Lotook
Ogni poche settimane un nuovo modello conquista la vetta di una classifica e si ripresenta la stessa domanda: conviene cambiare? La mia risposta sincera è quasi sempre che dipende da cosa ci fai e che il modello più recente è raramente il punto da cui partire.
Non esiste un unico modello di IA migliore in assoluto. Esiste il modello più adatto al tuo compito, al tuo budget e ai tuoi vincoli. Questa guida presenta il metodo che userei per scegliere, insieme a un rapido test da svolgere prima di impegnare denaro o codice con un fornitore.
La situazione questo autunno
Nell’autunno del 2026 ciascuno dei maggiori laboratori ha presentato una nuova generazione, nell’arco di circa un mese.
- Anthropic ha rilasciato Claude Opus 5.5 il 22 settembre e Claude Sonnet 5.5 il 28 settembre. Secondo Anthropic, Opus 5.5 offre prestazioni al livello di Claude Fable 5.1 nella maggior parte dei compiti a un costo inferiore del 40% rispetto a Opus 5, mentre Sonnet 5.5 è più veloce di oltre il 30% rispetto a Sonnet 5.
- Google ha annunciato Gemini 4 Argon il 30 settembre, inizialmente per un gruppo di esperti di difesa della sicurezza informatica. Il 13 ottobre lo ha poi reso disponibile tramite la sua API a sviluppatori e aziende in tutto il mondo, oltre che agli abbonati a pagamento dell’app Gemini.
- OpenAI ha lanciato GPT-6 Astra all’inizio di settembre e i più piccoli GPT-6 Sol e Luna il 22 settembre. Il 7 ottobre ha dichiarato che i nuovi modelli sarebbero arrivati agli utenti di ChatGPT sia con piani gratuiti sia a pagamento.
Anche famiglie di modelli a pesi aperti come DeepSeek e Qwen hanno pubblicato nuove versioni durante l’estate e l’autunno. Per saperne di più sulle novità, consulta la nostra panoramica sui modelli usciti nell’autunno 2026 e il nostro approfondimento sui modelli a pesi aperti di quest’anno.
Quando leggerai queste righe, alcuni di questi nomi saranno cambiati. Le domande che seguono no, ed è per questo che sono un punto di partenza migliore di qualsiasi classifica di vincitori.
Parti dal compito, non dalla classifica
Prima di confrontare i modelli, scrivi che cosa ti serve davvero che faccia uno di essi. La maggior parte degli usi concreti rientra in alcune categorie:
- Scrittura e revisione: bozze, riscritture, riassunti, traduzioni.
- Analisi e ricerca: lettura di documenti lunghi, confronto di fonti, risposte a domande sui dati.
- Programmazione: scrittura, spiegazione, revisione e correzione del codice.
- Estrazione e classificazione: estrazione di campi dai documenti, assegnazione di etichette ai ticket, smistamento dei messaggi.
- Conversazione: chat con i clienti, in cui tono, sicurezza e coerenza contano più della pura brillantezza.
- Agenti: compiti a più passaggi in cui il modello usa strumenti autonomamente. Il nostro articolo su che cos’è un agente di IA ne spiega le differenze.
Questo passaggio sembra ovvio, ma è quello che la maggior parte delle persone salta. Un modello brillante nel ragionamento complesso può essere eccessivo e troppo costoso per etichettare i ticket di assistenza. Un modello piccolo e veloce, perfetto per l’etichettatura, può invece fallire con un contratto di 60 pagine.
Sei domande decisive
1. Quanto è davvero difficile il compito?
La maggior parte delle famiglie di modelli offre oggi più livelli: un grande modello di punta, un modello medio per il lavoro quotidiano e uno piccolo e veloce.
| Livello | Adatto a | Compromesso |
|---|---|---|
| Modello di punta | Ragionamento complesso, codice difficile, lunghi compiti di agenti, analisi con conseguenze importanti | Costo più elevato, di solito il più lento |
| Intermedio | La maggior parte delle attività di scrittura, ricerca, programmazione e lavoro aziendale quotidiano | A volte non coglie problemi sottili o con più passaggi |
| Piccolo | Classificazione su larga scala, estrazione, completamento automatico, chat semplice | Più debole con sfumature, documenti lunghi e ragionamento |
Di solito parto dal livello intermedio e passo a quello superiore solo quando posso indicare errori specifici che il modello più grande risolve davvero. «Sembra più intelligente» non è un motivo per pagare diverse volte di più.
2. Quanto lo userai?
Se usi un’app di chat, il costo è l’abbonamento e questa domanda conta poco. Se sviluppi con un’API, il costo cresce con l’utilizzo, misurato in token. I token di output costano di solito diverse volte più di quelli di input, quindi i compiti che producono molto testo costano più di quelli che ne leggono molto. Se invii ripetutamente le stesse lunghe istruzioni, cerca la memorizzazione nella cache dei prompt. Se non ti servono risposte immediate, cerca tariffe per l’elaborazione in batch.
Anche i prezzi cambiano, a volte secondo un calendario. Google ha lanciato Gemini 4 Argon con una tariffa API introduttiva di $2 per milione di token di input e $10 per milione di token di output fino al 30 novembre 2026. Dopo quella data, secondo Google, il prezzo standard è rispettivamente di $4 e $20. Se stai pianificando il budget per il prossimo anno, usa il secondo prezzo.
3. Quanto deve essere veloce?
Un cliente in attesa in una finestra di chat nota ogni secondo. Per un report elaborato durante la notte non è così. La velocità ha due componenti: il tempo che passa prima che appaiano le prime parole e la rapidità con cui arriva il resto. I modelli di punta e le modalità di «ragionamento» sono spesso sensibilmente più lenti e, per le applicazioni interattive, questo conta più di qualche punto nei benchmark.
4. Quanto deve leggere in una volta?
La finestra di contesto limita la quantità di testo che il modello può considerare in una volta: le tue istruzioni, la conversazione e gli eventuali documenti. Molti modelli attuali accettano input molto lunghi. Ma una finestra ampia non equivale a usare in modo affidabile tutto ciò che contiene. Se il tuo lavoro dipende da un dettaglio nascosto a pagina 47, verifica proprio quello.
5. Dove possono andare i tuoi dati?
Questa domanda esclude opzioni più velocemente di qualsiasi altra, quindi ponila subito.
- Con il piano che usi effettivamente, il fornitore può conservare ciò che invii o usarlo per l’addestramento?
- I tuoi dati devono restare in un paese o in una regione specifici?
- Contratti o normative richiedono certificazioni particolari?
- Il modello deve essere eseguito sulla tua infrastruttura?
Se i dati non possono lasciare il tuo ambiente, i modelli a pesi aperti che ospiti tu stesso potrebbero essere l’unica soluzione adatta. La nostra guida su come usare l’IA al lavoro senza divulgare dati sensibili spiega cosa controllare.
6. A cosa deve collegarsi?
Un modello raramente lavora da solo. Verifica che supporti ciò che ti serve: uso di strumenti, output strutturato, immagini o audio, gestione dei file e la piattaforma cloud che la tua azienda già usa. I grandi modelli sono ora disponibili tramite diversi cloud, ma le funzionalità non arrivano sempre ovunque nello stesso giorno.
Pesi aperti o modello chiuso?
I modelli chiusi si usano tramite l’app o l’API di un fornitore. I modelli a pesi aperti pubblicano i propri pesi, così puoi scaricarli ed eseguirli autonomamente.
I modelli chiusi di solito sono in testa nei compiti più difficili e non richiedono una tua infrastruttura. Rinunci a una parte del controllo in cambio della comodità.
I modelli a pesi aperti ti danno controllo sui dati, costi prevedibili a grandi volumi e spazio per la personalizzazione. In cambio, ti occupi direttamente di hosting, aggiornamenti e misure di sicurezza. Leggi anche la licenza. «Aperto» comprende condizioni che vanno da molto permissive a piuttosto restrittive.
Per molti team la risposta realistica è usarli entrambi: un modello chiuso per il lavoro difficile a volume ridotto e uno a pesi aperti per compiti ad alto volume, sensibili o per cui il costo è decisivo.
Usa i benchmark per selezionare i candidati, non come verdetto
I benchmark sono utili per restringere la scelta, con alcune riserve.
I punteggi pubblicati dal creatore di un modello sono scelti dal creatore stesso. Considerali affermazioni finché qualcun altro non li riproduce, proprio come verificheresti i fatti in una risposta dell’IA prima di fidartene.
I servizi di confronto indipendenti aiutano. Artificial Analysis misura intelligenza, velocità e prezzo di modelli e fornitori. Arena, un tempo LMArena, classifica i modelli in base ai voti delle persone in confronti diretti alla cieca. Vale la pena consultarli entrambi. Nessuno dei due sa nulla del tuo compito.
Inoltre i benchmark popolari perdono efficacia. Quando tutti i migliori modelli ottengono punteggi nella fascia alta dei 90 in un test, le differenze smettono di dirti molto.
Il benchmark più affidabile è il tuo lavoro.
Fai il tuo test di 30 minuti
Non serve un team di valutazione per fare una scelta sensata. Servono esempi reali e un confronto equo.
- Raccogli da 10 a 20 esempi reali del compito, inclusi alcuni casi disordinati o difficili. Prima rimuovi tutto ciò che è riservato.
- Scrivi come dovrebbe essere una buona risposta per ciascun esempio, prima di vedere qualsiasi output. Basta una breve lista di controllo: fatti corretti, formato giusto, lunghezza ragionevole, nulla di inventato.
- Prova due o tre modelli candidati sugli stessi esempi con le stesse istruzioni.
- Confronta alla cieca, se puoi. Incolla gli output in un documento senza i nomi dei modelli e valutali in base alla tua lista. Ti sorprenderà quanto i marchi influenzino il tuo giudizio.
- Annota costo e tempo per ogni esecuzione.
- Leggi gli errori, non solo le medie. Una risposta sbagliata ma espressa con sicurezza in un contesto delicato può contare più di un punteggio complessivo leggermente migliore.
Se due modelli sono alla pari, scegli quello più economico o più veloce. Se il modello costoso vince solo nei casi più difficili, invia a quello soltanto quei casi.
Se vuoi solo un punto di partenza
- Per te: usa il modello predefinito dell’assistente che già paghi. Passa al suo modello di punta o alla modalità di «ragionamento» per i problemi davvero difficili e consulta un secondo fornitore quando c’è in gioco qualcosa di importante. Il disaccordo tra due buoni modelli è un segnale utile.
- Per un piccolo team: adotta come standard un modello intermedio tramite un piano aziendale approvato e passa i casi difficili a un modello di punta.
- Per chi sviluppa: usa un modello piccolo per classificazione ed estrazione su larga scala, uno intermedio per la maggior parte della generazione e un modello di punta solo dove i tuoi test dimostrano che vale il costo.
Pianifica una nuova scelta
I modelli migliorano e diventano più economici rapidamente, quindi considera questa una decisione con una scadenza. In produzione, fissa una versione specifica del modello affinché il comportamento non cambi a tua insaputa. Conserva il tuo insieme di test, eseguilo di nuovo quando esce una nuova versione e cambia solo quando il nuovo modello vince sui tuoi esempi. Io metterei un promemoria sul calendario per farlo una volta a trimestre.
Fonti
- Anthropic, Introducing Claude Opus 5.5, 22 settembre 2026, e Introducing Claude Sonnet 5.5, 28 settembre 2026
- Google, Gemini 4 Argon: our next era of frontier intelligence, 30 settembre 2026, e Gemini 4 Argon: Built to solve your hardest problems, 13 ottobre 2026
- Google Cloud, Gemini 4 Argon available on Google Cloud, 13 ottobre 2026
- TechCrunch, OpenAI launches GPT-6 Sol and Luna, 22 settembre 2026
- OpenAI, GPT-6 Sol and GPT-6 Luna: October 2026 update, 7 ottobre 2026
- Artificial Analysis e Arena
