Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

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

Nel 2026 i modelli di intelligenza artificiale cinesi sono passati da una piccola minoranza alla maggioranza dei token su OpenRouter e Vercel, secondo i dati d'uso condivisi con CNBC, mentre Washington apre indagini sul fenomeno.

IA e modelliAnalisiGiulia FerrariPubblicato: 27 settembre 20265 min di letturaFonti 5
I modelli aperti cinesi prendono la maggioranza dei token su due gateway per sviluppatori

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

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

I dati di OpenRouter coprono aziende negli Stati Uniti, in Europa e in quello che definisce il "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 performare in modo credibile in casi d'uso agentici avanzati, soprattutto per quanto riguarda il coding, in un modo che a fine 2025 semplicemente non era vero". 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: "I modelli cinesi stanno diventando abbastanza capaci per più compiti a un costo molto più basso. Una volta che un modello raggiunge la soglia di qualità per il lavoro, quella differenza di prezzo diventa decisiva". Arora ha anche detto che le aziende vogliono ancora modelli frontier statunitensi per alcuni compiti più difficili. Quella precisazione conta. Il rapporto di CNBC nota che i modelli frontier statunitensi attirano ancora più spesa complessiva, anche dove la quota di token si è invertita. I conteggi dei token premiano il lavoro economico e ad alto volume, come la generazione di codice e i cicli degli agenti. La spesa premia le chiamate costose che i clienti riservano ai compiti in cui non possono permettersi errori.

Nel gruppo "Global South" seguito 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 vedere un'adozione significativa per i legami economici e culturali con la Cina e per l'infrastruttura digitale in crescita. "Ovunque, da Lagos a San Paolo a Giacarta, dove imprenditori e governi cercano modelli aperti ed economici, si guarderà prima all'AI cinese", ha detto.

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

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 impedendo alle aziende cinesi di AI di comprare i chip più avanzati tramite controlli sulle esportazioni. Washington è anche preoccupata per l'accesso remoto ai chip Nvidia attraverso data center all'estero e per il "distillation", in cui nuovi modelli vengono addestrati a imitare quelli più vecchi e affermati. Remler ha inquadrato il rischio in termini di allineamento, non di pura performance. 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 cinesi di AI trascini i paesi in una sfera di influenza tecnologica cinese che si consolida in un allineamento geopolitico". L'AI è stata un tema centrale quando il presidente statunitense Donald Trump e il presidente cinese Xi Jinping si sono incontrati questa settimana, ha riportato CNBC.

I dati sull'adozione convivono con un altro insieme 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 cutoff del training per 20 modelli di 8 laboratori, e conta verso l'alto da ogni data in tempo reale. Dice che 10 dei 20 modelli hanno un cutoff che il loro laboratorio pubblica davvero, e che 5 degli 8 laboratori, Anthropic, Google DeepMind, Meta, OpenAI e xAI, hanno pubblicato un cutoff per almeno un modello della lista. La pagina precisa che uno spazio vuoto significa che le fonti del fornitore controllate non hanno stabilito un cutoff, non la prova che non esista.

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 training che si fermano al 30 aprile 2026, circa quattro mesi indietro il giorno del lancio. La stessa pagina riporta un test in cui 16 modelli hanno ricevuto ciascuno uno strumento di ricerca web per più di 2.000 chiamate: i modelli frontier decidevano correttamente quasi ogni volta, mentre quelli più deboli affermavano fatti consolidati che erano cambiati senza verificare, e cercavano sul web cose come il punto di ebollizione dell'acqua.

È un avvertimento per chi legge i numeri di adozione come un verdetto 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-bit da 9 a 29 MB, con una sottorete a 4 layer che secondo l'azienda eguaglia DeepSeek V4 Flash quando viene messa a punto su compiti downstream per un'epoca; l'azienda dice di aver addestrato su 360.000.000.000 token di un dataset strutturato proprietario e riporta da 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 e solo sorgente di piccoli modelli per decisioni di 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 il run al 7,14% del suo corpus.

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

Commenti 0

Fonti

5
  1. 01Chinese AI models surge in global popularity, and Washington is worriedEN
  2. 02How stale is your AI? Release age and training cutoff for 20 modelsEN
  3. 03Needle 3: 8-29 MB foundation model for tiny devicesEN
  4. 04CUA-S1: A System One Model for Computer UseEN
  5. 05mini-AGI: continual learning model trained on 8GB VRAMEN

Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.

I contenuti sono stati preparati dalla redazione con il supporto dell'IA.

Giulia Ferrari

Giulia Ferrari

IA, modelli e tecnologie

Giulia Ferrari scrive di tecnologia, IA e modelli e media e internet per FLASH24, partendo da dataset pubblici, preprint e registri di versioni dei modelli. Controlla ogni numero confrontando benchmark dichiarati e risultati riproducibili, e scarta le stime senza fonte. Segue le audizioni in calendario, parla con ricercatori e ingegneri, e mette a confronto release e changelog prima di pubblicare. Fuori dalla redazione smonta stampanti 3D, recupera vecchi computer e studia come i modelli imparano dai rifiuti del web. Non pubblica un dato se non può ricostruirne il percorso.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.