IBM rivela cifre che sfidano i giganti dell'IA chiusa: il 90% delle prestazioni al 10% del costo per token

La corsa all'intelligenza artificiale ha a lungo ruotato attorno a una domanda: chi ha il modello più capace. Ogni nuova generazione cerca di risolvere compiti più complessi, mentre le comparazioni si concentrano spesso sui vertici delle classifiche. Tuttavia, un'altra domanda sta guadagnando importanza man mano che smettiamo di testare queste strumenti per curiosità e iniziamo a utilizzarli realmente: quanto ci costa ottenere una risposta sufficientemente buona?

La differenza può sembrare piccola, fino a quando non immaginiamo quella stessa richiesta ripetuta migliaia o milioni di volte. Questa scelta ha più strade di quante ne suggeriscano le applicazioni di intelligenza artificiale che utilizziamo quotidianamente. Possiamo accedere a queste strumenti tramite servizi gratuiti, abbonamenti a pagamento o fornitori che addebitano in base all'uso, ma esistono anche modelli aperti che possono essere eseguiti su infrastrutture proprie o tramite terzi. Per un'azienda, ciò apre possibilità che vanno oltre l'acquisto del servizio più avanzato sul mercato.

La discussione è emersa durante la presentazione dei risultati finanziari di IBM. Durante il turno di domande, Matt Swanson, analista di RBC Capital Markets, ha chiesto come le grandi aziende stessero conciliando due esigenze che possono entrare in conflitto: contenere le spese in intelligenza artificiale e mantenere il controllo sul suo dispiegamento. Arvind Krishna, CEO di IBM, ha risposto facendo riferimento alla fine del 2024 e confrontando l'evoluzione dei modelli più avanzati con quella delle alternative aperte. Il suo argomento puntava a un cambiamento che, secondo lui, sta alterando questa scelta.

La nuova battaglia dell'IA non si gioca solo sulle prestazioni

Per comprendere la portata del cambiamento descritto dal dirigente, è utile esaminare i numeri che ha utilizzato. Alla fine del 2024, ha presentato un esempio in cui un modello di frontiera poteva ottenere 70 punti in una valutazione ampia, rispetto ai 20 o 30 di un'alternativa aperta. "È un divario troppo grande. Nessuno lo accetterà", ha sostenuto. Alla fine del 2025, secondo il suo esempio, la differenza si sarebbe ridotta a 70 rispetto a 50. Ora stima che i modelli aperti raggiungano circa il 90% dell'efficacia dei più avanzati e costino per token tra il 10% e il 25% in meno rispetto a questi ultimi. Si tratta di valutazioni di Krishna, che non ha identificato prove concrete per verificarle.

È importante soffermarsi su un'espressione che emerge in tutto questo confronto: modelli aperti. I cosiddetti "pesi" sono i parametri numerici che un sistema di intelligenza artificiale apprende e regola durante il suo addestramento, e che successivamente utilizza per elaborare informazioni e generare risposte. Quando un'azienda li pubblica, altri possono scaricarli ed eseguire il modello sui propri dispositivi, sempre nel rispetto delle condizioni della licenza. Ciò non significa che conosciamo come è stato addestrato il modello o che abbiamo accesso a tutti i suoi dati e strumenti. Per questo, come spiega l'Open Source Initiative, disporre dei pesi non equivale necessariamente ad avere un modello a codice aperto.

Il risparmio di cui parla Krishna si comprende meglio guardando come si addebita l'uso di questi sistemi. Un token è un'unità con cui il modello rappresenta frammenti del testo ricevuto o generato, e molti fornitori fatturano in base alla quantità elaborata. "Preferisce qualcosa che costa il 10% se raggiunge il 90% delle prestazioni del migliore, o vuole pagare un costo dieci volte superiore?", ha chiesto il dirigente. Secondo i calcoli di IBM, una grande azienda media potrebbe iniziare con due o tre rack, armadi che ospitano server e altri dispositivi, per eseguire queste alternative. Tuttavia, questa infrastruttura richiede investimenti, elettricità, manutenzione e personale specializzato. Il risparmio reale dipende dal volume di utilizzo, fino al punto in cui l'acquisto di un'API può essere ancora più economico per carichi di lavoro ridotti.

Quali compiti richiedono davvero il modello più avanzato?

Dopo aver parlato dei costi, sorge una domanda inevitabile: quali lavori necessitano realmente del modello più avanzato? Krishna ammette che alcuni sì, ma ritiene che molte attività aziendali possano essere risolte con opzioni più economiche. Ha menzionato esempi quotidiani, dal riassumere un'email e redigerne un'altra all'esaminare un contratto o rispondere a una chiamata di un cliente. "Tutto questo può essere fatto altrettanto bene con l'alternativa molto più economica", ha assicurato. Si tratta della sua valutazione su questi usi, non di una garanzia che qualsiasi sistema offra risultati equivalenti in tutti i casi. La scelta dipende anche dalla complessità di ogni compito e dalla affidabilità di cui abbiamo bisogno.

Le affermazioni di IBM non sono isolate. Nel maggio 2026, l'Organizzazione per la Cooperazione e lo Sviluppo Economico (OCSE) ha pubblicato un rapporto, basato su dati precedenti, che collocava i modelli aperti intorno al 90% dell'indice di qualità delle alternative chiuse al momento del loro ingresso sul mercato, ma con un prezzo equivalente al 20% nei servizi cloud. Ci sono sfumature importanti: l'AI Index 2026 di Stanford segnala che, a marzo, il miglior modello chiuso superava del 3,3% il punteggio del miglior modello aperto in Arena, una classifica basata su valutazioni comparative degli utenti. Si tratta di metriche diverse e nessuna stabilisce un'equivalenza universale delle capacità.

È importante tenere presente chi pone questo confronto. IBM sviluppa la propria famiglia di modelli Granite e lavora su tecnologie per facilitare il dispiegamento dell'intelligenza artificiale, anche se mantiene un'alleanza con OpenAI. Ha, quindi, interessi commerciali in questo mercato, ma il dibattito che solleva va oltre i suoi prodotti. Se un'azienda può risolvere gran parte delle sue esigenze con alternative più economiche, utilizzare sempre il sistema più avanzato smette di essere una decisione così evidente. La questione è trovare il giusto equilibrio tra capacità, costi e controllo, senza compromettere la qualità dei risultati.