- L’articolo suggerisce che il divario tra i modelli di IA open-source e i principali modelli proprietari si è ridotto notevolmente. Secondo molti esperti, i modelli open-source sono in ritardo di soli 4 mesi in termini di capacità, ma hanno un costo inferiore di circa 10 volte.
- Il CEO di Apelogic, Boris Renski, osserva che le aziende pagano principalmente per funzionalità aziendali (enterprise) come la gestione delle identità, la connettività di sistema, il monitoraggio e il routing, piuttosto che per le capacità dell’IA in sé. Avverte che la firma di contratti a lungo termine con laboratori di IA proprietari potrebbe creare una dipendenza simile alle vecchie licenze Oracle.
- Jonathan Bryce, Direttore Esecutivo della Cloud Native Computing Foundation, sostiene che pagare costi elevati solo per avere un vantaggio tecnologico di pochi mesi non è una strategia di IA sensata. Raccomanda alle aziende di costruire su un’infrastruttura aperta per cambiare facilmente modelli e hardware.
- Featherless dichiara che il modello open-source GLM 5.2 di Z.ai, eseguito su infrastruttura AMD, può ridurre i costi di inferenza dell’IA di circa il 94% rispetto ai modelli proprietari. Per un team di sviluppo che consuma circa 100 miliardi di token al mese, il costo annuale è stimato intorno ai 90.000 USD, a fronte di circa 1,56 milioni di USD per GPT-5.5 e circa 1,51 milioni di USD per Claude Opus 4.8.
- Secondo Deloitte, un’azienda sanitaria ha consumato circa 1.000 miliardi di token in 6 mesi, dimostrando che i costi dell’IA stanno diventando un grosso problema per le imprese su vasta scala.
- Alcuni sviluppatori valutano che GLM 5.2 raggiunga una qualità equivalente o superiore rispetto a Claude Opus 4.8 in compiti di ricerca tecnica, algoritmi e sviluppo di componenti di interfaccia, sebbene mostri ancora limiti con progetti 3D o di grandi dimensioni.
- Gli esperti notano inoltre che molti dei principali modelli open-source provengono attualmente dalla Cina, sollevando interrogativi su privacy, sicurezza e auto-implementazione su infrastrutture interne. Al contempo, il costo effettivo dipende ancora dalla scala di implementazione e dal metodo di calcolo dei token di ciascun modello.
- L’articolo conclude che, poiché i modelli di IA diventano sempre più beni di consumo comuni, il vantaggio competitivo si sposterà dal modello in sé alla capacità di integrare, configurare e operare efficacemente all’interno dell’azienda.
- 📌 Conclusione: La competizione sull’IA si sta spostando dalla pura capacità al costo e alla spendibilità del deployment. Poiché i modelli open-source come GLM 5.2 distano solo circa 4 mesi dai modelli proprietari ma possono tagliare i costi fino a 10 volte o più in determinati scenari, molte aziende stanno iniziando a riconsiderare le proprie strategie di IA. Tuttavia, fattori come la sicurezza, la privacy, i costi operativi effettivi e la qualità dell’integrazione determineranno comunque quale modello sia adatto a ciascuna organizzazione.
