Non esiste un modello di IA migliore in assoluto: la scelta giusta dipende dal tuo compito, dal tuo budget e dalla sensibilità dei tuoi dati. A novembre 2026, i tre grandi editori propongono ciascuno una gamma a livelli (un modello di punta, un modello intermedio, un modello economico), e il divario di prezzo tra questi livelli supera spesso un fattore dieci. Il metodo più affidabile rimane preselezionare due o tre modelli su criteri oggettivi, poi testarli sui tuoi esempi.
Questa guida serve da mappa dell’argomento. Spiega cos’è un grande modello linguistico, quali criteri confrontare, come leggere i prezzi e le classifiche, e quando preferire un modello proprietario, aperto o installato in locale. Si conclude con un protocollo di test e una tabella decisionale. Tutti i dati su prezzi e gamma sono stati verificati sulle pagine ufficiali degli editori a novembre 2026; evolvono rapidamente, verificali prima di qualsiasi decisione impegnativa.
La risposta breve: quali famiglie di modelli confrontare a novembre 2026?
Il mercato dei modelli generalisti si struttura attorno a poche famiglie. Ciascuna declina diversi livelli di potenza, ed è spesso il livello, più che il marchio, a determinare il rapporto qualità-prezzo. La tabella seguente riassume le gamme indicate dagli editori, con i loro prezzi API per un milione di token in ingresso e in uscita.
| Editore | Modello di punta | Modello intermedio | Modello economico | Finestra di contesto |
|---|---|---|---|---|
| Anthropic | Claude Fable 5.2 (8 $ / 40 $); Claude Opus 5.5 (4 $ / 20 $) | Claude Sonnet 5.5 (2 $ / 10 $) | Claude Haiku 5.5 (a partire da 0,10 $ / 0,50 $) | 1 milione di token |
| OpenAI | GPT-6 Astra (10 $ / 50 $) | GPT-6.1 Sol (2 $ / 10 $); GPT-6.1 Terra (1 $ / 5 $) | GPT-6 Luna (0,10 $ / 0,50 $) | 1,05 milioni di token |
| Gemini 4 Carbon e Gemini 4 Argon (2 $ / 10 $ fino al 30 novembre 2026, poi 4 $ / 20 $) | Gemini 4 Hydrogen (1,50 $ / 7,50 $) | Gemini 3.5 Flash-Lite (0,30 $ / 2,50 $) | 1 milione di token (Gemini 4) | |
| Mistral AI | Mistral Large 4 (pesi aperti) | Mistral Small 4 (Apache 2.0) | Ministral 3 (3B, 8B, 14B, Apache 2.0) | Non specificata sulla pagina consultata |
Fonti »: « panoramica dei modelli Claude« , catalogo dei modelli OpenAI, prezzi dell’API Gemini e catalogo Mistral AI, consultati il 14 novembre 2026. I livelli ‘punta’, ‘intermedio’ ed ‘economico’ sono la nostra interpretazione dei posizionamenti annunciati, non una classificazione degli editori.
Alcuni riferimenti ufficiali aiutano a iniziare. Anthropic raccomanda di iniziare con Claude Opus 5.5 per la maggior parte degli usi e di riservare Claude Fable 5.2 al ragionamento impegnativo e ai compiti agentici lunghi. OpenAI presenta GPT-6 Astra come il suo modello di punta per il ragionamento complesso e il codice, e GPT-6 Luna per i compiti mirati ad alto volume. Google descrive Gemini 4 Carbon come il suo modello più potente, indicando però che Gemini 4 Argon rimane meglio adattato alla maggior parte dei lavori di sviluppo e di produttività avanzata, poiché Carbon consuma più token per esplorare e verificare. Per confrontare questi modelli fianco a fianco, il confrontatore interattivo di modelli del sito mostra prezzi, contesto e capacità di due-quattro modelli nella stessa tabella, con dati aggiornati quotidianamente.
Se la tua domanda riguarda solo gli assistenti per il grande pubblico, il nostro confronto ChatGPT vs Claude vs Gemini dettaglia le offerte, le integrazioni e i test sulle tre applicazioni. Questa guida copre l’insieme dei modelli e il metodo di scelta.
Come funzionano i grandi modelli linguistici?
Un grande modello linguistico (LLM, per large language model) è una rete neurale addestrata a predire la continuazione di un testo. Il testo è suddiviso in token, frammenti di parole o caratteri, e il modello calcola a ogni passo il token più probabile dato tutto ciò che precede. Questa meccanica semplice, applicata a miliardi di parametri e a immensi corpus, produce capacità di scrittura, traduzione, ragionamento e programmazione.
Le nozioni da conoscere prima di confrontare
Quattro nozioni ricorrono in tutte le schede tecniche. La finestra di contesto è la quantità di testo che il modello può considerare in una volta, istruzioni, documenti e cronologia inclusi; Anthropic indica che un milione di token corrisponde a circa 555.000 parole con la suddivisione usata dai suoi modelli attuali. L’output massimo limita la lunghezza di una risposta: 128.000 token per i modelli Claude e OpenAI elencati sopra. Il ragionamento (o thinking) designa i token che il modello genera per riflettere prima di rispondere; la maggior parte dei modelli recenti permette di regolarne l’intensità con un livello di sforzo, da ‘low’ a ‘max’. Infine, la chiamata di strumenti permette al modello di attivare una ricerca web, un’esecuzione di codice o una funzione della tua applicazione. Per approfondire, leggi il nostro articolo ‘IA multimodale: modelli capaci di comprendere testo, immagine, audio e video’.
Un modello passa attraverso due grandi fasi. Il pre-addestramento gli insegna la lingua e una vasta cultura generale a partire da testi. Il post-addestramento lo adatta poi a seguire istruzioni, rifiutare certe richieste e ragionare per passi, spesso tramite apprendimento per rinforzo. È questa seconda fase che spiega perché due modelli di dimensioni comparabili si comportano molto diversamente di fronte alla stessa istruzione.
Bisogna anche distinguere il modello dal prodotto. ChatGPT, Claude o l’applicazione Gemini sono interfacce che aggiungono memoria, ricerca web, connettori e limiti d’uso attorno a uno o più modelli. Confrontare ‘ChatGPT e Claude’ equivale quindi a confrontare prodotti; confrontare ‘GPT-6.1 Sol e Claude Sonnet 5.5’ via API equivale a confrontare modelli. Quando il modello agisce da solo su più passi, con strumenti, si parla di agente: la nostra guida completa degli agenti IA spiega cosa cambia per la scelta del modello.
Quali criteri confrontare prima di scegliere un modello?
Un confronto utile inizia con una lista di criteri fissata prima di guardare i risultati. Altrimenti, si finisce per giustificare il modello già preferito. Ecco la griglia che raccomandiamo, dal più discriminante al più secondario per un uso professionale.
- Qualità sul tuo compito: accuratezza, rispetto del formato richiesto, pertinenza. È l’unico criterio che conta davvero, e nessuna classifica pubblica lo misura al tuo posto.
- Affidabilità: tasso di errori fattuali, stabilità delle risposte da una prova all’altra, capacità di dire ‘non lo so’.
- Costo totale: prezzo per token, ma anche numero di token consumati, inclusi quelli del ragionamento, e numero di prove necessarie per ottenere un risultato utilizzabile.
- Latenza: tempo prima della prima parola e durata totale, decisive per un servizio clienti o un’interfaccia interattiva.
- Contesto e formati: volume di documenti da trattare, lettura di immagini, PDF, audio o video.
- Strumenti e integrazioni: chiamata di funzioni, output strutturati in JSON, connettori verso i tuoi software.
- Dati e conformità: utilizzo dei tuoi contenuti per l’addestramento, durata di conservazione, luogo di hosting, contratto.
- Licenza e dipendenza: possibilità di scaricare i pesi, di cambiare fornitore, di far girare il modello presso di te.
Un esempio numerico: il costo di uno stesso lavoro secondo il modello
Prendiamo un carico di lavoro tipico: un milione di token inviati al modello e 200.000 token generati, che corrisponde per esempio a qualche centinaio di riassunti di documenti. Ai prezzi pubblici rilevati a novembre 2026, il calcolo dà differenze considerevoli.
| Modello | Ingresso (1 M token) | Uscita (200.000 token) | Totale |
|---|---|---|---|
| GPT-6 Astra | 10 $ | 10 $ | 20 $ |
| Claude Fable 5.2 | 8 $ | 8 $ | 16 $ |
| Claude Opus 5.5 | 4 $ | 4 $ | 8 $ |
| Gemini 4 Argon (prezzo dal 1° dicembre 2026) | 4 $ | 4 $ | 8 $ |
| GPT-6.1 Sol o Claude Sonnet 5.5 | 2 $ | 2 $ | 4 $ |
| Gemini 4 Hydrogen | 1,50 $ | 1,50 $ | 3 $ |
| GPT-6 Luna | 0,10 $ | 0,10 $ | 0,20 $ |
Questo calcolo ha due limiti importanti. Prima di tutto, ogni editore suddivide il testo a modo suo: lo stesso documento non produce lo stesso numero di token presso Anthropic, OpenAI o Google. Inoltre, i token di ragionamento sono fatturati come token di uscita, e un modello regolato su uno sforzo elevato può generarne molti più della risposta visibile. Il prezzo per token è quindi solo un punto di partenza; solo un test sui tuoi dati dà il costo reale per compito riuscito. Per un progetto di agente, il calcolatore del costo di un agente IA aiuta a integrare il numero di passi e di chiamate.
Quali LLM privilegiare per scrivere, programmare e ragionare?
Gli editori rivendicano tutti l’eccellenza sugli stessi terreni, il che rende i loro annunci poco discriminanti. È più utile distinguere tre livelli di prova: ciò che l’editore afferma, ciò che misurano valutazioni indipendenti, e ciò che osservi sui tuoi casi. La tabella seguente separa i primi due livelli per i principali usi.
| Uso | Posizionamento annunciato dagli editori | Cosa dicono le misurazioni indipendenti | Punto di attenzione |
|---|---|---|---|
| Codice e agenti di sviluppo | Anthropic posiziona Claude Opus 5.5 sul codice agentico di lunga durata; OpenAI presenta GPT-6 Astra come il suo modello di punta per il codice; Google mira Gemini 4 Carbon sul codice complesso in più passi. | I punteggi pubblicati dagli editori si incrociano: su alcuni test Anthropic precede OpenAI, su altri il contrario, secondo le stesse tabelle di Anthropic. | Lo strumento (IDE, agente a riga di comando) pesa quanto il modello. |
| Scrittura e sintesi | OpenAI mette in evidenza una scrittura naturale per GPT-6.1 Terra; gli altri editori parlano di lavoro di conoscenza in senso lato. | Sulla classifica delle allucinazioni di Vectara (riassunti di documenti), i modelli più potenti non sono i più fedeli. | La fedeltà al testo sorgente si testa, non si deduce dalla dimensione del modello. |
| Ragionamento e analisi | Anthropic orienta Claude Fable 5.2 verso il ragionamento impegnativo; Google presenta Carbon come adatto alla ricerca scientifica aperta. | Su Humanity’s Last Exam con strumenti, Anthropic pubblica 67,7% per Claude Opus 5.5 contro 57,2% per GPT-6 Astra: una cifra dell’editore, misurata nelle sue condizioni. | Uno sforzo di ragionamento elevato moltiplica il costo e la latenza. |
| Compiti ad alto volume (smistamento, estrazione, instradamento) | Anthropic destina Claude Haiku 5.5 alla classificazione e all’estrazione; OpenAI destina GPT-6 Luna ai compiti mirati ad alto volume. | I benchmark più citati riguardano compiti difficili e informano poco su questi usi. | Un modello piccolo ben inquadrato spesso basta; testalo prima di pagare un modello grande. |
Scrittura e sintesi di documenti
Per scrivere, due qualità si misurano separatamente: la fedeltà alle fonti e la qualità dello stile. La classifica delle allucinazioni di Vectara, aggiornata il 22 ottobre 2026, fa riassumere più di 7.700 articoli a ogni modello e misura la percentuale di riassunti contenenti un’informazione assente dal testo originale. Rileva 6,5% per GPT-6 Sol, 8,7% per GPT-6 Astra, 9,9% per Claude Opus 5.5 e 12,1% per Gemini 4 Argon, mentre diversi modelli piccoli fanno meglio. Questo test riguarda solo riassunti brevi valutati da un modello giudice sviluppato da Vectara; non dice nulla dello stile. Il nostro dossier sui migliori modelli IA per scrivere e riassumere documenti propone una griglia completa, e la questione delle allucinazioni dei LLM è oggetto di un articolo dedicato. Per approfondire, consulta ‘I migliori modelli IA per scrivere e riassumere documenti’.
Programmazione
Per programmare, la distinzione essenziale oppone l’assistenza nell’editor (completamento, spiegazione, piccole correzioni) e i compiti agentici su un intero repository, dove il modello legge il codice, lancia comandi e propone una modifica completa. I modelli di punta fanno la differenza soprattutto sul secondo tipo di compito. Il nostro articolo sul miglior LLM per programmare descrive un protocollo di confronto riproducibile.
Ragionamento
I modelli detti di ragionamento dedicano token a riflettere prima di rispondere. Vincono sui problemi a più passi (matematici, pianificazione, analisi legale o finanziaria), ma spesso non apportano nulla su una riformulazione o una traduzione semplice. Il funzionamento e i limiti di un modello di ragionamento IA sono dettagliati in un satellite di questa guida, così come i modelli di IA multimodale capaci di leggere immagini, audio e video. Per un approccio per professione, consulta anche la nostra guida del miglior modello IA secondo l’uso e il mestiere.
Come interpretare prezzi, contesto e benchmark?
Tre cifre dominano le schede tecniche: il prezzo per milione di token, la dimensione della finestra di contesto e i punteggi sui benchmark. Ciascuna è esatta, ma ciascuna induce facilmente in errore se letta isolatamente.
Il prezzo: guardare oltre la tariffa base
Le griglie tariffarie comportano meccanismi che cambiano fortemente la fattura. Da Anthropic, le richieste inviate in elaborazione batch costano il 50% in meno, e la rilettura di un contesto messo in cache costa una frazione del prezzo normale (10% del prezzo d’ingresso di norma, 5% su Claude Opus 5.5 e Claude Sonnet 5.5, 2,5% su Claude Fable 5.2). Da Google, Gemini 4 Carbon e Gemini 4 Argon beneficiano di un prezzo di lancio che raddoppia dal 1° dicembre 2026, e la documentazione precisa che i token di ragionamento sono fatturati. Un confronto dei prezzi delle API LLM, satellite di questa guida, dettaglia questi calcoli.
Il contesto: una capacità, non una garanzia
Una finestra di un milione di token permette di inviare un rapporto annuale completo o un repository di codice di medie dimensioni. Non garantisce che il modello sfrutterà ogni passaggio con la stessa attenzione, né che inviarlo sia economico: ogni richiesta fattura tutto il contesto trasmesso. Per interrogare regolarmente una base documentale, un’architettura di ricerca documentale (RAG) che invia solo i passaggi pertinenti rimane spesso più affidabile e meno costosa; la scelta della suddivisione dei documenti è spiegata nel nostro articolo sulla strategia di chunking.
I benchmark: condizioni raramente identiche
Un punteggio di benchmark ha senso solo con le sue condizioni di misura. Nell’annuncio di Claude Opus 5.5, Anthropic precisa in nota che i suoi risultati sono ottenuti allo sforzo massimo, salvo eccezioni, e che su Terminal-Bench 4.0 il suo modello è misurato allo sforzo ‘xhigh’ quando GPT-6 Astra lo è allo sforzo ‘high’, cifra ripresa da OpenAI; l’errore standard annunciato raggiunge ±2,6 punti. Gli indici indipendenti armonizzano di più: Artificial Analysis aggrega nove valutazioni in quattro categorie di peso uguale (lavoro di conoscenza, codice, scienze, cultura generale), con le stesse istruzioni per tutti i modelli. Le classifiche per voti del pubblico hanno i loro bias: uno studio pubblicato nel 2025, The Leaderboard Illusion, ha mostrato che alcuni editori testavano in privato molte varianti su Chatbot Arena prima di pubblicare la migliore.
Gli errori di lettura più frequenti
- Confrontare due punteggi ottenuti con livelli di sforzo, strumenti o framework di test diversi.
- Prendere una differenza di uno o due punti per una differenza reale, mentre rimane nel margine d’errore.
- Giudicare il costo sul prezzo per token senza contare i token di ragionamento né le prove fallite.
- Supporre che un modello di punta sia migliore su tutto: sulla fedeltà dei riassunti, non è il caso secondo Vectara.
- Dimenticare la data: una classifica di più di tre mesi descrive spesso un mercato già cambiato.
Il nostro articolo sui benchmark LLM dettaglia la contaminazione dei dataset di test, la varianza dei punteggi e la sensibilità al prompt. Per costruire le tue valutazioni, la guida per valutare un modello linguistico spiega come valutare risposte, calibrare un modello giudice e seguire le regressioni.
Serve un modello proprietario, aperto o locale?
Tre modalità di accesso coesistono. Un modello proprietario (Claude, GPT-6, Gemini 4) si usa solo via API o l’applicazione del suo editore, o via i cloud partner. Un modello a pesi aperti (open weights) può essere scaricato ed eseguito sui tuoi server, secondo le condizioni della sua licenza. Un modello locale è un modello a pesi aperti che gira sulla tua macchina o sulla tua infrastruttura, senza che i dati escano.
‘Aperto’ copre licenze molto diverse. Il catalogo di Mistral AI pubblica Mistral Small 4 e la gamma Ministral 3 sotto licenza Apache 2.0, molto permissiva, ma Mistral Large 4 sotto una licenza propria, la Mistral Ecosystem Open Weight License, che regola la redistribuzione e l’uso commerciale. Lo stesso catalogo referenzia anche modelli di terzi sotto licenza MIT, come GLM 5.3 di Z.ai e DeepSeek V4.1 Flash. Secondo Mistral, Large 4 conta 1.000 miliardi di parametri, di cui 52 miliardi attivi a ogni token: un tale modello si distribuisce su server equipaggiati con più GPU, non su un computer portatile. Il confronto tra LLM open source, open weights e proprietari, satellite di questa guida, precisa queste distinzioni legali.
Gli argomenti di ogni opzione
| Opzione | Punti di forza | Limiti | Casi tipici |
|---|---|---|---|
| API proprietaria | Migliori prestazioni di punta, nessun hardware da gestire, aggiornamenti continui | Dipendenza dal fornitore, dati trasmessi a terzi, prezzi variabili | Prototipazione, compiti complessi, volumi bassi |
| Pesi aperti ospitati (cloud o fornitore terzo) | Scelta dell’host, possibilità di cambiare fornitore, costi spesso più bassi | Divario di prestazioni possibile con la punta, licenza da verificare | Volumi elevati, esigenze di sovranità |
| Locale (on-premise) | Dati confinati, costo marginale basso una volta acquisito l’hardware, funzionamento offline | Investimento hardware, manutenzione, modelli più piccoli su una postazione di lavoro | Dati sensibili, vincoli normativi forti |
La riservatezza dipende anche dal contratto, non solo dalla modalità di accesso. Da Google, la pagina dei prezzi dell’API Gemini indica che i contenuti inviati sull’offerta gratuita servono a migliorare i prodotti, contrariamente a quelli dell’offerta a pagamento. Inversamente, pesi aperti non garantiscono un hosting europeo: tutto dipende da dove li fai girare. Per stimare quale modello il tuo hardware può eseguire, il calcolatore di modello IA locale parte dalla tua memoria RAM e dalla tua scheda grafica; la nostra guida dell’IA locale e del RAG descrive poi come collegare questo modello ai tuoi documenti.
Verificare che la scelta regga
Prima di decidere, poni tre domande concrete. Quali dati esatti invierai al modello, e il tuo contratto ne autorizza l’uso per l’addestramento? Quale volume mensile prevedi, e a partire da quale soglia un hosting dedicato diventa redditizio? Cosa succede se il modello scelto viene ritirato o cambia prezzo? Anthropic pubblica per esempio per ogni modello una data di ritiro minima (non prima di settembre 2027 per Claude Opus 5.5): questo tipo di impegno merita di essere verificato presso ogni fornitore.
Metodo di test e tabella decisionale
Un test casalingo ben costruito vale più di qualsiasi classifica, perché misura il tuo compito, con le tue istruzioni e i tuoi criteri di qualità. Non richiede né team di ricerca né grosso budget: qualche decina di esempi basta per distinguere due o tre modelli.
Il protocollo in sette passi
- Definire il compito in una frase ed elencare cos’è una buona risposta (accuratezza, formato, tono, lunghezza).
- Raccogliere 30-50 esempi reali, anonimizzati se necessario, includendo casi difficili e casi dove la buona risposta è ‘non lo so’.
- Preselezionare due o tre modelli con l’aiuto della griglia di criteri e di uno strumento come il nostro questionario per scegliere un modello di IA secondo il tuo compito, che propone tre raccomandazioni a partire dal tuo uso, dal tuo budget e dai tuoi vincoli di riservatezza.
- Usare la stessa istruzione per tutti i modelli, poi una versione adattata a ciascuno se hai tempo: le differenze di formulazione possono invertire una classifica.
- Ripetere ogni prova almeno due o tre volte per misurare la stabilità delle risposte.
- Valutare in cieco, senza sapere quale modello ha prodotto quale risposta, con una griglia fissata in anticipo.
- Rilevare il costo e il tempo reali di ogni prova, poi calcolare il costo per risposta accettabile.
Questo protocollo ha i suoi limiti: un piccolo campione non rileva errori rari, e un modello può degradarsi o migliorare dopo un aggiornamento. Conserva il tuo set di esempi e rilancialo a ogni cambio di versione. Per i progetti dove il modello agisce con strumenti, il nostro articolo sulla valutazione degli agenti IA in azienda completa il metodo con indicatori di traiettoria e di successo dei compiti.
Tabella decisionale
| La tua situazione | Punto di partenza suggerito | Da verificare in priorità |
|---|---|---|
| Uso personale o piccola squadra, senza integrazione | Un assistente per il grande pubblico (ChatGPT, Claude o Gemini) nella sua versione a pagamento entry-level | Limiti d’uso, regolazione dell’addestramento sui tuoi dati |
| Compiti complessi e poco numerosi (analisi, codice su repository, ragionamento) | Un modello di punta: Claude Opus 5.5, GPT-6 Astra, Gemini 4 Argon o Carbon | Costo per compito a sforzo elevato, latenza |
| Produzione a volume medio (scrittura, supporto, sintesi) | Un modello intermedio: Claude Sonnet 5.5, GPT-6.1 Sol o Terra, Gemini 4 Hydrogen | Fedeltà delle risposte, output strutturati |
| Alto volume di compiti semplici (smistamento, estrazione, instradamento) | Un modello economico: Claude Haiku 5.5, GPT-6 Luna, Gemini 3.5 Flash-Lite | Tasso di errore sui tuoi casi limite |
| Dati sensibili o esigenza di sovranità | Un modello a pesi aperti ospitato da te o presso un fornitore di fiducia | Licenza, hardware, manutenzione |
| Agente che incatena azioni | Un modello di punta o intermedio con chiamata di strumenti affidabile | Costo cumulato dei passi, salvaguardie |
Questa tabella dà un punto di partenza, non una conclusione: è il tuo test che decide. Due pratiche migliorano poi i risultati qualunque sia il modello scelto, e fanno ciascuna oggetto di un satellite di questa guida: i metodi di prompt engineering che migliorano davvero le risposte, e le tecniche per ridurre le allucinazioni. Infine, se esiti ancora a pagare un abbonamento, il nostro confronto tra IA gratuita e IA a pagamento dettaglia cosa cambia realmente ogni livello di offerta.
