In Breve
- Qual è il vantaggio dei modelli cinesi nell'IA?
- I modelli cinesi offrono prestazioni competitive a costi fino a 100 volte inferiori rispetto a quelli occidentali.
- Come si sta dividendo il mercato dell'IA?
- Il mercato si divide in una fascia mass market per compiti di routine e una fascia frontier per compiti complessi.
- Quali sono i rischi associati ai modelli open-weight?
- I modelli open-weight possono non garantire neutralità politica e trasferiscono la responsabilità della sicurezza ai deployer.
Negli ultimi anni, l’intelligenza artificiale (IA) ha visto una crescente competizione tra i laboratori occidentali e le controparti cinesi. Mentre i primi continuano a mantenere punteggi elevati nei benchmark di capacità, i modelli cinesi si avvicinano a tali risultati, offrendo però costi che possono essere fino a 100 volte inferiori. Questo cambiamento sta ridisegnando la dinamica competitiva nel settore.
Secondo il benchmark GPQA Diamond, noto per la sua difficoltà nel ragionamento scientifico, i punteggi più alti sono attualmente detenuti da modelli come Claude Mythos 5 (94,4%), Gemini 3.1 Pro (94,3%) e Claude Fable 5 (94%). Tuttavia, i modelli cinesi come Qwen 3.7 Max (92,4%), GLM-5.2 (91,2%) e DeepSeek V4 Pro (90,1%) dimostrano che la competizione è più agguerrita che mai. Questo vantaggio di costo non solo riduce le spese per l’inferenza, ma permette anche di effettuare un numero maggiore di query con lo stesso budget, facilitando l’adozione dell’IA in vari processi aziendali dove una leggera perdita di accuratezza è accettabile.
Il mercato dell’IA si sta così dividendo in due segmenti: una fascia mass market, dedicata a compiti di routine dove il “sufficientemente buono” prevale grazie ai costi contenuti, e una fascia frontier, riservata a compiti complessi in cui anche piccoli vantaggi qualitativi possono fare la differenza.
Parte della differenza di prezzo tra i modelli occidentali e cinesi è attribuibile ai diversi approcci alla sicurezza. Molte soluzioni cinesi, dotate di pesi aperti, presentano guardrail di default più leggeri, trasferendo la responsabilità del test e della conformità ai deployer. I modelli open-weight, come GLM-5.2, DeepSeek V4 Pro e Qwen3.5 397B, offrono la possibilità di esecuzione su infrastrutture proprietarie, garantendo un maggiore controllo sui dati e riducendo la dipendenza da un singolo fornitore. Tuttavia, non sempre garantiscono una neutralità politica, come dimostrato da test che hanno rivelato che le risposte di DeepSeek R1 su questioni legate alla Cina tendono a riflettere la posizione ufficiale.
Inoltre, il dibattito pubblico sulla regolamentazione dei modelli aperti sta guadagnando terreno. Alcuni leader del settore si oppongono a restrizioni che potrebbero compromettere la competitività, sottolineando l’importanza di mantenere un ambiente favorevole all’innovazione.
In conclusione, la competizione futura tra gli ecosistemi di IA non sarà definita solo dalle prestazioni individuali dei modelli, ma anche dalla capacità di rendere l’intelligenza avanzata accessibile, controllabile e distribuita su larga scala. Sarà fondamentale considerare i compromessi tra costi, controllo e vincoli politici per navigare in questo panorama in continua evoluzione.
