In azienda, la fedeltà ai modelli di IA dura solo poche settimane

In azienda, la fedeltà ai modelli di IA dura solo poche settimane
4 min di lettura

Un modello di IA può guadagnare il favore delle aziende in poche settimane, mentre un altro perde quasi tutto il suo spazio. È quanto mostra il Databricks AI Index, una dashboard pubblica aggiornata ogni settimana. Si basa sul traffico di Unity Gateway, il gateway attraverso il quale i clienti di Databricks accedono ai modelli di IA, e su un benchmark di agenti di codice interno. Questi numeri descrivono gli utilizzi dei clienti di Databricks, e non l’intero mercato.

Un nuovo modello può imporsi in poche settimane

Da maggio 2026, un nuovo modello di punta esce circa ogni settimana, secondo il conteggio di Databricks. A metà anno, la maggior parte dei clienti si basava soprattutto su una manciata di modelli di Anthropic. OpenAI ha poi guadagnato terreno con GPT-6 Sol e Astra, prima che l’uscita di Claude Opus 5.5, a fine settembre, ridesse il vantaggio ad Anthropic.

In sei settimane, Claude Opus 5.5 è passato dal 7,2 % al 38 % dei token consumati sui modelli proprietari, diventando così il primo modello del gateway. Nello stesso periodo, Claude Fable 5.1, sebbene in testa al benchmark di codice dell’editore, è sceso dal 5,5 % allo 0,6 %. «La qualità dei modelli continua a influenzare fortemente le quote di mercato dei fornitori», osserva Databricks. Il token, unità di testo elaborata da un modello e sulla quale si basa la sua fatturazione, serve qui come misura dell’utilizzo.

Databricks afferma di applicare la stessa logica internamente, valutando ogni nuovo modello nei giorni successivi alla sua uscita. L’azienda ha così rinunciato a passare da Opus 4.8 a Opus 5, per mancanza di un guadagno sufficiente per i suoi utilizzi rispetto al costo aggiuntivo. Ha invece reso Opus 5.5 il modello predefinito di Claude Code, dopo aver misurato un costo per sessione inferiore del 29 % rispetto al suo predecessore.

Le aziende hanno quindi moltiplicato i fornitori? Secondo Databricks, circa il 64 % dei suoi clienti utilizzava solo un fornitore di modelli a luglio, contro il 28 % al 2 novembre. L’indicatore è cumulativo: conta tutti i fornitori utilizzati da un’azienda dal 20 luglio. Il dato di luglio si riferisce quindi a una settimana di utilizzo, quello di novembre a oltre tre mesi. Misura la quota di aziende che hanno provato più fornitori, senza dire se li utilizzano in parallelo.

Il modello più adottato non è il più economico

Il benchmark dell’indice sottopone modelli di nove laboratori a compiti tratti dal lavoro degli stessi sviluppatori di Databricks, quindi misura il loro tasso di successo e il costo medio per compito. A livello simile, le differenze di costo sono importanti. GPT-6 Luna e Claude Opus 5.5 completano entrambi l’89 % dei compiti, ma Luna costa in media 0,05 dollari per compito, contro 1,62 dollari per Opus 5.5, cioè circa 32 volte meno.

Gemini 3.8 Flash mostra un prezzo del token basso, ma richiede in media 140 turni di scambio per compito, per una fattura di 11,97 dollari, una delle più alte del benchmark. Claude Fable 5.1 è in testa con il 96 % di successo, per 7,47 dollari per compito. Muse Wonder, di Meta, raggiunge il 95 % per 1,53 dollari, cioè, secondo l’indice, quasi cinque volte meno caro.

I modelli non hanno bisogno dello stesso volume di lavoro per completare. «Prezzi del token più bassi non garantiscono costi inferiori» quando un modello deve fare di più per portare a termine un compito, riassume l’editore. Databricks, che vende uno strumento di routing automatico tra modelli, consiglia di riservare i più costosi ai compiti complessi.

I modelli open weight guadagnano terreno

L’indice rileva anche l’ascesa dei modelli open weight, i cui pesi sono pubblicati e che chiunque può ospitare. Tra i modelli serviti direttamente da Databricks, la loro quota di token è passata dal 7,3 % a luglio al 31 % all’inizio di novembre. Questo perimetro esclude il traffico instradato verso Anthropic o OpenAI. La progressione si è concentrata tra luglio e fine settembre, e la quota si è stabilizzata da allora.

I fornitori open weight dettagliati dall’indice, Zhipu, DeepSeek e Moonshot AI, sono tutti cinesi. Tre modelli open weight figurano nella top 10 del benchmark di codice, tra cui DeepSeek V4.1 Flash e GLM 5.3, a pari merito al terzo posto con il 93 % di successo. Sul fronte europeo, Mistral AI ha pubblicato il 29 ottobre i pesi di Mistral Large 4 su Hugging Face, ma questo modello non figura tra le famiglie censite dall’indice.

L’indice è pubblicato da Databricks, senza istituto terzo. Aggrega l’uso anonimizzato di oltre 10.000 aziende clienti, dalle startup digitali ai gruppi della Fortune 500. I dati di utilizzo coprono il periodo dal 20 luglio al 2 novembre 2026, e il benchmark di codice è aggiornato al 10 novembre.

S’abonner
Notification pour
guest

0 Commentaires
Le plus ancien
Le plus récent Le plus populaire
0
Nous aimerions avoir votre avis, veuillez laisser un commentaire.x