I modelli aperti cinesi prendono la maggioranza dei token su due gateway per sviluppatori

Due gateway per sviluppatori instradano il traffico verso molti fornitori di modelli. Ora mandano la maggior parte dei loro token ai laboratori cinesi. Su OpenRouter i modelli cinesi hanno rappresentato dal 57% al 67% dei token usati nella settimana del 14 settembre, contro il 6%-13% di febbraio, secondo i dati di utilizzo condivisi con CNBC. Su Vercel la quota è salita al 55% in agosto, dall'11% di gennaio. CNBC ha pubblicato le cifre il 26 settembre.

I numeri descrivono l'instradamento, non i punteggi dei benchmark. Restano il segnale di adozione più chiaro pubblicato questo trimestre.

I dati di OpenRouter coprono aziende negli Stati Uniti, in Europa e in quello che la piattaforma definisce "Global South": 82 paesi tra America Centrale e Meridionale, Africa e Asia. Vercel non ha specificato una ripartizione geografica per la sua cifra. Circa la metà dei token su OpenRouter è usata da aziende negli Stati Uniti, quindi il mix complessivo della piattaforma non dipende da una sola regione.

Prima il prezzo, poi le capacità

Peter Walker, responsabile degli insights di OpenRouter, ha detto a CNBC che i modelli open source cinesi rilasciati quest'anno "possono credibilmente operare in casi d'uso agentici avanzati, soprattutto per quanto riguarda la programmazione, in un modo che semplicemente non era vero alla fine del 2025". Ha aggiunto che sono "incredibilmente convenienti rispetto alla maggior parte dei modelli dei laboratori americani". Harpreet Arora, responsabile dell'infrastruttura agentica di Vercel, ha espresso lo stesso concetto in termini di ordine di priorità: "I modelli cinesi stanno diventando abbastanza capaci per più compiti a un costo molto inferiore. Una volta che un modello raggiunge la soglia di qualità richiesta per il lavoro, quella differenza di prezzo diventa determinante". Arora ha anche detto che le aziende continuano a volere modelli di frontiera statunitensi per alcuni compiti più difficili. Quel distinguo conta. Il rapporto di CNBC osserva che i modelli di frontiera statunitensi continuano ad attrarre più spesa complessiva, anche dove la quota di token si è invertita. Il conteggio dei token premia il lavoro economico e ad alto volume, come la generazione di codice e i cicli agentici. La spesa premia le chiamate costose, quelle che i clienti riservano ai compiti su cui non possono permettersi errori.

Nel gruppo "Global South" monitorato da OpenRouter, più di due terzi dei token, il 67%, è andato ai modelli cinesi nelle ultime settimane. Daniel Remler, senior fellow del CNAS, ha detto a CNBC che il Sud-est asiatico in particolare potrebbe registrare un'adozione significativa, per via dei legami economici e culturali con la Cina e della crescente infrastruttura digitale. "Ovunque, da Lagos a São Paulo a Jakarta, dove imprenditori e governi cercano modelli economici e aperti, si guarderà prima all'AI cinese", ha affermato.

Anthropic e OpenAI hanno entrambe annunciato modelli più economici all'inizio di quella settimana. Dianne Penn, che guida la gestione prodotto per ricerca e laboratori di Anthropic, ha detto a CNBC che l'azienda cercava di rendere le risposte "più efficienti, così da usare meno token a seconda dell'impostazione di impegno".

Washington apre i fascicoli

Due commissioni della Camera degli Stati Uniti stanno indagando sull'impatto della crescente adozione dei modelli cinesi, secondo lo stesso rapporto. Le preoccupazioni dichiarate riguardano la competizione tecnologica, la sicurezza e l'influenza globale di Pechino. Gli Stati Uniti hanno cercato di proteggere il proprio vantaggio limitando l'acquisto dei chip più avanzati da parte delle aziende cinesi di AI, tramite controlli sulle esportazioni. Washington è anche preoccupata per l'accesso remoto ai chip Nvidia attraverso data center oltreoceano e per il "distillation", in cui nuovi modelli vengono addestrati a imitare modelli più vecchi e affermati. Remler ha inquadrato il rischio in termini di allineamento più che di prestazioni grezze. L'AI cinese rappresenta "rischi economici e di sicurezza reali per gli Stati Uniti", ha detto a CNBC, e "la preoccupazione ultima è che l'integrazione dei modelli di AI cinesi trascini i paesi in una sfera di influenza tecnologica cinese che si irrigidisce in un allineamento geopolitico". L'AI è stata un tema centrale quando il presidente degli Stati Uniti Donald Trump e il presidente cinese Xi Jinping si sono incontrati questa settimana, ha riferito CNBC.

I dati sull'adozione si affiancano a una serie separata di affermazioni sull'aggiornamento dei modelli, più difficile da verificare e più facile da sbagliare. Una pagina Show HN pubblicata il 16 settembre, stale.jock.pl, elenca date di rilascio e limiti temporali dei dati di addestramento per 20 modelli di 8 laboratori, e conta in avanti da ogni data in tempo reale. Afferma che 10 dei 20 modelli hanno un limite che il loro laboratorio pubblica effettivamente, e che 5 degli 8 laboratori, Anthropic, Google DeepMind, Meta, OpenAI e xAI, hanno pubblicato un limite per almeno un modello della lista. La pagina precisa che uno spazio vuoto significa che le fonti dei fornitori controllate non hanno stabilito un limite, non la prova che non ne esista alcuno.

Il suo stesso esempio è l'illustrazione più chiara del divario. GPT-6 Astra, secondo quella pagina, è stato rilasciato il 3 settembre 2026 con dati di addestramento che si fermano al 30 aprile 2026, circa quattro mesi di ritardo il giorno del lancio. La stessa pagina riporta un test in cui a 16 modelli è stato dato uno strumento di ricerca web per oltre 2.000 chiamate: i modelli di frontiera hanno deciso correttamente quasi ogni volta, mentre quelli più deboli hanno affermato fatti consolidati che erano cambiati senza verificare, e hanno cercato sul web cose come il punto di ebollizione dell'acqua.

È un avvertimento per chi legge i numeri di adozione come un giudizio sulla qualità. La quota di token misura ciò che gli sviluppatori instradano. Non misura se il modello sa che giorno è.

Altri tre rilasci di questo mese puntano in direzioni diverse. Cactus Compute ha pubblicato Needle 3 il 18 settembre, una famiglia di modelli che descrive come capace di produrre binari CQ2 da 9 a 29 MB, con una sottorete a 4 strati che, secondo l'azienda, eguaglia DeepSeek V4 Flash quando viene messa a punto su compiti a valle per una epoca; l'azienda afferma di aver addestrato su 360B token di un dataset strutturato proprietario e riporta 400 a 4.000 token/s in decodifica su un Raspberry Pi 5. Cua ha pubblicato CUA-S1 il 19 settembre, un rilascio di ricerca con licenza MIT, solo sorgente, di piccoli modelli per decisioni d'uso del computer, con i pesi ospitati separatamente su Hugging Face. E il 21 settembre, un progetto chiamato mini-AGI ha mostrato un modello byte-level a apprendimento continuo in addestramento su una singola GPU con 8 GB di VRAM, con pesi non ancora pubblicati e l'esecuzione al 7,14% del suo corpus.

Nessuno di questi tre rilasci muove i numeri di OpenRouter o Vercel. Mostrano però dove sta spingendo l'estremità più piccola del mercato: inferenza locale sul dispositivo, decisioni delimitate e addestramenti che stanno su hardware di proprietà di un singolo sviluppatore. Se questo cambi il mix di token è una domanda per il prossimo set di cifre dei gateway, non per questo.