In Breve
- Qual è il vantaggio di costo dei modelli cinesi di IA?
- I modelli cinesi possono costare fino a 100 volte meno rispetto ai modelli occidentali.
- Come si posizionano i modelli cinesi nei benchmark?
- I modelli cinesi raggiungono punteggi molto vicini a quelli dei leader occidentali.
- Quali sono i rischi associati ai modelli open-weight?
- I modelli open-weight possono presentare bias politici e minori garanzie di sicurezza.
Negli ultimi anni, il panorama dell’intelligenza artificiale (IA) ha subito un cambiamento significativo, con i laboratori cinesi che stanno guadagnando terreno rispetto ai leader occidentali. Mentre i modelli occidentali continuano a dominare i punteggi nei benchmark di capacità, le controparti cinesi offrono soluzioni che si avvicinano a questi standard a costi notevolmente inferiori, arrivando a risparmiare fino a 100 volte a seconda del modello e dello scenario di implementazione.
Un esempio chiaro di questa dinamica è rappresentato dal benchmark GPQA Diamond, un test rigoroso per il ragionamento scientifico. Qui, i punteggi più alti sono stati ottenuti da modelli come Claude Mythos 5 (94,4%), Gemini 3.1 Pro (94,3%) e Claude Fable 5 (94%). Tuttavia, i modelli cinesi come Qwen 3.7 Max (92,4%), GLM-5.2 (91,2%) e DeepSeek V4 Pro (90,1%) dimostrano prestazioni competitive a un costo notevolmente inferiore.
Il vantaggio di costo non si limita solo a una riduzione della spesa per inferenza; consente anche un numero maggiore di query per lo stesso budget, facilitando l’integrazione dell’IA in numerosi processi aziendali dove una leggera perdita di accuratezza è accettabile. Di conseguenza, i token e i volumi di traffico stanno migrando verso i modelli più economici, mentre i budget delle aziende rimangono concentrati su pochi modelli di punta, come quelli di Anthropic, che rappresentano circa il 40% della spesa enterprise per API.
Il mercato dell’IA si sta quindi dividendo in due segmenti: una fascia mass market, dedicata a compiti di routine dove il “sufficientemente buono” prevale per costi, e una fascia frontier, riservata a compiti complessi in cui anche piccoli vantaggi qualitativi possono fare la differenza. Questa segmentazione è ulteriormente complicata da differenze nei modelli di sicurezza. Molte soluzioni cinesi con pesi aperti presentano guardrail di default meno rigorosi, trasferendo la responsabilità di test, prevenzione degli abusi e conformità sui deployer.
I modelli open-weight, come GLM-5.2, DeepSeek V4 Pro e Qwen3.5 397B, offrono la possibilità di esecuzione su infrastrutture proprietarie, garantendo maggiore controllo sui dati e riducendo la dipendenza da un singolo fornitore. Tuttavia, non garantiscono neutralità politica, come dimostrato dai test che hanno rivelato che le risposte di DeepSeek R1 su questioni controverse legate alla Cina riflettono la posizione ufficiale in una larga maggioranza dei casi.
La competizione nell’IA si sta spostando anche sul piano della regolazione e della politica industriale. È in corso un dibattito pubblico sulla possibilità di limitare lo sviluppo di modelli aperti, con leader del settore che avvertono che tali restrizioni potrebbero ridurre la competitività globale. In sintesi, la competizione futura tra ecosistemi di IA sarà definita non solo dalle prestazioni individuali dei modelli, ma anche dalla capacità di rendere l’intelligenza avanzata accessibile, controllabile e distribuibile su larga scala, tenendo conto dei compromessi legati a costi, controllo e vincoli politici.
