DeepSeek V4 Flash spinge i modelli open-weight oltre il 60% del traffico su Vercel AI Gateway

Il rapporto tra costo e capacità sta cambiando il modo in cui vengono distribuite le richieste sull’AI Gateway di Vercel, il servizio che consente agli sviluppatori di accedere a numerosi modelli tramite un’unica interfaccia. Martedì 25 agosto 2026, i modelli open-weight hanno rappresentato il 54% del volume di token elaborati dalla piattaforma, contro il 46% dei modelli proprietari. Il sabato precedente avevano toccato il 62%, lasciando ai modelli chiusi il 38%.4

Per “open-weight” si intendono modelli i cui pesi sono disponibili per il download e che possono, in determinate condizioni, essere eseguiti o adattati da altri operatori. Il dato di Vercel non misura però né i ricavi né il numero di aziende che utilizzano ciascun modello: riguarda esclusivamente i token processati attraverso il gateway.

Il sorpasso in numeri

Rilevazione di agosto	Modelli open-weight	Modelli proprietari
Sabato precedente	62%	38%
Martedì 25 agosto	54%	46%

Martedì il vantaggio dei modelli open-weight era quindi di 8 punti percentuali; al precedente record era arrivato a 24 punti. Il passaggio segnala che i modelli più economici stanno gestendo una quota crescente dei carichi di lavoro in produzione, ma non dimostra che siano diventati la scelta migliore per ogni tipo di attività.

Perché DeepSeek V4 Flash ha fatto la differenza

Il principale impulso è arrivato da DeepSeek V4 Flash. Vercel ha comunicato che il modello utilizza automaticamente pesi aggiornati sull’AI Gateway e che il suo punteggio su Terminal-Bench è salito a 82,7, rispetto a 56,9 nell’anteprima di aprile: un miglioramento di 25,8 punti.19

L’aggiornamento non richiedeva di modificare l’identificativo del modello né il codice dell’applicazione. Gli utenti già esistenti potevano quindi ricevere i nuovi pesi senza intervenire sull’integrazione.19

L’attrattiva di V4 Flash non dipendeva soltanto dal prezzo. Le prestazioni migliori nelle attività agentiche — cioè nei flussi in cui il modello pianifica più passaggi e utilizza strumenti esterni — lo hanno reso più adatto a carichi intensivi di programmazione e tool use. Vercel indica inoltre il supporto al ragionamento, all’uso degli strumenti, alla cache implicita e a una finestra di contesto da 1 milione di token.27

Il posizionamento della famiglia DeepSeek rafforza il contrasto tra efficienza e prestazioni premium. Secondo Reuters, V4 Pro è stato lanciato a un prezzo di input circa nove volte superiore a quello di V4 Flash e a un prezzo di output 14 volte più alto.17 Confronti indipendenti confermano un ampio vantaggio di prezzo per V4 Flash, anche se i risultati cambiano in base al benchmark e alla configurazione utilizzata.25

Perché i modelli proprietari hanno perso quota

Le informazioni disponibili collegano la contrazione del volume dei modelli proprietari alla minore domanda aziendale per Fable 5 di Anthropic, più costoso.4 È una spiegazione plausibile per i carichi in cui contano soprattutto velocità, quantità di richieste e costo per unità, ma i dati aggregati del gateway non dimostrano che questa sia l’unica causa per ogni cliente o richiesta.

Fable 5 resta presentato da Vercel come un modello adatto a compiti lunghi, ambigui e articolati in più fasi.3 Il cambiamento di agosto va quindi letto meno come una bocciatura generale dei modelli proprietari e più come una scelta di instradamento: un modello economico per i lavori compatibili e ad alto volume, uno premium per i casi in cui la maggiore capacità giustifica il prezzo.

Più token non significa più spesa

La distinzione più importante è quella tra utilizzo e fatturato. In una rilevazione precedente di Vercel, i modelli open-weight erano arrivati al 29% del volume di token, ma rappresentavano meno del 4% della spesa.44

Il motivo è semplice: il numero di token non tiene conto del prezzo pagato per ogni token di input o di output. Di conseguenza, il sorpasso di agosto indica che i modelli open-weight stavano elaborando una parte maggiore del lavoro sul gateway, non necessariamente che stessero generando più ricavi per i fornitori. I modelli proprietari possono conservare una quota sproporzionata della spesa anche gestendo meno token.

Cosa cambia per gli sviluppatori

I dati suggeriscono una strategia di instradamento dei modelli più selettiva:

• Modelli efficienti per i carichi su larga scala: generazione ad alto volume, assistenza al coding e chiamate frequenti agli strumenti sono attività particolarmente sensibili al costo per token.
• Nuovi test dopo gli aggiornamenti dei pesi: l’upgrade di DeepSeek V4 Flash ha modificato il profilo prestazionale senza richiedere cambiamenti a livello di codice o di model ID.19
• Qualità ed economia vanno valutate separatamente: un miglioramento su un benchmark non dimostra che il modello sia adatto a ogni ambiente produttivo. Accuratezza reale, affidabilità, latenza, privacy e disponibilità del provider restano elementi da verificare.
• Monitorare la spesa oltre ai token: il modello con il maggiore volume non è automaticamente quello che concentra più costi o offre il miglior valore.

La lezione più ampia dei dati di agosto è che i modelli open-weight possono conquistare quote rilevanti nell’uso reale quando combinano capacità sufficienti e costi nettamente inferiori. DeepSeek V4 Flash è l’esempio più evidente, ma la tendenza sottostante è più pragmatica: assegnare ogni attività al modello meno costoso che riesca a svolgerla in modo abbastanza affidabile, invece di sostituire indiscriminatamente tutti i modelli proprietari.