OpenAI ha affidato alla nuova famiglia GPT-5.6 un compito che va oltre il miglioramento delle risposte: produrre più lavoro con meno capacità di calcolo. Il gruppo statunitense sostiene di avere ridotto del 20% i costi complessivi di erogazione dei modelli attraverso interventi sul software eseguito dalle Gpu. Un ulteriore aumento di efficienza, superiore al 15%, sarebbe arrivato dalla cosiddetta decodifica speculativa, una tecnica che accelera la generazione del testo.
I dati sono stati pubblicati da OpenAI il 29 luglio 2026 in un approfondimento tecnico dedicato all’infrastruttura di GPT-5.6. Il documento descrive un sistema nel quale il modello più potente della famiglia, denominato Sol, contribuisce direttamente a progettare e ottimizzare il software necessario al proprio funzionamento.
L’addestramento dei grandi modelli resta costoso, ma la spesa non termina quando il sistema viene completato. Ogni domanda inviata dagli utenti richiede attività di inferenza: il modello deve elaborare il testo ricevuto, calcolare la risposta e generare una sequenza di token. Milioni di richieste quotidiane trasformano piccoli sprechi di memoria, energia o tempo di calcolo in costi industriali.
Indice degli argomenti:
Tre modelli per fasce diverse di prezzo
La famiglia GPT-5.6 è stata resa disponibile da OpenAI il 9 luglio 2026, dopo una fase di anteprima limitata. Comprende tre modelli: Sol è destinato ai compiti professionali più complessi; Terra cerca un equilibrio tra capacità e prezzo; Luna privilegia velocità e contenimento dei costi.
La differenziazione riflette una tendenza già visibile nel mercato dell’intelligenza artificiale generativa. Le aziende che utilizzano i modelli tramite interfacce di programmazione non hanno bisogno della massima potenza per ogni attività. La classificazione di documenti, l’estrazione di dati o la produzione di risposte standard possono essere affidate a sistemi meno costosi. Analisi scientifiche, sviluppo software e attività che richiedono numerosi passaggi possono invece giustificare l’uso di un modello di fascia superiore.
OpenAI afferma che Terra raggiunge risultati paragonabili a GPT-5.5 con un prezzo dimezzato, mentre Luna costa circa l’80% in meno rispetto a Sol. Sono confronti pubblicati dalla stessa società e devono quindi essere letti come dati del produttore, in attesa di verifiche esterne estese su carichi di lavoro aziendali.
Le rilevazioni indipendenti di Artificial Analysis, pubblicate il 9 luglio, collocano GPT-5.6 Sol al secondo posto nel proprio indice generale di intelligenza, dietro Claude Fable 5, ma con un costo medio per attività inferiore. Nella classifica dedicata agli agenti di programmazione, Sol risulta invece al primo posto quando opera nell’ambiente Codex di OpenAI.
Il modello che ottimizza il proprio software
La novità tecnica più rilevante riguarda il ruolo assegnato a GPT-5.6 Sol nello sviluppo dell’infrastruttura. Secondo OpenAI, il modello è stato utilizzato attraverso Codex per analizzare il traffico di produzione, individuare squilibri nella distribuzione delle richieste e sperimentare nuove strategie di instradamento.
Una richiesta deve essere inviata al centro dati, al gruppo di server e all’acceleratore più adatti. La decisione dipende dalla posizione geografica dell’utente, dalla capacità disponibile, dalla lunghezza del testo e dalla presenza di calcoli già memorizzati. Una distribuzione inefficiente può sovraccaricare alcune macchine e lasciare inutilizzate altre risorse.
Sol avrebbe aiutato gli ingegneri a modificare queste regole e a verificare i risultati sul traffico reale. OpenAI non indica una percentuale precisa per i risparmi ottenuti con il solo bilanciamento del carico, ma li definisce una componente rilevante della riduzione dei costi.
Il modello è stato impiegato anche per riscrivere i kernel, cioè le porzioni di software che traducono le operazioni matematiche del modello in istruzioni eseguite dalle gpu. L’obiettivo è limitare i trasferimenti di dati, ridurre i tempi di attesa tra le diverse unità di calcolo e svolgere contemporaneamente attività che in precedenza venivano eseguite in successione.
OpenAI attribuisce a questi interventi, insieme ad altre modifiche dei kernel, una diminuzione del 20% nel costo complessivo di servizio. Per controllare che il codice generato non alterasse i risultati, la società ha utilizzato strumenti di verifica come FpSan, un programma open source progettato per individuare errori nei calcoli in virgola mobile.
L’impiego dell’intelligenza artificiale per migliorare il software che sostiene la stessa intelligenza artificiale introduce un effetto cumulativo. Un modello più capace può trovare ottimizzazioni che riducono il costo di ogni esecuzione. La capacità liberata permette poi di servire più richieste o di applicare livelli di ragionamento maggiori senza aumentare nella stessa misura il numero di chip.
La decodifica speculativa accelera le risposte
Un secondo intervento riguarda la generazione dei token. Normalmente un modello produce il testo un elemento alla volta. Ogni token dipende da quelli precedenti e richiede quindi una nuova fase di calcolo.
La decodifica speculativa affianca al modello principale un sistema più piccolo, incaricato di proporre in anticipo una breve sequenza. Il modello maggiore controlla più proposte nello stesso passaggio. Quando le considera corrette, può accettare diversi token insieme anziché calcolarli singolarmente.
OpenAI sostiene che GPT-5.6 Sol abbia progettato ed eseguito centinaia di esperimenti sul modello ausiliario, modificandone dimensioni, struttura e caratteristiche. Avrebbe inoltre seguito il processo di addestramento, intervenendo in presenza di guasti hardware o instabilità. Il risultato dichiarato è un aumento superiore al 15% nell’efficienza di generazione.
La tecnica non riduce necessariamente la quantità di testo restituita agli utenti. Riduce il numero di operazioni costose richieste al modello principale per produrre lo stesso risultato. Il beneficio può essere impiegato per diminuire la latenza, servire più persone con lo stesso numero di acceleratori oppure contenere il costo unitario delle interrogazioni.
Il valore economico della memoria già calcolata
Una parte crescente dell’efficienza dipende dalla possibilità di non ripetere calcoli identici. Gli agenti di intelligenza artificiale non funzionano con una sola richiesta. Possono consultare file, eseguire ricerche, chiamare strumenti, modificare codice e controllare il risultato. Ogni passaggio richiede una nuova interrogazione del modello.
Le istruzioni iniziali, la cronologia della conversazione e la descrizione degli strumenti vengono quindi trasmesse più volte. OpenAI utilizza il prompt caching per conservare i calcoli associati alla parte invariata della richiesta. Il sistema deve però mantenere identico il prefisso: anche una piccola modifica nella sequenza iniziale può impedire il riutilizzo della cache.
Per evitare questo problema, l’infrastruttura aggiunge nuovi messaggi e risultati in coda anziché inserirli nelle sezioni precedenti. Gli strumenti vengono presentati sempre nello stesso ordine. Le impostazioni operative, come le autorizzazioni richieste all’utente, vengono gestite durante l’esecuzione senza modificare la loro definizione.
L’effetto economico aumenta con la lunghezza delle attività. Se un agente effettua trenta interrogazioni per completare un incarico, un secondo risparmiato in ciascun passaggio riduce di mezzo minuto il tempo complessivo. Lo stesso principio vale per i token, il traffico di rete e l’uso dei processori.
OpenAI ha inoltre fissato a 10 mila token il limite predefinito per il risultato prodotto da un singolo strumento, salvo una richiesta esplicita del modello. La misura serve a impedire che documenti molto lunghi o risposte sovrabbondanti occupino la finestra di contesto e inducano il sistema a elaborare informazioni non necessarie.
Dalla potenza dei chip al costo per attività
La competizione tra le aziende di intelligenza artificiale viene spesso descritta attraverso il numero di parametri, la disponibilità di Gpu o la costruzione di nuovi centri dati. La struttura dei costi dipende però anche dall’uso effettivo dell’hardware.
Un acceleratore potente può produrre risultati deludenti se attende dati dalla memoria, riceve richieste distribuite male o esegue codice non ottimizzato. OpenAI ha quindi concentrato gli interventi su più livelli: routing, pianificazione, caching, kernel, configurazione dei modelli e gestione degli agenti.
L’ottimizzazione non elimina la necessità di nuova infrastruttura. La riduzione del costo unitario può aumentare la domanda, perché rende economicamente sostenibili attività prima troppo care. Un fenomeno analogo si è verificato in altri settori tecnologici: l’aumento di efficienza riduce il prezzo di ogni operazione, ma l’espansione dei consumi può far crescere la spesa complessiva.
La crescita dell’uso aziendale
OpenAI collega la ricerca sull’efficienza all’aumento degli utenti. Nel documento del dichiara di avere raggiunto un miliardo di utenti attivi e più di due milioni di imprese clienti nell’arco di quattro anni. Il dato più recente supera il milione di clienti aziendali annunciato dalla società nel novembre 2025.
La crescita rende più importante il costo dell’inferenza rispetto a quello dell’addestramento. Il training rappresenta una spesa concentrata, sostenuta prima della distribuzione del modello. L’inferenza cresce invece con ogni utente, documento analizzato e processo automatizzato.
La stessa dinamica spinge i fornitori a offrire modelli specializzati per fasce di prezzo. Le rilevazioni pubblicate da Artificial Analysis il 13 luglio indicano Luna come il componente più efficiente della famiglia GPT-5.6 rispetto al costo per attività. Terra, pur essendo presentato come soluzione intermedia, risulta meno competitivo in alcuni confronti tra capacità e prezzo condotti dal centro indipendente.
Per le imprese, la scelta non dipenderà soltanto dal prezzo per milione di token. Contano il numero di passaggi necessari per concludere un lavoro, la frequenza degli errori, il tempo impiegato e la quantità di supervisione umana. Un modello più caro può risultare conveniente se completa un incarico al primo tentativo. Un sistema economico può invece generare costi aggiuntivi quando richiede correzioni ripetute.
L’efficienza diventa una leva competitiva
Con GPT-5.6 OpenAI cerca di spostare il confronto dal prezzo del singolo token al costo di un’attività completata. È una differenza importante per clienti che utilizzano gli agenti per programmare, analizzare contratti, elaborare dati o gestire processi composti da decine di operazioni.
Le riduzioni del 20% e del 15% diffuse dalla società non permettono di calcolare il risparmio finale per ciascun cliente. Mancano dati dettagliati sul consumo energetico, sulla capacità dei centri dati e sulle prestazioni ottenute in ambienti diversi da quelli di OpenAI. Offrono però un’indicazione sulla direzione industriale: la competizione non riguarda soltanto chi costruisce il modello con il punteggio più alto, ma chi riesce a eseguirlo su larga scala con costi, tempi e affidabilità compatibili con l’uso quotidiano.
La capacità di affidare ai modelli una parte crescente dell’ottimizzazione software può accelerare questo processo. Richiede allo stesso tempo controlli rigorosi, perché un errore nel codice che governa migliaia di acceleratori può propagarsi su milioni di richieste. L’investimento negli strumenti di verifica diventa quindi parte integrante del vantaggio economico.
Il prossimo confronto tra i produttori si misurerà sui bilanci delle aziende che adotteranno questi sistemi. Se l’efficienza dichiarata si tradurrà in prezzi più bassi, tempi ridotti e maggiore produttività, GPT-5.6 potrà rafforzare la posizione di OpenAI nel mercato professionale. In caso contrario, i miglioramenti dell’infrastruttura resteranno soprattutto un risparmio interno per il fornitore.
Keyword:
Titolo Seo:
Metadescription:
Partecipa alla community