Nel giro di poche settimane, a luglio 2026, il mercato dell'intelligenza artificiale ha vissuto qualcosa che somiglia a una guerra dei prezzi. Nuovi modelli sono usciti quasi ogni giorno, spesso a costi per l'utente in caduta libera. L'ultimo colpo lo ha assestato il 27 luglio la cinese Moonshot, che ha reso scaricabile gratuitamente Kimi K3, un modello da 2.800 miliardi di parametri. Ma il fenomeno e' piu' ampio e riguarda tutti: far girare l'IA costa sempre meno.
Sette modelli in sette giorni
La cadenza dei rilasci e' diventata frenetica. In una singola settimana di luglio il settore ha visto arrivare modelli da almeno cinque fornitori diversi, tra cui Kimi K3 di Moonshot, tre versioni di Qwen di Alibaba in 72 ore, la famiglia Gemini Flash di Google e altri ancora. Ogni nuovo rilascio spinge i concorrenti ad abbassare i prezzi o a migliorare le prestazioni a parita' di costo, in una rincorsa che avvantaggia chi consuma questi modelli.
Il caso simbolo e' Grok 4.5 di xAI, presentato l'8 luglio: prezzato a 2 dollari per milione di token in ingresso e 6 in uscita, e' oltre il 60% piu' economico di modelli di fascia comparabile usciti pochi mesi prima. Kimi K3, dal canto suo, elimina del tutto il costo di licenza per chi ha l'hardware per ospitarlo, dato che i pesi sono ora liberamente scaricabili.
Perche' i prezzi crollano davvero
Dietro la discesa ci sono ragioni tecniche precise. La prima e' l'architettura Mixture-of-Experts (MoE), adottata da modelli come Kimi K3: solo una piccola frazione dei parametri si attiva per ogni token, quindi il costo di calcolo per risposta resta contenuto anche in modelli enormi. La seconda e' la quantizzazione, cioe' la riduzione della precisione numerica dei pesi, che abbassa memoria e consumi. La terza e' la concorrenza pura: con decine di modelli capaci, il prezzo diventa la leva competitiva principale.
Il risultato e' che il mercato si sposta da "vince il modello migliore" a "vince il modello piu' adatto". Prezzo, velocita', disponibilita' e facilita' d'uso pesano oggi quanto il punteggio nei benchmark. Per molti compiti quotidiani, un modello economico e veloce e' preferibile a un gigante costoso.
Cosa cambia per sviluppatori e imprese italiane
Per chi in Italia costruisce prodotti sull'IA, la notizia e' ottima. Automazioni, assistenti e analisi che un anno fa erano economicamente insostenibili oggi rientrano nel budget. Un'azienda che elabora grandi volumi di testo, per esempio per il servizio clienti o l'analisi di documenti, puo' vedere i costi per token ridursi drasticamente, oppure scegliere di ospitare un modello open sui propri server evitando del tutto i costi ricorrenti delle API.
C'e' pero' un rovescio della medaglia. La proliferazione di modelli rende piu' difficile scegliere, e la tentazione di rincorrere l'ultimo rilascio puo' portare a riscrivere di continuo il proprio software. Il consiglio pratico e' costruire i sistemi in modo modulare, cosi' da poter cambiare modello senza rifare tutto, e testare sempre le alternative sul proprio caso d'uso reale, non solo sui benchmark pubblici.
Fino a quando durera'
La grande domanda e' se questa corsa al ribasso sia sostenibile. Servire modelli a prezzi cosi' bassi costa comunque calcolo, energia e memoria, voci in aumento come mostra la crisi dei prezzi della RAM. Alcuni fornitori stanno di fatto vendendo sottocosto per conquistare quote di mercato, una strategia che non puo' durare per sempre. Nel frattempo, pero', chi usa l'IA vive la sua stagione migliore: mai come oggi la potenza dei modelli e' stata cosi' accessibile, e cosi' economica. Per una volta, la corsa tra i giganti gioca a favore dell'utente finale.
