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

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

Cerca
LIVE
›

SemiAnalysis mette un numero sui sussidi agli abbonamenti AI: valore 5 volte maggiore con Anthropic

I piani di abbonamento AI di Anthropic offrono più di cinque volte il valore equivalente in API rispetto ai piani comparabili di OpenAI, secondo un test sui limiti pubblicato da SemiAnalysis il 5 ottobre. L'azienda avverte anche che gli abbonamenti possono assorbire oltre il 40% della capacità di inferenza in Anthropic.

Media e internetNotiziaGiulia FerrariPubblicato: 5 ottobre 20266 min di letturaFonti 9
SemiAnalysis mette un numero sui sussidi agli abbonamenti AI: valore 5 volte maggiore con Anthropic

SemiAnalysis ha pubblicato il suo confronto tra abbonamenti il 5 ottobre. Il dato principale è un rapporto: i piani di Anthropic rendono più di 5 volte il valore equivalente in API rispetto a quelli di OpenAI. L'azienda dice di essere arrivata a quel numero misurando i limiti di Anthropic, OpenAI, Meta, SpaceXAI, MiniMax, Moonshot, Z.ai, Cursor e Cognition.

Il metodo conta più della classifica. SemiAnalysis tratta la quota mensile come un pacchetto di crediti. Ogni modello e ogni tipo di token consuma una quantità diversa. I rapporti tra i costi in crediti non coincidono con quelli tra i prezzi API. Lo stesso piano vale quindi importi molto diversi a seconda del modello che si usa e di cosa gli si chiede. La conclusione dell'azienda è netta: non ha senso dire che un piano vale 2.000.000.000 di dollari preso da solo. Il valore sta insieme nel piano, nel modello e nel carico di lavoro. È una correzione utile a un genere di articoli che confronta i prezzi di listino e si ferma lì. Spiega anche perché la classifica può ribaltarsi senza che nessuno annunci nulla.

Perché gli abbonamenti rendono più della loro quota di ricavi

L'economia è sbilanciata. SemiAnalysis stima che gli abbonamenti valgano appena il 10% dei ricavi complessivi di Anthropic. Possono assorbire oltre il 40% della capacità di inferenza, abbassando il ricavo medio per MW di circa 36.000.000 di dollari. L'azienda presenta i piani come strumenti di acquisizione clienti fortemente sovvenzionati. Dice che contano ancora di più in OpenAI, dove gli abbonamenti pesano di più sul totale dei ricavi. Chi modella la finanza di un laboratorio senza capire i limiti degli abbonamenti sta modellando il business sbagliato, sostiene l'analisi.

Dentro c'è una dinamica competitiva. SemiAnalysis attribuisce parte della recente crescita nell'adozione di Codex alla buona volontà creata dai generosi reset di OpenAI. Dice che la pressione ha costretto Anthropic a ritirare più volte i previsti tagli agli abbonamenti per non essere travolta dal giudizio del pubblico. Il sussidio, in altre parole, ora è una strategia di fidelizzazione oltre che di crescita.

I laboratori cambiano pubblicamente i loro limiti in continuazione, con promozioni e nuovi rilasci di modelli. Possono anche cambiarli in silenzio quando vogliono, ritoccando il costo dei crediti.

Quella frase, dallo stesso articolo di SemiAnalysis, è il motivo per cui l'azienda ha costruito una dashboard. Ricontrolla ogni giorno il costo di ogni piano, modello e tipo di token. È anche un avvertimento per chi tratta un limite pubblicato come una caratteristica fissa di un prodotto. I limiti sono una manopola, e il fornitore la tiene in mano.

I tipi di token misurati sono input, scrittura in cache, lettura dalla cache e output. L'output è descritto come il più costoso. Alcuni modelli costano di più oltre una certa finestra di contesto. L'azienda evita il problema misurando sotto la soglia, perché i fornitori di solito compattano prima di raggiungerla. Tutti gli importi in dollari e in token del confronto presuppongono un uso agentico, salvo diversa indicazione.

Per consumatori e piccole imprese il messaggio pratico è più ristretto del titolo. Il piano che si compra non è una quantità fissa di lavoro. Cambia con il modello che si sceglie e con la forma dei prompt, e può cambiare di nuovo la settimana dopo. Il dato delle 5 volte di SemiAnalysis è un'istantanea scattata il 5 ottobre. Non è una proprietà permanente del listino di nessuna delle due aziende.

La versione dello streaming della stessa stretta

La questione degli abbonamenti non riguarda solo l'AI. Lo streaming ha passato anni ad alzare i prezzi. Ora sta verificando se i livelli gratuiti o economici possono riavviare la crescita. Pocket-lint ha riferito che Sling ha chiuso i suoi piani di streaming di breve durata dopo un anno e due cause legali. È un promemoria che i prezzi promozionali portano rischi legali e operativi oltre ai vantaggi in acquisizione.

La copertura del settore continua a girare intorno allo stesso problema. Un'analisi pubblicata a fine agosto si chiedeva se il gratuito sia il prossimo motore di crescita dopo anni di aumenti. A fine ottobre il quadro non si era risolto. Si è riferito che gli ascolti della TV via cavo sono calati bruscamente nell'anno precedente mentre lo streaming cresceva. Il titolo di Universal Music Group ha attirato attenzione per l'accelerazione della crescita nel terzo trimestre. Crescita degli abbonamenti e crescita dei ricavi non sono più la stessa frase.

TiVo ha offerto una versione della risposta. La sua piattaforma pubblicitaria ha superato 6.300.000 utenti attivi mensili. Ha registrato una crescita record dei ricavi nel secondo trimestre mentre ampliava la presenza pubblicitaria globale, secondo un annuncio ripreso da Yahoo Finance. Il denaro si sposta dalla voce abbonamenti alla voce pubblicità.

Il ruolo di Amazon complica ulteriormente il conteggio. Un'inchiesta di agosto ha rilevato che due terzi degli abbonamenti streaming di nicchia passano attraverso Amazon. Gran parte della crescita di abbonati del mercato è quindi intermediata da una piattaforma che prende una commissione e controlla il rapporto con il cliente.

Le società di ricerche di mercato continuano a pubblicare previsioni ampie per l'analytics dello streaming e le app di fitness. Ma quei numeri descrivono categorie, non l'economia unitaria di un singolo piano. Il dibattito sugli abbonamenti AI è più istruttivo proprio perché SemiAnalysis ha pubblicato il metodo insieme alla conclusione.

Altrove nello stack

Il 5 ottobre sono uscite due release open source con una proposta simile: funzioni enterprise senza canone di licenza. Precogly, ora progetto OWASP, si descrive come l'alternativa open source alle piattaforme commerciali di threat modeling. Importa ed esporta file CycloneDX 2.0 Threat Modeling BOM. Ha un editor di diagrammi di flusso dei dati, un registro dei rischi e un server MCP perché gli agenti AI possano leggere i modelli di minaccia. GrandNode, invece, è una piattaforma di e-commerce su ASP.NET Core 10 e MongoDB. Offre configurazioni multi-store e multi-vendor, B2B e B2C da un unico catalogo, e un'API REST per storefront headless, senza canoni di licenza per singolo store.

Entrambi sono il tipo di strumento che una volta arrivava con una telefonata commerciale. Se l'hosting autonomo faccia davvero risparmiare quando qualcuno deve gestirlo è la domanda a cui il README non risponde.

I team infrastrutturali hanno ricevuto un argomento diverso da Labitcode. Il 5 ottobre ha pubblicato un caso per sostituire GitHub Actions con GitHub Apps e runner centralizzati su larga scala. Il post descrive la deriva delle pipeline tra repository e la saturazione delle code mentre il coding assistito dall'AI fa crescere il volume delle pull request. Segnala anche la trappola dei runner self-hosted il cui piano di controllo dell'orchestrazione resta di GitHub. Le sue affermazioni su build 10 volte più veloci vengono dal blog del fornitore stesso e non sono state verificate in modo indipendente.

L'hardware ha avuto la sua voce. MIT News ha riferito che alcuni ricercatori hanno costruito una piattaforma di stampa 3D multimateriale. Ha prodotto un motore elettrico lineare interamente stampato in poche ore usando cinque materiali, con un solo passaggio di post-lavorazione. Luis Fernando Velásquez-García, principal research scientist nel Microsystems Technology Lab del MIT, ha detto che la dimostrazione mostra che la produzione hardware on-site in un solo passaggio è fattibile. La data di pubblicazione sulla pagina del MIT è 18 febbraio 2026.

E nella categoria delle cose che non sono proprio come sembrano: un link che circola come app TV da 5 dollari al mese rimanda a un file di pacchetto Android, non a un articolo. È elencato qui perché è comparso nel feed del giorno, non perché sostenga qualche affermazione di questo pezzo.

Il filo che attraversa la giornata è il potere di determinare i prezzi. I laboratori AI sovvenzionano gli abbonamenti per comprare adozione e poi regolano le manopole. I servizi di streaming spingono gli utenti verso i livelli con pubblicità e la fatturazione di terzi. I progetti open source erodono le licenze per singolo posto. Il contributo di SemiAnalysis è insistere sull'unità. Non il piano, non il prezzo, ma il piano, il modello e il carico di lavoro insieme, misurati di nuovo domani.

Commenti 0

Fonti

9
  1. 01Anthropic Subscriptions Offer 5x+ More Value Than OpenAIEN
  2. 023D-printing platform rapidly produces complex electric machinesEN
  3. 03Why Tech Platforms Don't Use GitHub ActionsEN
  4. 04Precogly (The open-source alternative to commercial threat modeling platforms)EN
  5. 05GrandNode – open-source e-commerce platform on .NET 10 and MongoDBEN
  6. 06I built a $5/month TV app because I got tired of how expensive streaming isEN
  7. 07Libera.chat Is an Agenda-Peddling Platform Run by Agenda-Peddling IndividualsEN
  8. 08What AI Means for Career GrowthEN
  9. 09Our new deal: We stopped being an agency, and became a platformEN

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.