I modelli di AI open source guadagnano terreno nel 2026
I modelli AI open source stanno guadagnando sempre più terreno nel mondo degli affari, grazie alla riduzione dei costi, all’aumento della concorrenza e alla necessità di flessibilità. Secondo il rapporto Vercel AI Gateway Production Index – Ottobre 2026, i modelli a parametri aperti hanno rappresentato il 71,5% del volume di token elaborati tramite la piattaforma Vercel AI Gateway a settembre 2026. Nello stesso periodo, questi hanno generato il 23% delle spese registrate tramite la piattaforma.
I dati pubblicati da Vercel indicano un cambiamento importante nel mercato dell’intelligenza artificiale: le aziende utilizzano sempre più modelli, confrontano i fornitori e distribuiscono i loro budget tra soluzioni con prezzi e caratteristiche diverse.
Il rapporto evidenzia anche un’altra tendenza rilevante: mentre le spese totali per l’utilizzo dei modelli di intelligenza artificiale sono cresciute fortemente, il prezzo medio per un token è diminuito del 47% rispetto a dicembre 2025.
I modelli AI open source e open-weights dominano il volume di utilizzo
Uno dei risultati più importanti del rapporto Vercel è la quota del 71,5% del volume totale di token elaborati tramite AI Gateway, attribuita ai modelli con accesso libero ai parametri a settembre 2026.
Un token è un’unità di testo utilizzata dai modelli di intelligenza artificiale per l’elaborazione delle informazioni. Il volume di token può includere il testo inserito dall’utente, le risposte generate, i token utilizzati per il ragionamento e alcuni dati riutilizzati tramite meccanismi di memorizzazione temporanea.
Secondo Vercel, i modelli con accesso libero ai parametri hanno superato per la prima volta i modelli con accesso ristretto per quanto riguarda il volume elaborato ad agosto 2026. A settembre, questa tendenza si è consolidata.
È importante, tuttavia, una distinzione tecnica: il termine “open source” non è sempre equivalente a “accesso libero ai parametri”. Alcuni modelli consentono l’accesso ai pesi appresi durante l’addestramento, senza che i dati di addestramento e tutti i componenti necessari per riprodurre il processo siano pubblicamente disponibili.
Pertanto, il rapporto Vercel analizza i modelli classificati nella categoria di quelli con accesso libero ai parametri, secondo la classificazione utilizzata dalla piattaforma. Questa categoria non deve essere automaticamente confusa con la definizione stretta di un modello completamente gratuito.
Le spese per i modelli AI con accesso libero ai parametri sono cresciute di oltre 70 volte
La crescita dell’utilizzo è accompagnata da un importante cambiamento nei budget allocati all’intelligenza artificiale. A giugno 2026, i modelli open-weights rappresentavano circa il 5% delle spese tramite Vercel AI Gateway. A settembre, la loro quota aveva raggiunto il 23%, il che significa che quasi un dollaro su quattro speso tramite la piattaforma era destinato a questi modelli.
Inoltre, Vercel mostra che, nel periodo dicembre 2025 – settembre 2026, le spese per i modelli con accesso libero ai parametri sono cresciute di oltre 70 volte. Nello stesso periodo, le spese per i modelli di punta con accesso ristretto sono cresciute di circa dieci volte.
Questi dati non indicano necessariamente che i modelli AI open source sostituiscano completamente le soluzioni commerciali. Al contrario, il rapporto mostra che molti team aumentano contemporaneamente i loro budget per entrambe le categorie.
La tendenza suggerisce che le organizzazioni scelgono i modelli in base al compito da svolgere, al costo e ai risultati ottenuti, invece di dipendere esclusivamente da un unico fornitore.
DeepSeek dimostra che un grande volume di elaborazione non implica automaticamente costi elevati
Un esempio rilevante dal rapporto è DeepSeek-V4.1-Flash, che ha elaborato quasi la metà del totale dei token registrati a settembre tramite Vercel AI Gateway, pur rappresentando solo il 2,6% delle spese associate alla categoria dei modelli che offrono accesso libero ai parametri.
Secondo Vercel, il prezzo per token di questo modello era di circa cinque volte inferiore alla media della categoria.
Questo risultato evidenzia una caratteristica importante del mercato: i modelli a basso prezzo possono elaborare volumi molto grandi di informazioni senza generare una quota simile di spese.
Per le aziende, tali soluzioni possono essere interessanti in attività come la classificazione dei documenti, l’estrazione dei dati, la sintesi delle informazioni e l’automazione dei compiti ripetitivi.
Tuttavia, il costo non dovrebbe essere l’unico criterio di selezione. La qualità delle risposte, il tempo di elaborazione, la sicurezza e la compatibilità con le applicazioni esistenti devono essere valutate prima dell’implementazione.
Kimi e DeepSeek illustrano due strategie diverse
Il rapporto Vercel mostra che i modelli open-weights contribuiscono all’aumento delle spese in diversi segmenti di prezzo.
A settembre 2026, i modelli Kimi K3, sviluppati da Moonshot AI, hanno contribuito in modo significativo all’aumento delle spese per questa categoria. Vercel stima che i modelli con un costo per token di almeno quattro volte superiore alla media della categoria abbiano generato circa due terzi dell’aumento delle spese per i modelli a parametri aperti.
Al contrario, DeepSeek-V4.1-Flash ha attratto un volume molto elevato di elaborazione a un costo relativamente ridotto.
Questa differenza mostra che i modelli con parametri aperti non formano una categoria uniforme. Alcuni sono utilizzati per grandi volumi di richieste economiche, mentre altri possono attrarre budget maggiori grazie alle caratteristiche e al modo di utilizzo.
Per le aziende, la scelta giusta dipende dall’equilibrio tra prestazioni, costi e complessità delle attività per le quali viene utilizzato il modello.
I costi diminuiscono, l’utilizzo dell’intelligenza artificiale cresce
Un altro risultato importante del rapporto è l’aumento di circa 13 volte delle spese totali tramite Vercel AI Gateway a settembre 2026, rispetto a dicembre 2025.
Nello stesso intervallo, il prezzo medio stimato per token è diminuito del 47%. In altre parole, le organizzazioni spendono di più per l’intelligenza artificiale, anche se il prezzo medio di elaborazione è diventato inferiore. Una spiegazione è l’espansione dell’utilizzo: le aziende integrano queste tecnologie in più applicazioni e processi.
Vercel mostra inoltre che un cliente pagante mediano, attivo sia a dicembre che a settembre, ha più che raddoppiato le sue spese in questo periodo. Questa evoluzione suggerisce che la riduzione del costo unitario può incoraggiare l’espansione dell’utilizzo. Quando l’elaborazione diventa più accessibile, le organizzazioni possono automatizzare attività aggiuntive o utilizzare i modelli più frequentemente.
Tuttavia, la diminuzione del prezzo medio non garantisce la riduzione del budget totale. Le spese dipendono anche dal volume delle richieste, dalla complessità dei compiti e dai modelli scelti.
Le aziende cambiano sempre più spesso modelli AI e fornitori
Il rapporto Vercel evidenzia anche una maggiore mobilità tra i team che utilizzano l’intelligenza artificiale. A settembre 2026, quasi una squadra su due ha cambiato il modello più frequentemente utilizzato, e quasi una su tre ha cambiato il fornitore di modelli preferito.
Per il secondo indicatore, Vercel ha riportato un record nel suo indice. Le organizzazioni che hanno elaborato almeno un miliardo di token nel periodo dicembre 2025 – settembre 2026 hanno utilizzato, in media, 42 modelli diversi, se ogni versione è contata separatamente.
Questi dati mostrano che molte aziende non si basano più su un’unica soluzione per tutte le attività. Possono utilizzare modelli diversi per compiti diversi e possono cambiare la configurazione quando compaiono alternative più efficienti. Per le organizzazioni che sviluppano applicazioni basate sull’intelligenza artificiale, questa flessibilità può ridurre la dipendenza da un unico fornitore. Allo stesso tempo, presuppone test, monitoraggio e verifica della compatibilità tra i modelli.
I modelli AI cinesi sono utilizzati anche tramite fornitori americani
Il rapporto Vercel presenta anche una tendenza interessante riguardo alla distribuzione commerciale dei modelli sviluppati in Cina. A settembre 2026, quasi il 70% delle spese tramite la piattaforma per i modelli cinesi è stato indirizzato tramite fornitori con sede negli Stati Uniti. A dicembre 2025, questa quota era inferiore al 10%.
Ad esempio, i modelli DeepSeek hanno rappresentato il 58% del volume totale di token elaborati tramite la piattaforma, ma il 6,6% delle spese. Oltre quattro quinti dei token associati ai modelli DeepSeek sono stati elaborati direttamente dall’azienda, mentre due dollari su cinque spesi per questi modelli sono passati tramite fornitori americani. Nel caso di Moonshot AI, l’azienda dietro i modelli Kimi, i fornitori americani hanno elaborato circa nove token su dieci associati ai suoi modelli tramite la piattaforma analizzata.
Questi dati mostrano che lo sviluppo di un modello e la distribuzione dell’accesso ad esso sono attività distinte. Un modello può essere creato da un’azienda di un paese e offerto agli utenti tramite l’infrastruttura commerciale di un’azienda di un altro paese.
Per le organizzazioni, questo aspetto evidenzia l’importanza di verificare il fornitore effettivo del servizio, le condizioni di elaborazione dei dati e i requisiti legali applicabili.
Cosa devono analizzare le aziende prima di adottare modelli AI open source?
La crescente popolarità dei modelli open source e di quelli a parametri aperti non significa che siano adatti a ogni applicazione. Prima dell’implementazione, le aziende dovrebbero valutare:
- Costo totale: il prezzo dell’utilizzo, l’infrastruttura, l’amministrazione e la manutenzione.
- Qualità dei risultati: la precisione delle risposte in relazione ai compiti reali.
- Licenza: i diritti di utilizzo commerciale, modifica e distribuzione.
- Sicurezza: la protezione dei dati, il controllo dell’accesso e la gestione delle informazioni riservate.
- Flessibilità: la possibilità di cambiare il modello senza modifiche importanti all’applicazione.
- Risorse tecniche: le attrezzature e le competenze necessarie per l’amministrazione della soluzione.
In particolare, le organizzazioni devono evitare di scegliere un modello esclusivamente in base alla popolarità o al prezzo. Una soluzione economica può diventare costosa se richiede una frequente correzione dei risultati o un’infrastruttura aggiuntiva.
Pertanto, il vantaggio strategico non consiste solo nella scelta di un modello open source, ma nella capacità di selezionare, confrontare e utilizzare efficacemente più modelli.
