I modelli

DeepSeek V4 Pro (13 agosto 2026)

Il lancio di punta che corona l'ondata estiva. DeepSeek V4 Pro è un modello Mixture-of-Experts da 1,6 trilioni di parametri con 49 miliardi di parametri attivi per token, una finestra di contesto di 1 milione di token e fino a 384.000 token di output in tre modalità di ragionamento (standard, high-effort, max-effort) . Su Terminal-Bench 2.1 ha ottenuto un punteggio di 87,9 — un miglioramento del 15,8% rispetto all'anteprima di aprile — e si comporta a un livello paragonabile a Claude Fable 5 a un costo di circa 1/57 . Reuters riferisce che il modello "si sta avvicinando — e in alcuni test superando — Claude Fable 5" nei benchmark su agenti e ingegneria del software .

I prezzi sono di 0,435 $ per milione di token di input e 0,87 $ per milione di token di output a tariffe standard, con sconti per cache fino al 97% . In modalità di ragionamento max-effort, il prezzo è di 1,32 $/3,96 $ per milione di token .

Moonshot Kimi K3 (16/27 luglio 2026)

Moonshot AI ha rilasciato quello che chiama "il primo modello aperto al mondo nella classe dei 3 trilioni di parametri" — un modello Mixture-of-Experts da 2,8 trilioni di parametri che attiva 16 di 896 esperti per token, con una finestra di contesto di 1 milione di token e capacità multimodali native (visione + testo) . I pesi completi sono stati rilasciati su Hugging Face il 27 luglio con una licenza MIT modificata . È disponibile su Kimi.com, Kimi Work, Kimi Code e tramite l'API Kimi .

Zhipu AI GLM-5.2 (13/16 giugno 2026)

Il modello che ha dato il via all'ondata. GLM-5.2 è un MoE da 744 miliardi di parametri con circa 40 miliardi di parametri attivi per token, una finestra di contesto di 1 milione di token e una licenza MIT . La valutazione CAISI del NIST considera le sue capacità complessive simili a quelle del GPT-5.2 (dicembre 2025) e le sue capacità informatiche simili a quelle di Claude Opus . Ottiene un punteggio di 81,0 su Terminal-Bench 2.1 e 62,1 su SWE-bench Pro — il miglior punteggio open-weight sull'Artificial Analysis Intelligence Index . I prezzi via API sono circa 10 volte inferiori a quelli di Claude o GPT-5 .

Meituan LongCat-2.0 (30 giugno 2026)

Un MoE da 1,6 trilioni di parametri (48 miliardi attivi per token) con una finestra di contesto di 1 milione di token, rilasciato con licenza MIT . La sua caratteristica distintiva: è il primo modello con un trilione di parametri addestrato ed eseguito interamente su chip cinesi — un cluster da 50.000 chip Huawei Ascend 910B/C . Secondo i test di Meituan, supera GPT-5.5 nei benchmark di ingegneria del software . Era già in cima alla classifica OpenLLM sotto il nome in codice "Owl Alpha" prima del rilascio ufficiale . I prezzi API sono di 0,75 $/2,95 $ per milione di token di input/output, con una promozione di lancio a 0,30 $/1,20 $ .

Confronto con i modelli di frontiera USA

Implicazioni più ampie

Adozione globale da parte delle imprese

Le aziende al di fuori della Cina ora hanno alternative credibili, a basso costo e open-weight ai modelli API statunitensi. La licenza MIT di GLM-5.2, senza restrizioni regionali, significa che qualsiasi azienda può auto-ospitarlo commercialmente senza limitazioni . Questo sta influenzando le decisioni di acquisto in Asia orientale, Medio Oriente, Africa e parti d'Europa.

Il paradosso delle restrizioni all'esportazione

Le prove supportano fortemente la tesi che le restrizioni all'esportazione di chip USA abbiano avuto l'effetto opposto, in almeno due modi:

• Accelerata padronanza dei chip domestici: LongCat-2.0 è stato addestrato su un cluster da 50.000 chip di processori Huawei Ascend di fabbricazione cinese, dimostrando che l'addestramento su scala frontiera è possibile senza hardware USA . Ciò ha catalizzato l'ecosistema dei chip AI domestici cinesi più velocemente di quanto avrebbero fatto le sole forze di mercato.
• Efficienza algoritmica forzata: Privati di un'abbondante fornitura di GPU di fascia alta, i laboratori cinesi hanno ottimizzato le architetture (sparsità MoE, attenzione sparsa, efficienza dei parametri attivi) in modo più aggressivo rispetto ai laboratori USA. Il risultato sono modelli che raggiungono capacità comparabili con una frazione del budget di calcolo — un vantaggio di costo da 10 a 57 volte .

Cosa non è ancora confermato

Non sono state trovate fonti a sostegno di prezzi specifici per attività come "0,06 $" per DeepSeek V4 Pro o "2,34 $" per Claude Opus 5. Anche per Tencent Hy3 e Alibaba Qwen3.8-Max mancano specifiche verificate o date di rilascio nelle prove disponibili. Le affermazioni su un recente manifesto open-source di Mark Zuckerberg non hanno potuto essere confermate.

Nota su fonti e affermazioni

Questo articolo si basa sulle prove disponibili a metà agosto 2026. Tutte le affermazioni sulle capacità dei modelli provengono da benchmark riportati dagli sviluppatori e da valutazioni di terze parti (incluso il CAISI del NIST). La verifica indipendente di tutti i punteggi dei benchmark è in corso a livello di settore. I confronti dei costi si basano sui prezzi dei token API pubblicati; i costi effettivi per attività variano in modo significativo in base alla complessità dell'attività, alla lunghezza del contesto e ai tassi di hit della cache.

I modelli

DeepSeek V4 Pro (13 agosto 2026)

Il lancio di punta che corona l'ondata estiva. DeepSeek V4 Pro è un modello Mixture-of-Experts da 1,6 trilioni di parametri con 49 miliardi di parametri attivi per token, una finestra di contesto di 1 milione di token e fino a 384.000 token di output in tre modalità di ragionamento (standard, high-effort, max-effort) . Su Terminal-Bench 2.1 ha ottenuto un punteggio di 87,9 — un miglioramento del 15,8% rispetto all'anteprima di aprile — e si comporta a un livello paragonabile a Claude Fable 5 a un costo di circa 1/57 . Reuters riferisce che il modello "si sta avvicinando — e in alcuni test superando — Claude Fable 5" nei benchmark su agenti e ingegneria del software .

I prezzi sono di 0,435 $ per milione di token di input e 0,87 $ per milione di token di output a tariffe standard, con sconti per cache fino al 97% . In modalità di ragionamento max-effort, il prezzo è di 1,32 $/3,96 $ per milione di token .

Moonshot Kimi K3 (16/27 luglio 2026)

Moonshot AI ha rilasciato quello che chiama "il primo modello aperto al mondo nella classe dei 3 trilioni di parametri" — un modello Mixture-of-Experts da 2,8 trilioni di parametri che attiva 16 di 896 esperti per token, con una finestra di contesto di 1 milione di token e capacità multimodali native (visione + testo) . I pesi completi sono stati rilasciati su Hugging Face il 27 luglio con una licenza MIT modificata . È disponibile su Kimi.com, Kimi Work, Kimi Code e tramite l'API Kimi .

Zhipu AI GLM-5.2 (13/16 giugno 2026)

Il modello che ha dato il via all'ondata. GLM-5.2 è un MoE da 744 miliardi di parametri con circa 40 miliardi di parametri attivi per token, una finestra di contesto di 1 milione di token e una licenza MIT . La valutazione CAISI del NIST considera le sue capacità complessive simili a quelle del GPT-5.2 (dicembre 2025) e le sue capacità informatiche simili a quelle di Claude Opus . Ottiene un punteggio di 81,0 su Terminal-Bench 2.1 e 62,1 su SWE-bench Pro — il miglior punteggio open-weight sull'Artificial Analysis Intelligence Index . I prezzi via API sono circa 10 volte inferiori a quelli di Claude o GPT-5 .

Meituan LongCat-2.0 (30 giugno 2026)

Un MoE da 1,6 trilioni di parametri (48 miliardi attivi per token) con una finestra di contesto di 1 milione di token, rilasciato con licenza MIT . La sua caratteristica distintiva: è il primo modello con un trilione di parametri addestrato ed eseguito interamente su chip cinesi — un cluster da 50.000 chip Huawei Ascend 910B/C . Secondo i test di Meituan, supera GPT-5.5 nei benchmark di ingegneria del software . Era già in cima alla classifica OpenLLM sotto il nome in codice "Owl Alpha" prima del rilascio ufficiale . I prezzi API sono di 0,75 $/2,95 $ per milione di token di input/output, con una promozione di lancio a 0,30 $/1,20 $ .

Confronto con i modelli di frontiera USA

Implicazioni più ampie

Adozione globale da parte delle imprese

Le aziende al di fuori della Cina ora hanno alternative credibili, a basso costo e open-weight ai modelli API statunitensi. La licenza MIT di GLM-5.2, senza restrizioni regionali, significa che qualsiasi azienda può auto-ospitarlo commercialmente senza limitazioni . Questo sta influenzando le decisioni di acquisto in Asia orientale, Medio Oriente, Africa e parti d'Europa.

Il paradosso delle restrizioni all'esportazione

Le prove supportano fortemente la tesi che le restrizioni all'esportazione di chip USA abbiano avuto l'effetto opposto, in almeno due modi:

• Accelerata padronanza dei chip domestici: LongCat-2.0 è stato addestrato su un cluster da 50.000 chip di processori Huawei Ascend di fabbricazione cinese, dimostrando che l'addestramento su scala frontiera è possibile senza hardware USA . Ciò ha catalizzato l'ecosistema dei chip AI domestici cinesi più velocemente di quanto avrebbero fatto le sole forze di mercato.
• Efficienza algoritmica forzata: Privati di un'abbondante fornitura di GPU di fascia alta, i laboratori cinesi hanno ottimizzato le architetture (sparsità MoE, attenzione sparsa, efficienza dei parametri attivi) in modo più aggressivo rispetto ai laboratori USA. Il risultato sono modelli che raggiungono capacità comparabili con una frazione del budget di calcolo — un vantaggio di costo da 10 a 57 volte .

Cosa non è ancora confermato

Non sono state trovate fonti a sostegno di prezzi specifici per attività come "0,06 $" per DeepSeek V4 Pro o "2,34 $" per Claude Opus 5. Anche per Tencent Hy3 e Alibaba Qwen3.8-Max mancano specifiche verificate o date di rilascio nelle prove disponibili. Le affermazioni su un recente manifesto open-source di Mark Zuckerberg non hanno potuto essere confermate.

Nota su fonti e affermazioni

Questo articolo si basa sulle prove disponibili a metà agosto 2026. Tutte le affermazioni sulle capacità dei modelli provengono da benchmark riportati dagli sviluppatori e da valutazioni di terze parti (incluso il CAISI del NIST). La verifica indipendente di tutti i punteggi dei benchmark è in corso a livello di settore. I confronti dei costi si basano sui prezzi dei token API pubblicati; i costi effettivi per attività variano in modo significativo in base alla complessità dell'attività, alla lunghezza del contesto e ai tassi di hit della cache.