Perché l'IA cinese costa così poco? Dentro la guerra dei prezzi

L'IA cinese costa poco perché la paga lo Stato? No. I sussidi esistono, e non spiegano quasi nulla del divario. Il rilascio di settembre di V4.1-Flash da parte di DeepSeek ha reso il controesempio insolitamente concreto: il prezzo ufficiale delle API è di $0,15 per milione di token di input in caso di cache miss e $0,60 per milione di token di output nelle ore non di punta, con raddoppio a $0,30 e $1,20 nelle ore di punta, mentre i pesi scaricabili sono coperti da una licenza MIT. Non ci si arriva solo con denaro a basso costo. Bisogna costruire bene, attivare una piccola quota di un modello grande e servirlo su uno stack più economico. L'economicità è reale, è per lo più strutturale e deriva da cinque fattori che si sommano. Solo uno dei cinque è temporaneo.

Punti chiave- L'IA cinese è economica per cinque ragioni che si sommano, non solo per i sussidi: pesi aperti, vera efficienza, una guerra dei prezzi, energia a basso costo e un ampio bacino di talenti.- I pesi aperti eliminano del tutto il margine sulle API. Esegui il modello in proprio, quindi non paghi alcun canone per token a un fornitore.- Economico non significa piccolo o datato. DeepSeek V4.1-Flash è un modello mixture-of-experts da 552 miliardi di parametri che ne attiva solo 8 miliardi per token mentre legge un prompt, con una finestra di contesto da 1 milione di token e visione nativa.- Non tutti i modelli cinesi di frontiera sono economici allo stesso modo. Il prezzo ufficiale delle API di Kimi K3 in caso di cache miss è di $3 per l'input e $15 per l'output per milione di token, quindi architettura, deployment e posizionamento commerciale contano tutti.- L'energia a basso costo è il fattore più strutturale: la generazione solare mensile della Cina ha toccato il record di 96 TWh ad aprile 2025, paragonabile a un intero mese di produzione nucleare statunitense.- Per chi acquista, "sufficientemente buono a una frazione del costo" riscrive i conti tra costruire e comprare per la maggior parte dei carichi di lavoro.

Il fattore su cui tutti si fissano è la guerra dei prezzi, e dei cinque è quello che trovo meno interessante. Scrivo da Hangzhou, dove hanno sede sia i laboratori dietro DeepSeek sia quelli dietro Qwen, e qui si parla raramente di chi ha sottoquotato chi questo mese. Si parla di cosa ti porta la prossima architettura. Se vuoi il quadro più ampio, questo articolo rientra nel mio pilastro su se la Cina sta vincendo la corsa all'IA. La domanda più ristretta è quella pratica: perché costa così poco, e quanto di questo resterà vero una volta placato il clamore?

Fattore 1: i pesi aperti azzerano il margine sulle API

La ragione più importante è anche la più banale. I modelli cinesi di punta sono a pesi aperti, quindi non c'è alcun margine sulle API da pagare in primo luogo. Ad agosto 2026, il conteggio estivo di Hugging Face attribuiva a Qwen, la linea di modelli di Alibaba, circa 2,045 miliardi di download sull'Hub nei soli primi sette mesi del 2026 e 151.448 modelli derivati, mentre il conteggio di Alibaba rivendica oltre 3 miliardi di download e 300.000 derivati su tutte le piattaforme. Qualche mese prima, il MIT Technology Review parlava di oltre 600 milioni di download e di più del 40% di tutti i nuovi derivati su Hugging Face. Scarichi i pesi e li esegui tu stesso.

Vale la pena essere precisi su cosa ti fa pagare un'API chiusa. Il calcolo, ovviamente. Ma anche il margine del fornitore, il costo del recupero della sua spesa in ricerca e un premio per il rischio che poggia silenziosamente sopra entrambi. I pesi aperti riducono tutto questo a una sola voce della tua bolletta: il costo grezzo dell'hardware su cui esegui il modello.

Non te ne accorgi davvero finché non vedi muoversi la tua fattura. Quando sposto un carico di lavoro da un'API di frontiera in hosting a un modello cinese aperto sulle mie GPU, non sto negoziando una tariffa migliore, sto eliminando la tariffa. Il costo per token non si limita a ridursi, cambia categoria: ora paghi l'elettricità invece dell'affitto.

I pesi aperti inoltre spingono i costi al ribasso in modo cumulativo. I modelli cinesi a pesi aperti hanno superato quelli statunitensi per quota dei download globali su Hugging Face nel corso del 2025, e il rapporto primavera 2026 di Hugging Face li colloca al 41% di tutti i download della piattaforma. Ogni derivato e ogni quantizzazione, ogni tutorial della community scritto alle due di notte da qualcuno che voleva solo far funzionare la cosa, rende più economico il deployment successivo. Un'API chiusa non ti dà nulla di tutto questo. Continui semplicemente a pagare l'affitto.

I modelli cinesi di punta vengono distribuiti come pesi aperti, eliminando del tutto il margine sulle API dal costo. Entro agosto 2026 il solo Qwen aveva superato i 2 miliardi di download e i 151.448 derivati su Hugging Face, e i modelli cinesi a pesi aperti hanno superato quelli statunitensi per quota dei download globali su Hugging Face, raggiungendo il 41% di tutti i download della piattaforma in primavera 2026. L'esecuzione in proprio sostituisce una tariffa per token del fornitore con il costo grezzo dell'hardware.

Se vuoi il confronto diretto, metto a paragone le opzioni principali in Qwen contro DeepSeek contro Llama.

Fattore 2: vera efficienza, non solo sussidi

È qui che crolla la tesi dei sussidi. Una grossa parte del vantaggio di costo è vera ingegneria. V4.1-Flash ha una spina dorsale da 552 miliardi di parametri ma ne attiva solo 8 miliardi per ogni token mentre legge un prompt, 16 miliardi mentre genera. V4 Pro è molto più grande, con 1,6 bilioni di parametri totali e 49 miliardi attivi. La fotografia di marzo 2026 nell'AI Index di Stanford HAI mostrava già i migliori modelli statunitensi e cinesi vicini su una classifica pubblica, ma è precedente a V4, Qwen3.8, Kimi K3, GLM-5.2 e MiniMax M3. È un'evidenza di tendenza, non una classifica aggiornata corretta per i prezzi.

La leva più chiara è l'architettura. I design mixture-of-experts instradano ogni token attraverso solo una frazione dei parametri del modello, così ottieni la capacità di un modello enorme al costo di inferenza di uno molto più piccolo. Diversi modelli cinesi di punta puntano forte su questo. È un taglio al costo per token integrato nel modello, non applicato a posteriori.

Poi c'è la vicenda di DeepSeek, da cui nasce l'espressione "il momento DeepSeek". Tratterei le cifre principali sui costi di addestramento come riportate piuttosto che verificate. I numeri esatti sono contestati, e chi li cita con tre cifre significative sta tirando a indovinare. La direzione però non è in dubbio: modelli competitivi costruiti con una frazione del budget di calcolo che tutti ritenevano il prezzo d'ingresso.

L'aspetto dell'efficienza conta più del dibattito sui sussidi per una ragione semplice: l'efficienza è trasferibile e il sussidio no. Un sussidio sostiene un prezzo in un solo mercato finché il denaro continua a fluire. Una conquista architetturale, meno parametri attivi per token o una ricetta di addestramento migliore, abbassa il vero pavimento dei costi ovunque, per chiunque la copi. Ecco perché conta il rilascio a pesi aperti di questi modelli efficienti. Esporta il vantaggio di costo, non solo il prodotto.

I dati di adozione dicono che sta funzionando. I modelli cinesi hanno superato quelli statunitensi nella top 10 di OpenRouter a fine febbraio 2026, conquistando circa il 61% del consumo di token della top 10, e hanno raggiunto la maggioranza sull'intera piattaforma intorno ad aprile 2026 nelle classifiche di OpenRouter. I token sono lavoro reale, non comunicati stampa, e gli sviluppatori ci hanno spostato i propri.

Una grossa parte del vantaggio di costo è vera efficienza, non sussidio. DeepSeek V4.1-Flash attiva 8 miliardi dei suoi 552 miliardi di parametri per token mentre legge un prompt, e il prezzo ufficiale delle API in caso di cache miss è di $0,15 per milione di token di input e $0,60 per milione di token di output nelle ore non di punta, con raddoppio nelle ore di punta, con l'architettura descritta nella scheda del modello. Il design mixture-of-experts riduce il calcolo usato per ogni token anche quando il modello completo è grande.

Fattore 3: una guerra dei prezzi interna

Una parte dell'economicità non è per nulla integrata nei modelli. Viene imposta a colpi di concorrenza. Il mercato interno è una rissa: Alibaba, DeepSeek e diversi altri, tutti ben finanziati, tutti a caccia degli stessi sviluppatori. Quella lotta trascina al ribasso i costi di API e hosting su tutta la linea. Gran parte dell'economicità è semplicemente rivali che sottoquotano rivali, ed è la parte che la tesi dei sussidi non spiega mai.

Il meccanismo è abbastanza chiaro. Quando tutti offrono un modello a pesi aperti comparabile, le uniche leve rimaste sono prezzo e comodità. Nessuno può far pagare un sovrapprezzo per una capacità che il laboratorio della porta accanto eguaglia e poi regala. Così il pavimento continua a scendere, e il risparmio raggiunge chiunque ospiti questi modelli, dentro o fuori la Cina.

I rilasci a pesi aperti sono in parte un'arma in quella lotta. Mettere in circolazione gratuitamente pesi solidi conquista visibilità, semina un ecosistema e nega a un rivale la possibilità di monetizzare. I 151.448 derivati sull'Hub di Qwen sono in parte il frutto di esattamente quella strategia, e nessuno dei coinvolti la chiamerebbe beneficenza.

Questo è il fattore di cui mi fiderei meno, e chi acquista dovrebbe pianificare che svanisca. Le guerre dei prezzi non durano. Alcuni laboratori si consolidano, alcuni falliscono, e i sopravvissuti alla fine cercheranno di recuperare margine. Ciò che tiene basso il pavimento è che non possono ritirare i pesi aperti già rilasciati. I modelli già in circolazione restano economici da eseguire qualunque cosa faccia il mercato in seguito.

Il mercato interno cinese dell'IA è intensamente competitivo, e quella guerra dei prezzi spinge al ribasso i costi di hosting e API per tutti, non solo per chi acquista in Cina. I rilasci gratuiti a pesi aperti sono in parte un'arma competitiva, che aiuta a costruire ecosistemi come i 151.448 derivati sull'Hub di Qwen. La guerra dei prezzi è temporanea; i pesi aperti che produce sono permanenti.

Classifico i sopravvissuti su cui vale la pena costruire in Qwen contro DeepSeek contro Llama.

Fattore 4: energia a basso costo e scala produttiva

Sotto il software c'è la fisica, e questo è il fattore più strutturale di tutti. Un token erogato è, in definitiva, una piccola quantità di elettricità. La generazione solare mensile della Cina ha toccato il record di 96 TWh ad aprile 2025, paragonabile ai circa 65 TWh al mese che gli Stati Uniti ottengono dal nucleare, circa 775 TWh all'anno. Energia più economica e più abbondante significa un pavimento più basso sotto sia l'addestramento sia l'inferenza.

Questo è l'input che nessun rilascio di modelli può eguagliare. Se la tua energia costa meno e la tua rete cresce più in fretta, ogni strato dello stack diventa più economico tutto in una volta: le sessioni di addestramento, l'erogazione dell'inferenza, gli edifici in cui si trovano i rack. È un vantaggio silenzioso e cumulativo piuttosto che da prima pagina, ed è probabilmente il motivo per cui se ne discute meno e conta di più.

La scala produttiva si somma in cima. La base industriale che rende economico l'hardware rende economica anche la costruzione dei data center. La Cina non si limita a eseguire i modelli su energia a basso costo, costruisce i rack, il raffreddamento e le strutture al costo della filiera interna. È un vantaggio sugli investimenti in conto capitale, e si riversa direttamente sul prezzo di un token.

Dei cinque, questo è quello che mi aspetto sarà ancora vero tra cinque anni. Puoi copiare un'architettura in un trimestre e chiudere una guerra dei prezzi in un anno. Raddoppiare la generazione nazionale richiede molto più tempo, e una base produttiva interna non la puoi proprio evocare dal nulla. Se dovessi costruire un piano a lungo termine attorno a un singolo fattore, sarebbe questo, perché è il più difficile da invertire per chiunque.

Il fattore di costo più strutturale è l'energia. La produzione solare mensile della Cina ha toccato il record di 96 TWh ad aprile 2025, paragonabile a un intero mese di generazione nucleare statunitense (circa 65 TWh). Energia più economica abbassa il pavimento di costo per addestramento e inferenza insieme, e la scala produttiva rende più economica anche la costruzione dei data center. Questo vantaggio è il più difficile da invertire.

Approfondisco la questione della rete elettrica ne il vantaggio energetico della Cina nell'IA.

Fattore 5: un ampio bacino di talenti

L'ultimo fattore sono le persone, e i numeri sull'offerta sono impressionanti: la Cina forma il 38% dei migliori ricercatori di IA al mondo, misurato sugli autori di NeurIPS 2024, in crescita dal 27% del 2017. Un bacino ampio e accessibile di ingegneri d'élite è esattamente ciò che serve per inseguire i guadagni di efficienza che rendono i modelli economici da eseguire.

Il lavoro sull'efficienza richiede molta manodopera in un modo specifico. Spremere costi da un modello, che sia attraverso architetture migliori, addestramento più intelligente o ottimizzazione aggressiva, richiede tanti ricercatori esperti che iterano in fretta. Un Paese con un'ampia offerta interna può mettere su quel problema più persone capaci, a costo inferiore, rispetto a uno che importa specialisti scarsi. Il bacino di talenti alimenta direttamente il Fattore 2.

Quando leggo i report tecnici dietro questi modelli, ciò che spicca non è una singola svolta. È la pura mole di ingegneria attenta e incrementale. Decine di piccole ottimizzazioni che vengono fatte solo quando hai abbastanza mani per farle. È una storia di profondità di talento, ed è una grande parte del perché l'efficienza continua a migliorare release dopo release.

Una precisazione che non salto: una grossa quota dei ricercatori d'élite formati in Cina ha storicamente lavorato all'estero, quindi questo non è un vantaggio limpido per la squadra di casa. Ma la tendenza è in crescita, dal 27% al 38% in sette anni, e una rosa crescente di laboratori di livello mondiale in patria offre a quel talento un posto dove atterrare.

L'ampio bacino di talenti della Cina alimenta il motore dell'efficienza. Forma il 38% dei migliori ricercatori di IA al mondo, in crescita dal 27% del 2017. Il lavoro sui modelli volto a tagliare i costi richiede molta manodopera, quindi un ampio e capace bacino di ingegneri è esattamente ciò che permette ai laboratori cinesi di continuare ad abbassare il vero costo per token, release dopo release.

Valutazione illustrativa e direzionale, non valori misurati con precisione. Le posizioni riflettono lo schema riportato: i modelli cinesi a pesi aperti si raggruppano nel quadrante ad alta capacità e basso costo, mentre i migliori modelli di frontiera statunitensi chiusi restano più in alto sulla capacità ma a costo maggiore. Contesto sul divario di capacità: Stanford HAI AI Index 2026.

Cosa significa tutto questo per la tua decisione d'acquisto

È qui che la questione smette di essere una curiosità e inizia a cambiare le decisioni. Quando un modello con una finestra di contesto da 1 milione di token viene offerto ai prezzi di DeepSeek V4.1-Flash, i conti tra costruire e comprare si ribaltano per molti carichi di lavoro di routine. Non stai più pagando un grande sovrapprezzo per default. Stai decidendo se un modello più costoso produce lavoro abbastanza migliore sulla tua valutazione da giustificarlo.

Riportalo al lavoro concreto. Sintesi, estrazione, classificazione, redazione di bozze, instradamento: nessuna di queste attività ha bisogno del singolo miglior modello al mondo. Hanno bisogno di uno affidabile, abbastanza economico da smettere di pensarci, e in esecuzione da qualche parte che controlli tu. I modelli cinesi a pesi aperti colpiscono quel bersaglio, e siccome li esegui in proprio, il costo ricorrente è l'hardware invece di un contatore per token che cresce insieme al tuo successo.

Nel mio stack, l'economicità ha cambiato in silenzio quali progetti valga addirittura la pena tentare. Carichi di lavoro che avrei accantonato come troppo costosi da eseguire su larga scala su un'API di frontiera sono ora banalmente accessibili su un modello aperto che ospito io stesso. L'economicità non fa solo risparmiare denaro sul lavoro che stai già facendo. Rende sostenibile lavoro nuovo, e quell'effetto di secondo ordine è quello attorno a cui pianificherei.

Tutto questo non è una ragione per saltare la due diligence. Provenienza, governance dei dati, comportamento sulla censura, licenze: va tutto verificato prima che qualcosa tocchi la produzione. L'economicità è una ragione per valutare qualcosa come si deve, non per farla passare senza controlli. Ciò che serve è una decisione strutturata. Quale carico di lavoro, quale qualità tollera, e cosa dice la valutazione dei rischi sullo specifico modello a cui ti stai rivolgendo.

Quando modelli aperti capaci costano una frazione di molte API di frontiera, i conti tra costruire e comprare si ribaltano per i carichi di lavoro di routine. DeepSeek V4.1-Flash combina una finestra di contesto da 1 milione di token con prezzi ufficiali di $0,15 per milione di token di input in caso di cache miss e $0,60 per milione di token di output nelle ore non di punta, con raddoppio nelle ore di punta. L'esecuzione in proprio sostituisce il contatore del fornitore con costi di hardware e operativi, dopo una corretta valutazione dei rischi.

Per il quadro completo, vedi DeepSeek è sicuro per le aziende?, poi metti a paragone le opzioni principali in Qwen contro DeepSeek contro Llama.

Domande frequenti

Perché l'IA cinese costa così poco, in una frase? I pesi aperti eliminano il margine sulle API, le architetture efficienti riducono il costo per token, una guerra dei prezzi spinge i prezzi al ribasso, l'energia a basso costo abbassa il pavimento e un ampio bacino di talenti fa continuare a migliorare il tutto. I sussidi sono un fattore minore, non quello principale.

Perché DeepSeek costa così poco? Due ragioni che si sommano. Distribuisce pesi scaricabili con licenza MIT, quindi non c'è alcun margine obbligatorio sulle API se esegui in proprio, e i suoi modelli mixture-of-experts attivano solo una frazione dei parametri totali per token. V4.1-Flash attiva 8 miliardi di parametri su 552 miliardi mentre legge un prompt; V4 Pro ne attiva 49 miliardi su 1,6 bilioni, secondo le schede ufficiali dei modelli. Tratta le cifre storiche sui costi di addestramento come riportate piuttosto che verificate, ma l'architettura di inferenza attuale e i prezzi API pubblicati sono concreti.

I modelli di IA cinesi costano meno di OpenAI? Alcuni sì, spesso in misura sostanziale, ma il nome della famiglia non basta. DeepSeek V4.1-Flash è estremamente economico sulla sua API ufficiale, mentre Kimi K3 ha prezzi molto più alti. L'esecuzione in proprio elimina il prezzo per token di un fornitore ma lo sostituisce con hardware, energia e operazioni. Confronta il costo totale sul carico di lavoro esatto invece di citare un multiplo universale.

L'IA cinese economica è di qualità inferiore? Il prezzo da solo non può dirtelo. Le famiglie cinesi di punta ora includono modelli enormi a contesto lungo e multimodali, ma i loro punti di forza differiscono e le tabelle di benchmark dei fornitori non sono confronti neutrali. DeepSeek V4.1-Flash è eccezionalmente economico; Kimi K3 è nettamente più caro a $3 per milione di token di input in caso di cache miss e $15 per milione di token di output. Testa il modello esatto sul tuo carico di lavoro.

L'IA cinese resterà così economica? Per lo più sì, per ragioni strutturali. La guerra dei prezzi è temporanea e potrebbe attenuarsi, ma i pesi aperti, le architetture efficienti e l'energia a basso costo non sono facilmente reversibili. Una volta che un modello solido viene rilasciato in modo aperto, resta economico da eseguire per sempre, qualunque cosa faccia il mercato in seguito. Pianificherei contando sul fatto che l'economicità continui.

In sintesi

L'IA cinese costa poco per cinque ragioni che si sommano, e "è tutto sussidio" non ne spiega quasi nessuna. I pesi aperti cancellano il margine sulle API. La vera efficienza, ovvero il mixture-of-experts e la vicenda di DeepSeek, abbassa il vero costo per token. Una guerra dei prezzi interna trascina i prezzi ancora più in basso. L'energia a basso costo e la scala produttiva fissano un pavimento basso. Un ampio bacino di talenti fa continuare a migliorare l'efficienza. La guerra dei prezzi è la parte che svanisce. Il resto è strutturale.

Anche i rilasci attuali uccidono la versione pigra di questa tesi. "L'IA cinese è economica" non è un prezzo unico. DeepSeek V4.1-Flash ha un prezzo da infrastruttura. Kimi K3 ha un prezzo da modello agentico premium. I pesi aperti di Qwen3.8 sono arrivati ad agosto con una licenza personalizzata, mentre il Qwen3.8-Max in hosting è legato a un piano a token. Confronta l'esatto checkpoint, la licenza, la via di erogazione e la qualità misurata sul compito, non la bandiera sul laboratorio.

Per la tua azienda, la conclusione è chiara. Alcuni dei modelli capaci più economici sono cinesi e scaricabili, mentre altri modelli cinesi di frontiera sono servizi premium o progetti enormi di esecuzione in proprio. Quindi non li sceglierei ciecamente per default, ma l'esatto checkpoint merita un esame serio, perché i conti tra costruire e comprare sono davvero cambiati.

Se vuoi il contesto strategico, parti da se la Cina sta vincendo la corsa all'IA. Quando sei pronto ad agire, DeepSeek è sicuro per le aziende? è il punto in cui questo articolo passa il testimone alla decisione reale.