I modelli open-weight cinesi conquistano OpenRouter: cosa significa per l’Europa

Un’analisi pubblicata da buildfastwithai il 25 maggio 2026 ha fotografato un sorpasso che molti sospettavano e quasi nessuno aveva quantificato: i modelli open-weight cinesi rappresentano circa il 60% di tutto l’uso di intelligenza artificiale su OpenRouter, il router di modelli di terze parti più usato al mondo. Non si tratta di una nicchia di sviluppatori curiosi. Si tratta del traffico aggregato di chi, ogni giorno, decide quale modello mandare in produzione.

OpenRouter funziona come uno smistatore. Mette in concorrenza decine di modelli e instrada ogni richiesta verso quello scelto dallo sviluppatore, misurando i token consumati. È, in pratica, un termometro del mercato applicativo reale, lontano dalle classifiche di benchmark e dai comunicati stampa.

E quel termometro adesso segna Pechino.

La distinzione tra benchmark e uso effettivo merita una sottolineatura. Una classifica di benchmark misura quanto un modello è bravo in test standardizzati. Il traffico di OpenRouter misura cosa gli sviluppatori scelgono davvero quando devono pagare ogni token di tasca propria e portare un’applicazione in produzione. La prima è una vetrina, il secondo è un mercato. Ed è il mercato che racconta dove sta andando il settore.

Quattro nomi che due anni fa non esistevano

I modelli che trainano questa quota portano nomi diventati familiari in fretta. Kimi K2.6 di Moonshot AI, DeepSeek V4, GLM-5.1 di Zhipu, Qwen 3 di Alibaba. Famiglie diverse, laboratori diversi, ma una strategia comune: rilasciare i pesi del modello e lasciare che il mercato li adotti senza chiedere permesso.

La velocità del ribaltamento è la parte che merita attenzione. Alla fine del 2024 i modelli cinesi pesavano meno del 2% del traffico su OpenRouter. In meno di diciotto mesi sono passati a guidare la classifica in modo stabile, occupando spesso quattro delle prime cinque posizioni per token elaborati.

Diciotto mesi.

È un tempo brevissimo per uno spostamento di questa portata. Per fare un paragone, le grandi transizioni tecnologiche del passato, dal desktop al mobile, dalla licenza al cloud, hanno richiesto anni prima di ribaltare le quote di mercato. Qui il ribaltamento è avvenuto nell’arco di un anno e mezzo, e non per una campagna di marketing, ma per la somma di milioni di decisioni tecniche prese da sviluppatori che hanno semplicemente scelto lo strumento più conveniente.

Il motore di questa adozione non è ideologico. È economico.

La matematica del costo per token

Un modello open-weight cinese di fascia alta costa allo sviluppatore una frazione di quanto chiede un modello chiuso americano di pari livello. Su molti carichi il divario di prezzo arriva a essere di quindici o venti volte. Un modello cinese di punta può costare nell’ordine di pochi decimi di dollaro per milione di token in ingresso, mentre un modello chiuso di frontiera ne chiede diversi dollari, fino a soglie molto più alte sui token in uscita.

Questo divario sarebbe irrilevante se si traducesse in una qualità nettamente inferiore. Non è così.

Su compiti come la generazione di codice o l’automazione di flussi infrastrutturali, i benchmark mostrano un distacco ormai ridotto a pochi punti percentuali. Su prove di riferimento del settore, dove si misura la capacità di risolvere problemi reali di programmazione, alcuni modelli cinesi si collocano a una manciata di punti dai migliori modelli chiusi occidentali, a un costo che è una frazione del loro.

Per chi gestisce volumi industriali, la matematica diventa difficile da ignorare. Un’applicazione che processa miliardi di token al mese vede la differenza tra un modello e l’altro tradursi in centinaia di migliaia di euro di costo. A parità sostanziale di risultato, la scelta del modello più economico smette di essere una preferenza e diventa una necessità di bilancio.

È qui che la quota del 60% trova la sua spiegazione più prosaica. Non è una vittoria della tecnologia cinese sul piano della pura eccellenza. È una vittoria sul piano del rapporto tra prestazioni e prezzo, che per la stragrande maggioranza delle applicazioni reali conta più della frontiera assoluta.

Il silenzio del candidato americano

C’è un’assenza che pesa quanto le presenze. Il modello open di frontiera atteso da Meta, conosciuto con il nome in codice Avocado, è rimasto in silenzio. Doveva essere la risposta occidentale alla pressione cinese sull’open-weight, la prova che la fascia dei modelli a pesi aperti potesse avere un baricentro anche fuori dalla Cina.

Quel baricentro, per ora, non si è materializzato.

Meta era stata, con la famiglia Llama, l’azienda che più di ogni altra aveva legittimato l’open-weight in Occidente. Aveva dimostrato che un grande laboratorio americano poteva rilasciare modelli scaricabili e costruirci attorno una comunità di sviluppatori. Il prolungato silenzio sul successore di frontiera lascia un vuoto che i laboratori cinesi hanno riempito senza incontrare resistenza.

Il risultato è un mercato open-weight dove l’offerta competitiva, accessibile e in rapido miglioramento parla quasi esclusivamente cinese. Gli sviluppatori europei che vogliono costruire applicazioni su modelli scaricabili, ospitabili sui propri server e modificabili, trovano davanti a sé un catalogo dominato da un solo Paese.

I laboratori americani di frontiera, da parte loro, hanno scelto in larga parte la strada opposta: modelli chiusi, accessibili solo via API, con i pesi tenuti segreti. Una strategia che protegge il vantaggio competitivo ma lascia scoperta proprio la fascia, quella dell’open-weight, dove la Cina ha costruito la sua egemonia.

La convenienza ha una giurisdizione

Qui il discorso smette di essere tecnico e diventa strategico.

Un modello open-weight scaricato ed eseguito sui propri server europei è una cosa. Una richiesta inviata a un endpoint API ospitato in Cina è un’altra. La distinzione è decisiva e spesso ignorata.

Nel secondo caso, ogni prompt che contiene codice proprietario, dati di clienti, documenti interni o informazioni sensibili viene elaborato sotto la giurisdizione della legge cinese sull’intelligence nazionale, che impone alle aziende del Paese forme di collaborazione con le autorità. Per un’impresa europea soggetta al GDPR e, dal 2026, agli obblighi del Regolamento UE 2024/1689 (AI Act), la differenza non è una sfumatura giuridica. È la differenza tra un trattamento dati conforme e uno che espone a sanzioni e a perdita di controllo su informazioni riservate.

Il punto è che la convenienza spinge verso la scorciatoia. Usare l’endpoint gestito è più rapido che attrezzare un’infrastruttura di inferenza interna: non serve comprare hardware, configurare server, gestire il carico. Si scrive una riga di codice e si paga a consumo. E la scorciatoia porta i dati fuori dal perimetro europeo.

La sovranità tecnologica, di cui le istituzioni europee parlano da anni, si gioca esattamente in questa frizione quotidiana tra costo e controllo. Non nei vertici, ma nella riga di configurazione che uno sviluppatore scrive un martedì pomeriggio per risparmiare sul budget cloud del trimestre.

Esiste una via d’uscita, ma costa fatica. Scaricare il modello open-weight ed eseguirlo su infrastruttura europea, propria o di un fornitore soggetto al diritto comunitario, taglia il legame con la giurisdizione estera. I pesi sono gli stessi, ma i dati non lasciano il continente.

Il prezzo di questa scelta è organizzativo. Serve hardware adeguato, competenze di gestione dell’inferenza, un presidio tecnico che l’endpoint gestito risparmia. Per molte imprese, soprattutto le più piccole, è una soglia alta, e la tentazione di affidarsi alla scorciatoia resta forte.

È qui che la convenienza apparente di breve termine entra in conflitto con il controllo di lungo termine. Risparmiare oggi sull’infrastruttura significa, spesso, cedere domani il governo dei propri dati. Una scelta che andrebbe fatta con consapevolezza, e che invece troppo spesso si subisce per inerzia.

Open-weight non vuol dire open-source

Vale la pena sciogliere un equivoco diffuso. Questi modelli sono open-weight, cioè rilasciano i parametri addestrati e permettono di eseguirli e adattarli. Non sono open-source nel senso pieno: i dati di addestramento, le ricette di training e molte scelte progettuali restano spesso opache.

La distinzione conta per chi deve valutare rischi e conformità. Un modello scaricabile riduce la dipendenza da un fornitore remoto, perché lo si può eseguire sui propri server, ma non elimina le domande su come è stato costruito, su quali bias incorpora e su quali comportamenti emergono in produzione. La trasparenza dei pesi non equivale alla trasparenza del processo.

Per le imprese italiane che stanno valutando l’adozione, la lezione operativa è duplice. Da un lato, i modelli cinesi open-weight offrono un rapporto prestazioni-prezzo che cambia il calcolo di convenienza di interi progetti, soprattutto se eseguiti su infrastruttura propria o europea. Dall’altro, l’esecuzione sicura richiede competenze di deployment, governance del dato e analisi del rischio che molte organizzazioni non hanno ancora costruito.

Scaricare un modello è facile. Eseguirlo in modo che rispetti gli obblighi di legge, che protegga i dati e che si comporti in modo prevedibile in produzione è tutto un altro mestiere.

Su questo terreno AIPIA propone una guida operativa all’AI Act aggiornata periodicamente, pensata per chi deve tradurre la scelta di un modello in una procedura difendibile davanti a un’autorità di controllo.

L’alternativa europea che fatica a imporsi

L’Europa non è del tutto assente dalla partita open-weight. Realtà come la francese Mistral hanno provato a costruire modelli a pesi aperti competitivi, dimostrando che il continente ha le competenze tecniche per stare sulla frontiera.

Il problema non sono le idee. È la scala.

Addestrare e mantenere una famiglia di modelli al passo con i laboratori cinesi e americani richiede una capacità di calcolo e una disponibilità di capitale che pochi attori europei possono mobilitare. I concorrenti cinesi godono spesso di un sostegno statale e di un mercato interno enorme. Quelli americani siedono su flussi di investimento privato senza paragoni in Europa.

Il risultato è che gli sforzi europei, per quanto validi, restano sottodimensionati rispetto alla concorrenza. Producono modelli buoni, ma non abbastanza numerosi, frequenti e capillari da spostare le quote di un mercato come OpenRouter, dove conta anche la rapidità con cui escono versioni nuove e migliori.

Per un’impresa italiana che cerca un modello aperto da mettere in produzione, l’opzione europea esiste ma è più stretta. La scelta concreta, troppo spesso, si riduce a un modello cinese economico o a un modello chiuso americano costoso, con l’alternativa continentale relegata a una nicchia.

Una dipendenza che si sposta, non si risolve

Per anni il timore europeo si è concentrato sui modelli chiusi americani: OpenAI, Anthropic, Google. La dipendenza era reale, ma almeno condivideva un quadro normativo e geopolitico relativamente prossimo, con accordi di trasferimento dati e un terreno di dialogo istituzionale. Lo spostamento del baricentro open-weight verso la Cina aggiunge una seconda dipendenza, su un asse molto più distante e meno regolato da intese comuni.

L’Europa rischia così di trovarsi stretta tra due poli. I modelli chiusi di frontiera restano in larga parte statunitensi. I modelli aperti, economici e pronti per la produzione sono in larga parte cinesi. Nel mezzo, l’offerta europea fatica a imporsi sia sulla frontiera sia sul prezzo, schiacciata tra chi domina la qualità assoluta e chi domina il rapporto costo-prestazioni.

Chi vuole approfondire il rapporto tra autonomia tecnologica e regole comunitarie trova un quadro nelle analisi AIPIA sulle politiche europee per l’intelligenza artificiale, mentre la letteratura disponibile nella sezione dedicata ai libri sull’intelligenza artificiale aiuta a contestualizzare la corsa open-weight nella storia più lunga del software libero.

Il 60% su OpenRouter non è una classifica sportiva. È la misura di quanto rapidamente una scelta di campo industriale possa diventare struttura. E le strutture, una volta sedimentate, si smontano molto più lentamente di quanto si formino.