Perché le aziende stanno abbandonando l'AI proprietaria per i modelli open-source

Questa non è solo una questione di taglio dei costi; è una rivalutazione fondamentale del calcolo "costruire vs. comprare" che ha dominato la strategia AI aziendale negli ultimi tre anni.

Le tre forze che guidano il cambiamento

1. Bollette alle stelle per le API proprietarie

L'economia dei modelli proprietari basati su API diventa dolorosa su larga scala. Un'azienda che elabora 100 milioni di token al giorno tramite un'API proprietaria potrebbe spendere oltre 500.000 dollari al mese. Lo stesso carico di lavoro su modelli open-source auto-ospitati costa una frazione, anche considerando le spese infrastrutturali e di ingegneria . Questa pressione finanziaria è il grilletto principale del cambiamento, con due terzi delle organizzazioni in un sondaggio che riferiscono che l'AI open-source è più economica da distribuire rispetto a quella proprietaria .

2. Il routing multi-modello diventa mainstream

Strumenti come OpenRouter e marketplace AI simili sono diventati l'architettura aziendale predefinita. Questi strumenti consentono alle aziende di assegnare ogni attività al modello adeguato più economico, riservando le API premium costose solo per i lavori più complessi. Questo approccio potenzia i risparmi, guidando direttamente il drammatico spostamento del routing dei token verso le opzioni open-source . Il risultato è stato un calo anno su anno dei costi dei token aziendali, passati da 18,40 dollari per milione di token nel primo trimestre del 2025 a 6,07 dollari nel primo trimestre del 2026 .

3. Il divario prestazionale è praticamente scomparso

L'argomento qualitativo per pagare un premio per i modelli proprietari si è notevolmente indebolito. Entro la fine del 2025, il divario del benchmark MMLU tra modelli open-source e proprietari si era ridotto da 17,5 punti percentuali a soli 0,3 — chiudendo di fatto il divario sui benchmark di conoscenza generale . Sulla LMSys Chatbot Arena, il divario è ora di poche decine di punti Elo, rientrando nel margine di errore in alcune metriche .

I modelli cinesi leader sono ora parametri di riferimento per il rapporto qualità-prezzo. DeepSeek-V3.2 eguaglia GPT-5.1 a un decimo del costo di inferenza . Nelle prestazioni agentiche, modelli come GLM-4.7 hanno battuto ogni modello proprietario sul τ²-Bench . Questo pareggio prestazionale significa che per la stragrande maggioranza dei casi d'uso aziendali — alcuni analisti stimano l'80% — i modelli open-source ora forniscono risultati comparabili o superiori .

I modelli cinesi guidano la carica open-source

La narrazione non è più solo open-source vs. proprietario; riguarda sempre più la leadership open-source statunitense vs. cinese. Gli sviluppatori cinesi hanno adottato aggressivamente una strategia di distribuzione open-source per guidare l'adozione globale, e sta funzionando.

• Dominanza nei download: Tra agosto 2024 e agosto 2025, gli sviluppatori cinesi di modelli aperti hanno rappresentato il 17,1% di tutti i download su Hugging Face, superando leggermente gli sviluppatori statunitensi al 15,8% .
• Impennata della quota di mercato: Qwen di Alibaba e DeepSeek hanno catturato una quota stimata del 15% del mercato AI globale a partire da gennaio 2026, rispetto a malapena l'1% all'inizio del 2025 . Qwen ha superato Llama di Meta come famiglia di LLM più scaricata su Hugging Face nel settembre 2025 .
• Volume di rilascio: Entro luglio 2025, la Cina aveva rilasciato circa 1.509 dei circa 3.755 LLM pubblici del mondo — molto più di qualsiasi altro paese .

Questo diluvio di modelli capaci e a basso costo sta alterando fondamentalmente le catene di approvvigionamento AI globali e le considerazioni economiche per le imprese di tutto il mondo.

Le implicazioni di costo per le aziende

I vantaggi di costo del passaggio sono sbalorditivi e multidimensionali.

Anche considerando i costi operativi dell'auto-hosting, un carico di lavoro di 100 milioni di token al giorno è più economico del 55% con l'open-source, e a 1 miliardo di token al giorno, il risparmio sale all'81% .

La pressione su OpenAI e Anthropic

Questo cambiamento ha creato una crisi esistenziale per i pionieri dell'era dell'AI proprietaria. Mentre le aziende votano con il portafoglio, OpenAI e Anthropic sono messe alle strette da ogni parte.

Una guerra dei prezzi brutale

Il Wall Street Journal e Bloomberg hanno riportato una guerra dei prezzi in escalation tra le due società . Sam Altman ha ammesso che i costi sono un "problema enorme" per i clienti, e OpenAI starebbe valutando drastiche riduzioni del prezzo dei token per contrastare lo slancio aziendale di Anthropic .

I numeri non mentono

• Margine operativo di OpenAI: OpenAI ha registrato un margine operativo rettificato del -122% nel primo trimestre del 2026, perdendo 1,22 dollari per ogni dollaro di entrate .
• Crescita esplosiva di Anthropic: Il tasso di entrate annualizzato di Anthropic è salito a 47 miliardi di dollari entro maggio 2026, rispetto ai circa 10 miliardi di dollari per l'intero 2025, trainato dall'adozione aziendale di Claude Code .
• Minacce crescenti: Modelli cinesi come GLM 5.2 di Zhipu ora si trovano entro un punto percentuale da Opus 4.8 di Anthropic sui benchmark agentici a circa un quinto del costo . Inoltre, i prodotti focalizzati sull'efficienza di Microsoft, Amazon e Google stanno anche esercitando nuove pressioni sulla crescita di entrambe le società .

Il rischio IPO

Entrambe le società corrono verso le quotazioni pubbliche alla fine del 2026 . Il rischio centrale è che comprimere i margini per competere con le alternative open-source e cinesi potrebbe minare la loro capacità di sostenere la massiccia spesa infrastrutturale necessaria per mantenere un vantaggio di frontiera . Un analista di D.A. Davidson ha osservato che gli attuali tassi di crescita potrebbero non essere sostenibili poiché il contesto di spesa cambia .

La strada da percorrere: un mondo ibrido

Il futuro dell'AI aziendale non è una scelta binaria tra aperto e chiuso. I dati suggeriscono che un'architettura ibrida sta diventando la nuova normalità. Le aziende utilizzeranno modelli proprietari per flussi di lavoro ad alto rischio, esposti al marchio o legalmente regolamentati dove garanzie e SLA non sono negoziabili . Per l'elaborazione batch sensibile ai costi, la generazione di contenuti ad alto volume e le distribuzioni on-premise, i modelli open-source — specialmente quelli cinesi — diventeranno l'impostazione predefinita .

Il messaggio strategico per qualsiasi leader aziendale è chiaro: l'era del pagare un premio per la capacità AI sta finendo. Qualsiasi strategia AI che non tenga conto dei costi in calo e della crescente qualità dei modelli open-source è già obsoleta.