestre 2025. In un esempio costruito da OpenRouter con le tariffe di Claude Sonnet 5, un milione di token agentici costa circa 0,51 dollari con cache, contro 2,08 dollari senza. Non è una tariffa universale: è un calcolo esemplificativo che esclude alcuni costi iniziali della cache.

Cambia la concorrenza fra OpenAI, Anthropic e i modelli aperti

La guerra dei prezzi modifica anche le scelte delle imprese. In un’analisi su circa 120mila aziende che usano modelli di OpenAI o Anthropic, riportata dal Wall Street Journal, all’inizio del 2026 Anthropic raccoglieva circa tre quarti della spesa complessiva destinata ai modelli Anthropic e OpenAI. A settembre la ripartizione era vicina alla parità. OpenRouter aveva già rilevato il sorpasso settimanale di OpenAI a inizio settembre: un segnale della maggiore contendibilità dei clienti, non una misura della quota mondiale di mercato.

La differenza fra spesa e consumo è significativa. Nella settimana del 14 settembre, OpenAI ha generato il 78% dei token transitati da OpenRouter considerando soltanto OpenAI e Anthropic, pur avendo una quota di spesa fra i due concorrenti molto più vicina al 50%. Il solo GPT-5.6 Luna ha rappresentato il 47% dei token di quel confronto. Vendere grandi volumi a prezzi bassi può far crescere molto l’utilizzo senza produrre una quota equivalente di ricavi.

Intanto aumenta la pressione dei modelli a pesi aperti, che altri operatori possono distribuire e adattare. Sempre nella seconda settimana di settembre, su OpenRouter i modelli open-weight rappresentavano circa il 72% dei token elaborati; i modelli a pesi chiusi raccoglievano però il 73% della spesa. E il 69% dei token transitava da modelli sviluppati da laboratori cinesi. Le tre percentuali descrivono dimensioni diverse e non vanno sommate, ma mostrano quanto sia difficile dedurre il successo commerciale dal solo volume di utilizzo.

I dati settimanali di OpenRouter sulla quota delle richieste, per la settimana iniziata il 28 settembre, confermano la pluralità degli attori: DeepSeek è al 21,8%, Google al 21,5%, OpenAI al 18,2% e Anthropic al 2,5%, accanto ad altri operatori. È il peso delle richieste di testo instradate da OpenRouter, non la quota dei ricavi globali né una classifica di qualità. La posizione di Anthropic va letta anche alla luce delle differenze fra piattaforme e tipologie di clientela.

Che cosa misurano davvero i principali indicatori di utilizzo

Fonte: OpenRouter, studi del 25 agosto, 22 settembre e 8 ottobre 2026; WSJ, 7 ottobre.

I bilanci e le valutazioni devono fare i conti con i margini

La pressione diventa più evidente osservando i costi industriali. Il prospetto di Anthropic esaminato da Reuters indica per il 2025 ricavi per 4,6 miliardi di dollari, quasi dodici volte quelli dell’anno precedente, ma 7,3 miliardi di spese per calcolo e infrastrutture. La perdita operativa è passata da 2,98 miliardi nel 2024 a 8,06 miliardi nel 2025. Sono dati storici: non provano che la redditività del 2026 sia peggiorata nella stessa misura, ma rendono evidente la dimensione degli investimenti da recuperare.

Anche le prospettive di OpenAI sono sottoposte a un esame più severo. Il Financial Times ieri ha riferito che a fine settembre il ritmo annualizzato dei ricavi era di circa 50 miliardi di dollari, rispetto ai 70 miliardi circolati in precedenza.

Una ricostruzione di Axios chiarisce però che buona parte della differenza dipende dal criterio di contabilizzazione dei ricavi realizzati tramite partner cloud. Non si tratta di una perdita di 20 miliardi di fatturato effettivo, né si possono usare le due cifre come prova di un crollo della domanda. La vicenda mostra, semmai, quanto sia difficile confrontare le valutazioni delle società prima della pubblicazione di bilanci pienamente comparabili.

I dati economici: costi e prospettive da non confondere

Fonte: Reuters, 7 ottobre 2026; Financial Times e Axios, 8–9 ottobre 2026.

Il problema interessa l’intera filiera: i laboratori devono finanziare ricerca, addestramento e capacità di calcolo; i fornitori di infrastrutture puntano a recuperare investimenti enormi; i clienti chiedono servizi più affidabili e meno cari. Un aumento dei token venduti è una condizione favorevole, ma non garantisce da solo la sostenibilità dei conti.

Per le imprese la vera metrica diventa il costo del risultato

La concorrenza offre alle organizzazioni più possibilità di scelta. Un’azienda può riservare i modelli più potenti ai compiti difficili, affidare attività ripetitive a sistemi economici e distribuire il lavoro fra fornitori diversi. È però necessario confrontare, oltre ai prezzi per token, il numero di tentativi necessari per ottenere una risposta corretta, la latenza, l’affidabilità, le garanzie sul trattamento dei dati e gli eventuali costi di integrazione.

Come valutare i modelli AI oltre al prezzo dei token

Fonte: Sintesi editoriale delle implicazioni operative dai dati OpenRouter, OpenAI, Anthropic.

L’effetto più interessante può essere una maggiore accessibilità dell’AI per imprese piccole e pubbliche amministrazioni, comprese quelle europee. Allo stesso tempo, la possibilità di scegliere modelli aperti o più economici non elimina i problemi di dipendenza dai grandi fornitori di cloud, di sicurezza e di controllo dei dati. Per questo la concorrenza sui listini va valutata insieme a portabilità, trasparenza contrattuale e capacità di cambiare fornitore.

Il mercato sta dimostrando di saper produrre e consumare intelligenza artificiale a costi unitari sempre più bassi. Resta aperta la domanda decisiva per investitori e regolatori: quanto del valore creato finirà nelle mani di chi sviluppa i modelli, quanto nelle infrastrutture e quanto, sotto forma di risparmio e produttività, ai loro utilizzatori?