OpenAI ha portato in disponibilità generale GPT-5.6 il 9 luglio 2026, chiudendo la sequenza di rilasci più concentrata che il mercato dei modelli linguistici ricordi: il 30 giugno Anthropic aveva lanciato Claude Sonnet 5, l’8 luglio xAI aveva rilasciato Grok 4.5. Tre modelli nuovi in dieci giorni, tre listini che si incrociano, tre strategie diverse su benchmark, contesto e disponibilità geografica. Per chi deve scegliere su quale modello costruire un progetto, un flusso di lavoro o un prodotto, l’estate 2026 offre più alternative e più confusione insieme. Questo articolo mette in fila i numeri verificabili dei tre rilasci, i prezzi per milione di token, i punteggi disponibili e il fattore che nessuna classifica misura: la possibilità concreta di usare il modello dall’Unione Europea.
Dieci giorni, tre rilasci: la cronologia e le strategie
La sequenza non è casuale. Anthropic ha aperto le danze il 30 giugno con Claude Sonnet 5, un modello di fascia media dichiaratamente ottimizzato per il lavoro agentico e accompagnato da un prezzo introduttivo aggressivo. xAI ha risposto l’8 luglio con Grok 4.5, presentato da Elon Musk come un modello di classe Opus ma più veloce ed economico. OpenAI ha chiuso il 9 luglio con la famiglia GPT-5.6 in tre varianti, Sol, Terra e Luna, coprendo in un colpo solo la fascia alta, quella media e quella economica. Ognuno dei tre annunci risponde agli altri due: i prezzi si rincorrono, i posizionamenti si sovrappongono, le finestre temporali si accavallano di proposito.
Chi osserva da fuori vede una gara. Chi deve firmare un contratto vede un problema di selezione.
Per le imprese la compressione dei tempi ha un costo nascosto. Ogni rilascio impone di rivalutare le scelte fatte: i test interni condotti a maggio su un modello sono già vecchi a luglio, i preventivi calcolati su un listino durano settimane, le integrazioni costruite su una versione vanno riverificate sulla successiva. Le aziende più strutturate hanno iniziato a trattare la valutazione dei modelli come un processo continuo, con batterie di prove interne da rieseguire a ogni annuncio rilevante, e non come una decisione da prendere una volta l’anno in sede di budget.
I benchmark disponibili: cosa dicono e cosa tacciono
Partiamo dai numeri pubblici. GPT-5.6 Sol, la variante di punta di OpenAI, dichiara il 91,9 percento su Terminal Bench 2.1, la prova che misura la capacità di completare compiti reali in un terminale: configurare ambienti, gestire file, eseguire sequenze di operazioni verso un obiettivo. Grok 4.5 porta due dati: un punteggio di 54 sull’Artificial Analysis Intelligence Index, che lo colloca al quarto posto della classifica generale, e la prima posizione su SWE Marathon con il 29 percento, un benchmark di ingegneria del software su compiti di lunga durata. Per Claude Sonnet 5 Anthropic non ha messo un singolo punteggio al centro dell’annuncio: la comunicazione insiste sulla capacità di pianificare lavoro in più passaggi e condurre sessioni agentiche prolungate a costi da fascia media.
Tre modi diversi di raccontarsi, e già questo dice qualcosa. OpenAI sceglie un benchmark dove eccelle e lo mette in vetrina. xAI accetta un quarto posto nell’indice generale ma rivendica il primato nella prova più vicina al suo caso d’uso dichiarato, il coding di lunga durata. Anthropic evita la gara dei numeri e vende un profilo operativo.
Qui serve l’avvertenza che ripetiamo a ogni comparativa, perché è la parte che gli annunci omettono. I benchmark misurano compiti specifici in condizioni controllate: un punteggio su Terminal Bench non predice la qualità di un parere legale, un primato su SWE Marathon non garantisce una buona analisi di bilancio, un indice sintetico come quello di Artificial Analysis aggrega prove eterogenee in un numero solo, comodo da citare e povero di informazione. I punteggi vanno letti come indizi sul carattere di un modello, non come una classifica assoluta di utilità. E i tre modelli qui confrontati sono stati misurati da soggetti diversi, su prove diverse, in momenti diversi: il confronto diretto, quello vero, lo farà solo chi li prova sui propri compiti.
C’è poi il problema della contaminazione, che gli addetti ai lavori conoscono bene: quando una prova diventa famosa, i suoi contenuti finiscono nei dati di addestramento dei modelli successivi, e i punteggi si gonfiano senza che le capacità reali crescano nella stessa misura. È uno dei motivi per cui i benchmark si aggiornano di continuo, con nuove versioni e nuove prove, e per cui i laboratori seri accompagnano i numeri con valutazioni indipendenti. Chi legge una comparativa dovrebbe sempre chiedersi quanto è recente la prova, chi l’ha somministrata e se il risultato è stato replicato.
I prezzi per milione di token: la tabella ragionata
Sul prezzo il confronto è più pulito, perché l’unità di misura è la stessa per tutti: dollari per milione di token, distinti tra input e output. Grok 4.5 è il più economico dei tre in assoluto: 2 dollari in input e 6 in output, che secondo xAI significa circa il 60 percento in meno rispetto a Claude Opus 4.8 e a GPT-5.5. Claude Sonnet 5 costa 2 dollari in input e 10 in output, ma si tratta di un prezzo introduttivo valido fino al 31 agosto 2026: dal 1 settembre il listino sale a 3 e 15 dollari. La famiglia GPT-5.6 copre tre punti di prezzo: Sol a 5 e 30 dollari, Terra a 2,50 e 15, Luna a 1 e 6.
Qualche lettura tra le righe. Luna è l’unico modello che scende sotto i 2 dollari in input, ed è la risposta di OpenAI alla pressione dei modelli economici sulla fascia bassa. Grok 4.5 e Sonnet 5 si giocano la fascia dei 2 dollari con una differenza notevole sull’output, 6 contro 10, che pesa nei flussi dove il modello genera molto testo. Sol sta da solo sopra tutti, e chi lo sceglie paga il posizionamento di frontiera. Attenzione poi alle scadenze: il prezzo di Sonnet 5 che si legge oggi non è quello che si pagherà in autunno, e chi fa preventivi su progetti pluriennali deve usare il listino pieno, non quello promozionale.
Un ordine di grandezza per capirsi: elaborare mille documenti da centomila token ciascuno costa, di solo input, 200 dollari con Grok 4.5 o Sonnet 5, 100 con Luna, 500 con Sol. Moltiplicato per i volumi di un’azienda media, il criterio di scelta smette di essere estetico.
Contesto e capacità: dove i tre modelli divergono davvero
Il secondo asse tecnico è la finestra di contesto, la quantità di testo che il modello può tenere in considerazione in una singola richiesta. Qui Claude Sonnet 5 ha il dato più rilevante del trio: 1 milione di token di contesto, quanto basta per caricare interi archivi documentali, basi di codice complete o fascicoli processuali senza spezzarli. Per l’analisi di documenti lunghi è un vantaggio strutturale: meno frammentazione significa meno errori di ricucitura e pipeline più semplici da mantenere.
I tre modelli divergono anche nel profilo dichiarato. Sonnet 5 nasce per l’agentic coding e per le sessioni autonome prolungate, con l’ambizione di fare a costi medi ciò che prima richiedeva modelli di fascia alta. Grok 4.5 punta sullo stesso terreno, il coding e i compiti di ingegneria, forte del primato su SWE Marathon e di un’integrazione stretta con gli strumenti di sviluppo. La famiglia GPT-5.6 gioca invece la carta dell’ampiezza: tre varianti per tre fasce, con Sol orientato al ragionamento complesso e ai flussi agentici, Terra al lavoro quotidiano, Luna ai volumi. Nessuno dei tre è “il migliore” in senso assoluto, perché non stanno nemmeno gareggiando tutti sulla stessa pista.
Un asse meno visibile ma concreto è l’efficienza sui token. Musk ha presentato Grok 4.5 come un modello di classe Opus ma “più veloce, più efficiente sui token e meno costoso”: l’efficienza sui token significa che, a parità di compito, il modello consuma meno testo per arrivare al risultato, e quindi il costo effettivo può scendere sotto quanto suggerisce il listino. È un parametro difficile da verificare dall’esterno, perché dipende dal tipo di compito e dallo stile di risposta, ma va tenuto d’occhio: due modelli con lo stesso prezzo nominale possono generare fatture molto diverse a fine mese.
La disponibilità in UE: il dato che le classifiche non riportano
C’è un numero che non compare in nessun benchmark e che per i lettori italiani vale più del punteggio: Grok 4.5, al lancio, nell’Unione Europea non c’è. xAI ha indicato un arrivo atteso a metà luglio senza fissare una data, per ragioni di conformità normativa. GPT-5.6 e Claude Sonnet 5 sono invece disponibili in Europa dal primo giorno. Per un professionista o un’impresa con sede in Italia questo trasforma il confronto a tre in un confronto a due, almeno per qualche settimana, e introduce una domanda di fondo: che affidabilità dare a un fornitore il cui rapporto con il quadro regolatorio europeo resta irrisolto?
Non è una domanda retorica da compilatori di tabelle. Chi costruisce un prodotto sopra un’API ha bisogno di continuità: un modello che oggi non c’è, domani arriva e dopodomani potrebbe incontrare nuovi ostacoli regolatori è un rischio di fornitura, comunque vada la classifica. Il Regolamento UE 2024/1689 (AI Act) impone obblighi crescenti ai fornitori di modelli di uso generale, e l’atteggiamento di ciascun laboratorio verso quegli obblighi, dalla firma del GPAI Code of Practice alla trasparenza sui dati di addestramento, è ormai parte della scheda tecnica quanto il prezzo per token.
La geografia normativa è diventata una specifica di prodotto.
Quale modello per quale uso: la sintesi ragionata
Proviamo a tradurre il quadro in criteri pratici, con l’avvertenza che ogni caso reale merita una prova sul campo. Per il coding agentico e le automazioni tecniche di lunga durata, i candidati naturali sono Grok 4.5, quando arriverà in UE, forte del primato su SWE Marathon e del prezzo più basso, e Claude Sonnet 5, che unisce profilo agentico e disponibilità immediata in Europa. Per l’analisi di documenti lunghi, contratti, fascicoli, archivi, il milione di token di contesto di Sonnet 5 è l’argomento più concreto sul tavolo. Per chi cerca il massimo delle capacità di ragionamento e accetta di pagarle, GPT-5.6 Sol è il posizionamento di frontiera dichiarato. Per i compiti ad alto volume e a bassa complessità, Luna a 1 dollaro per milione di token in input è la scelta di bilancio.
Chi non sviluppa software non è escluso dal ragionamento: le stesse fasce si riflettono negli abbonamenti e negli strumenti di produttività che questi modelli alimentano, e capire quale motore gira sotto l’interfaccia aiuta a valutare cosa si sta pagando. Per costruire questo tipo di alfabetizzazione tecnica AIPIA propone i suoi percorsi formativi sull’intelligenza artificiale, mentre a chi preferisce partire dallo studio individuale è dedicata la selezione ragionata di libri sull’intelligenza artificiale curata dall’associazione.
Resta il punto di metodo, ed è la vera conclusione operativa di questa comparativa. Nessuno dei tre modelli vince su tutti gli assi: uno vince sul prezzo, uno sul contesto, uno sul benchmark che ha scelto di mettere in vetrina. Quando tutti i concorrenti possono dichiararsi primi in qualcosa, la classifica che conta è quella costruita sui compiti propri, con i documenti propri e i vincoli normativi propri. Il confronto dell’estate 2026 non consegna un vincitore. Consegna un mercato in cui scegliere bene è diventato un lavoro.
