Il 3 agosto Alibaba ha presentato Qwen3.8-Max, il suo modello più grande: 2.400 miliardi di parametri, capace di leggere testo, immagini e video fino a un milione di token per volta. Il titolo ha guadagnato il 7% a Hong Kong. Nello stesso giro di giorni DeepSeek ha rilasciato V4-Flash, che secondo la società di analisi indipendente Artificial Analysis è diventato il modello più economico al mondo da far girare.
Sono notizie che di solito restano nelle pagine tech. Questa vale la pena leggerla anche se dell’AI non ti importa niente, perché tocca un numero che riguarda ogni azienda: quanto costa far fare a una macchina un lavoro ripetitivo.
I numeri, senza giri di parole
DeepSeek V4-Flash costa 0,14 dollari per milione di token in ingresso e 0,28 in uscita. Un token, per intenderci, è più o meno tre quarti di una parola.
Il confronto che colpisce è quello sul costo medio per completare la stessa batteria di test, misurato da Artificial Analysis:
Contro 3,15 dollari di Claude Fable 5, 1,86 di GPT-5.6 Sol e 86 centesimi di Kimi K3. Sullo stesso lavoro, un ordine di grandezza di differenza — a volte due.
Fonte: Artificial Analysis, agosto 2026
Qwen3.8-Max di Alibaba si colloca in mezzo, a 2 dollari per milione di token in input e 6 in output, ma con una finestra di contesto enorme: può leggere in un colpo solo l’equivalente di un faldone di documenti.
Cosa cambia davvero per una PMI
Non è che «adesso arriva l’AI». L’AI c’era già. È cambiato il denominatore di un calcolo che due anni fa faceva bocciare progetti sensati.
Il ragionamento tipico era questo: «ho 4.000 richieste di preventivo l’anno da smistare, l’automazione mi costerebbe più di quanto risparmio in ore». Con i prezzi di allora, spesso era vero. Oggi quel conto va rifatto, ed è un conto che si fa su un foglio in dieci minuti.
Il secondo effetto è negoziale. Se hai già un fornitore che ti fa pagare l’AI a consumo dentro un gestionale o un servizio, oggi hai un argomento in mano. Non per litigare, ma per chiedere che il listino segua il mercato — o per affiancare un modello più economico sui compiti ad alto volume e bassa criticità, tenendo quello più costoso dove la qualità conta davvero.
Tre casi in cui il prezzo basso NON è l’argomento decisivo
Qui serve onestà, perché il ragionamento «costa meno, quindi lo prendo» porta fuori strada in fretta.
- Dati personali e riservatezza. Prima del prezzo viene dove finiscono i dati, chi li tratta e sotto quale giurisdizione. Per anagrafiche clienti, cartelle sanitarie, dati di dipendenti o documenti coperti da riservatezza contrattuale, la domanda giusta è dove risiedono i server e cosa dice il contratto, non quanto costa il milione di token.
- Il costo del modello è la parte piccola. In un progetto reale, l’elaborazione è spesso una frazione del totale: il grosso sono l’integrazione col gestionale, la pulizia dei dati e il tempo di chi deve controllare i risultati. Un modello dieci volte più economico non rende il progetto dieci volte più conveniente.
- La qualità sui compiti difficili non è uguale. Sui lavori semplici e ripetitivi la differenza tra modelli si assottiglia. Sui compiti che richiedono ragionamento, contesto specifico o precisione legale, no. Il posto giusto dove risparmiare è il volume banale, non la decisione delicata.
Un’ultima nota metodologica, per non prendere i numeri per più di quello che sono: il «costo per test» dipende anche da quanti token un modello consuma per rispondere, non solo dal prezzo di listino. I confronti misurano una batteria di prove standard, non il tuo carico di lavoro. Prima di firmare qualcosa, il test da fare è sempre lo stesso: prendi cento casi veri della tua azienda, falli girare, e guarda il conto.