Il 22 settembre OpenAI ha annunciato tariffe dimezzate per Sol e Luna, i suoi modelli di lavoro corrente. La percentuale è calcolata su prezzi promozionali, e il costo di una pratica trattata resta da misurare.
Leggere gli importi prima della percentuale
Per milione di token, Sol passa da 4 a 2 dollari in ingresso e da 20 a 10 dollari in uscita. Luna passa da 0,20 a 0,10 dollari in ingresso e da 1,20 a 0,50 dollari in uscita. OpenAI annuncia «il 50% in meno» per entrambi. Il calcolo è corretto per Sol e per l’ingresso di Luna, ma l’uscita di Luna cala di circa il 58%.
I prezzi di partenza sono quelli delle offerte promozionali di GPT-5.6, non i suoi prezzi di listino, come OpenAI precisa nel proprio testo. La società attribuisce il calo a miglioramenti nella cache e nell’inferenza, con uno sconto del 90% sulla lettura di input già memorizzati.
Dal lancio, la pagina riporta un aggiornamento del 29 settembre che rimanda a un modello più recente, GPT-6.1 Sol. L’annuncio non dice altro nel testo che ho letto: bisognerà quindi verificare se le tariffe e i confronti di questo articolo valgano ancora per il nuovo modello.
Il costo di un compito, misurato dal fornitore
OpenAI preferisce parlare di costo per compito. Su AutomationBench, un banco di prova di flussi di lavoro aziendali, Sol all’impostazione «xhigh» ottiene il 33,2% per 0,27 dollari per compito, contro il 26,9% di Claude Opus 5 al massimo, a un costo che la società quantifica in più di undici volte quello di Sol. Sul banco DeepSWE, dedicato all’ingegneria del software, Sol è presentato al 68,8%, a poco più di un punto dal miglior punteggio di Claude Fable 5.
Queste cifre provengono da OpenAI, che ha scelto le prove e le impostazioni confrontate. Indica di riprendere i punteggi dei concorrenti da rapporti pubblici e di aver usato quelli di Claude Fable 5 quando quelli della versione 5.1 non erano disponibili. I punteggi della famiglia su questo banco aziendale restano del resto modesti in valore assoluto.
Un livello per ogni compito, da testare piuttosto che da supporre
Quanto segue è una lettura dell’autore. Un lavoro di smistamento, come individuare una pratica incompleta, non richiede la stessa spesa di un’analisi di provenienza o di un testo che impegna la Maison. Si può dunque immaginare un modello economico per il primo, un modello più esigente per gli altri. Il nome del modello non prova che sia adatto al compito.
Un team farebbe bene a stabilire che cosa contiene un risultato accettabile prima di scegliere: le informazioni indispensabili, gli errori tollerabili, i casi che salgono a una persona. Il passaggio di consegne conta quanto la tariffazione. Un primo trattamento economico che cancella le proprie fonti o maschera i propri dubbi trasmette un problema che la fase successiva non vedrà.
L’unità che conta
La tariffa del token è un input, e il consumo di un compito dipende dal livello di impegno scelto. Per decidere, dieci pratiche reali passate attraverso tre livelli di modello, con una griglia degli errori che contano, darebbero la cifra utile: il costo per pratica che una persona accetta senza rifarla. Nessuna pagina di lancio può fornirla.
Cette publication est également disponible en :
