Le aziende americane stanno spostando i propri carichi di lavoro verso modelli di intelligenza artificiale cinesi. Non per convinzione ideologica, ma per una ragione sola: il costo. DeepSeek, Z.ai e Alibaba Qwen costano tra il 60% e il 90% in meno rispetto ai modelli equivalenti di OpenAI e Anthropic, secondo i dati di OpenRouter, piattaforma che fornisce accesso unificato a decine di sistemi AI.
I numeri raccontano una storia rapida. Sulla stessa piattaforma, i modelli cinesi hanno superato il 30% del traffico token ogni settimana dal febbraio 2026, con picchi fino al 46%. Dodici mesi prima la media era dell’11%, e nel primo semestre del 2025 era appena al 4,5%. La crescita è stata verticale. Il caso più emblematico è quello di Lindy, startup americana che a giugno ha spostato il 100% del proprio traffico da Claude di Anthropic a DeepSeek. Il CEO Flo Crivello ha descritto l’effetto sui costi con una frase secca: “la curva è crollata a terra.” Il risparmio atteso è nell’ordine di milioni di dollari in pochi mesi.
I prezzi parlano da soli. Uno studio condotto dalla società di benchmarking Artificial Analysis ha confrontato lo stesso set di valutazioni su più modelli: Anthropic Claude è costato 4.811 dollari, OpenAI ChatGPT 3.357 dollari. Lo stesso lavoro su DeepSeek è costato 1.071 dollari, su Kimi di Moonshot 948 dollari, su GLM di Zhipu appena 544 dollari. Su base API, DeepSeek V4 Flash è quotato a 0,14 dollari per milione di token in input e 0,28 in output, contro i 3 dollari e 15 dollari di Claude Sonnet, e i 5 dollari e 30 dollari di GPT-5.5. Il divario non è marginale. Per chi consuma milioni di token al giorno, è la differenza tra un progetto sostenibile e uno che brucia budget.
La pressione economica spiega il timing. Le spese AI aziendali sono cresciute: il 45% delle imprese intervistate da CloudZero ha dichiarato di spendere più di 100.000 dollari al mese in AI nel 2025, contro il 20% dell’anno precedente. Uber ha esaurito il budget annuale per i token in soli quattro mesi. Salesforce ha pagato circa 300 milioni di dollari ad Anthropic in un anno. In questo contesto, la logica di adottare modelli cinesi open-weight per i compiti di routine e riservare i modelli americani ai task più complessi si è diffusa rapidamente. Il CEO di Databricks, Ali Ghodsi, lo ha chiamato approccio “advisor model”: un modello economico gestisce la maggior parte del lavoro, quello americano interviene solo dove serve davvero la qualità di punta. Il fondatore di Z.ai, Tang Jie, ha dichiarato di puntare alla parità con il modello Fable di Anthropic entro il primo trimestre del 2027.
C’è però un fronte che non riguarda solo i prezzi. I modelli cinesi open-weight consentono alle aziende di ispezionare i parametri, modificare il modello e avere più controllo su come vengono trattati i dati sensibili. Per molte organizzazioni questo è un vantaggio concreto rispetto ai sistemi proprietari chiusi di OpenAI o Anthropic. Al tempo stesso, la geopolitica complica il quadro: Z.ai è nella lista nera del Dipartimento del Commercio americano, e le preoccupazioni sulla sicurezza dei dati non sono scomparse. L’amministrazione Trump ha imposto restrizioni all’export su alcuni modelli Anthropic, generando ulteriore incertezza sul fronte americano e spingendo aziende internazionali verso le alternative cinesi.
OpenAI e Anthropic non sono senza risposta: i loro modelli restano superiori sui benchmark più avanzati, e il divario tecnico stimato dai ricercatori di Brookings è ancora di sei-nove mesi. Ma per la maggior parte dei carichi di lavoro aziendali quel margine non si traduce in un vantaggio misurabile. Se il conto mensile per un’attività standard costa venti volte di più senza un beneficio proporzionale, il mercato risponde. E in questo momento sta rispondendo in modo molto chiaro.
