OpenAI ha ottimizzato i kernel per tagliare i prezzi

L’ottimizzazione dei kernel ha permesso tagli fino all’80% sui modelli più leggeri

C’è un numero, nell’annuncio con cui OpenAI ha presentato oggi GPT-5.6, che vale più di tutti i benchmark messi insieme: -20%. Non è il calo di prezzo di un modello specifico, ma la riduzione del costo end-to-end di servire l’intera famiglia di modelli, ottenuta grazie a un lavoro di ottimizzazione dei kernel di calcolo. È il tipo di intervento che non finisce mai nei titoli, perché non produce uno screenshot di benchmark né una demo spettacolare. Eppure è esattamente quello che ha reso possibile scardinare i listini che vedremo tra poco.

Il trucco nel kernel

Per capire perché un guadagno del 20% sull’infrastruttura si traduca in tagli di prezzo che arrivano fino all’80% su un singolo modello, bisogna capire cosa sia, di fatto, un kernel in questo contesto. Quando un modello linguistico genera un token, quel token è il risultato di migliaia di operazioni matriciali eseguite sulle GPU: moltiplicazioni, somme, funzioni di attivazione, tutte incapsulate in routine di basso livello — i kernel, appunto — che dialogano direttamente con l’hardware. Un kernel scritto in modo inefficiente spreca cicli di calcolo, banda di memoria, e in definitiva watt ed euro. Un kernel ottimizzato, invece, sfrutta meglio la cache, riduce i trasferimenti di dati ridondanti tra memoria e unità di calcolo, e sfrutta al massimo il parallelismo delle GPU moderne.

Il punto centrale è che questo tipo di ottimizzazione non riguarda “un modello”: riguarda l’intera pipeline di inferenza, cioè il processo con cui un modello già addestrato produce risposte in produzione, su scala, per milioni di richieste simultanee. Toccare il kernel significa toccare il collo di bottiglia più stretto della catena, quello che nella maggior parte dei sistemi di AI moderni determina se un servizio è economicamente sostenibile o no. Non sorprende quindi che OpenAI dichiari che questo lavoro sui kernel ha contribuito a ridurre il costo end-to-end di servire il modello del 20%: è un risparmio strutturale, non un artificio contabile, e come tale si riflette su tutta la gamma di prodotti costruiti sopra quell’infrastruttura.

Ma un guadagno di efficienza infrastrutturale, da solo, non spiega tagli di prezzo dell’80%. Per arrivare a quei numeri serve che l’efficienza venga ereditata — e amplificata — dai modelli stessi, attraverso scelte di architettura e distillazione che permettono a versioni più leggere di comportarsi quasi come le sorelle maggiori, consumando una frazione delle risorse.

Luna, Terra, Sol: la nuova gerarchia dei costi

Dai kernel ai listini, il salto è diretto. GPT-5.6 Luna, descritto da OpenAI come il modello “più veloce e più economico” della famiglia, costerà l’80% in meno rispetto alla generazione precedente. GPT-5.6 Terra, il modello bilanciato pensato per il lavoro quotidiano, scende del 20%, e secondo OpenAI a metà del prezzo. Per il modello di punta, GPT-5.6 Sol, arriva invece una novità di prodotto più che di listino: la modalità Fast, che offre velocità fino a 2,5 volte superiori rispetto all’elaborazione Standard, al doppio del prezzo — un compromesso esplicito tra latenza e costo, lasciato nelle mani di chi costruisce.

È nel confronto con la concorrenza, però, che questi numeri smettono di essere statistica interna e diventano un’arma competitiva. OpenAI stima che Luna superi Claude Fable 5 di Anthropic con un costo per attività inferiore di quasi il 99%, mentre Sol con reasoning massimo batterebbe Fable 5 nell’Artificial Analysis Coding Agent Index a meno della metà del costo. Secondo l’analisi di Artificial Analysis, che valuta i modelli in modo indipendente, GPT-5.6 Sol in modalità max ottiene 59 punti nell’Intelligence Index, un solo punto sotto Claude Fable 5 max, ma a circa un terzo del costo — un dettaglio che pesa parecchio quando Fable 5 è prezzato da Anthropic a 10 dollari per milione di token di input e 50 dollari per milione di token di output. Un punto di intelligenza in meno, pagato un terzo del prezzo: è esattamente il tipo di trade-off che, nella pratica, decide dove finiscono i budget di inferenza delle aziende.

Cosa cambia per chi costruisce

I numeri di adozione di OpenAI aiutano a leggere questa mossa non come un episodio isolato, ma come una traiettoria. Negli ultimi quattro anni l’azienda è arrivata a un miliardo di utenti attivi e oltre due milioni di aziende clienti. Una scala di quel tipo si mantiene solo se il costo marginale di servire ogni nuova richiesta continua a scendere: è la stessa logica che nel luglio 2024 aveva portato al lancio di GPT-4o mini, prezzato a 15 centesimi per milione di token di input e 60 centesimi per milione di token di output, un modello pensato esplicitamente per rendere l’intelligenza economica accessibile su larga scala. GPT-5.6 Luna, con il suo -80%, è la versione 2026 di quella stessa strategia, spinta ancora più in basso dal lavoro sui kernel.

Per chi sviluppa prodotti sopra questi modelli, l’implicazione pratica è che intere classi di applicazioni prima escluse per motivi di budget — agenti che effettuano migliaia di chiamate per completare un singolo task, sistemi di classificazione su volumi enormi di testo, pipeline di data processing continue — tornano economicamente sostenibili. La modalità Fast di Sol aggiunge un’altra leva: non tutti i workload sono uguali, e poter scegliere se pagare di più per la latenza più bassa o restare sullo Standard per contenere i costi è una flessibilità che, prima, semplicemente non esisteva in questa forma granulare. È una provocazione implicita per l’intero settore: se l’efficienza infrastrutturale si traduce direttamente in prezzo, chi non lavora sui kernel — o su equivalenti tecnici altrettanto profondi — rischia di restare a competere solo sull’ultimo punto di benchmark, mentre il resto del mercato compete sul costo per attività.

Alla fine, la partita che si sta giocando in questi giorni tra OpenAI e Anthropic non la vince chi ha il modello con un punto in più nell’Intelligence Index. La vince chi permette a uno sviluppatore di costruire di più, spendendo meno per ogni singolo token generato — ed è lì, dentro un kernel invisibile e mai fotografato, che si decide chi resta in corsa.