La guerra dei prezzi nell'intelligenza artificiale ha raggiunto un nuovo punto di rottura. Mentre OpenAI tenta di arginare la fuga delle imprese con tagli drastici ai costi, l'aggiornamento V4 Flash 0731 di DeepSeek dimostra che l'efficienza del post-training può annullare qualsiasi vantaggio economico basato su sconti di listino.

Il sorpasso dell'efficienza sul prezzo

Nonostante OpenAI abbia ridotto i prezzi di GPT-5.6 fino all'80%, portando il modello Luna a 1,20 dollari per milione di token in output (con offerte esterne che scendono a 0,60 dollari), DeepSeek mantiene un vantaggio competitivo schiacciante. Il nuovo V4 Flash 0731, disponibile a 0,28 dollari per milione di token, risulta circa il 60% più economico per singola attività a parità di intelligenza.

Questo divario è alimentato non solo dal prezzo base, ma da una strategia di caching aggressiva: DeepSeek offre uno sconto del 98% sui token in cache, superando lo standard industriale fissato al 90%. Il risultato è un modello che, pur mantenendo l'architettura originale da 284 miliardi di parametri totali (di cui 13 miliardi attivi), raggiunge un punteggio di 50 nell'Intelligence Index di Artificial Analysis, posizionandosi a un solo punto di distanza da GPT-5.6 Luna.

Prestazioni agentiche e test di stress reali

Il vero salto qualitativo della versione 0731 risiede nel ri-addestramento focalizzato sui carichi di lavoro agentici. Come già evidenziato in una precedente analisi sulla beta, il modello ha superato persino la versione V4 Pro Preview in diversi benchmark. I dati confermano un'impennata nei test di coding: su Terminal Bench 2.1 il punteggio è salito da 61,8 a 82,7, mentre su DeepSWE è passato da un mediocre 7,3 a 54,4, un incremento che solitamente richiederebbe una nuova generazione di modelli.

Test empirici condotti su scenari complessi (canvas test) mostrano divergenze nette tra i due contendenti. Nella simulazione di un cubo di Rubik, DeepSeek ha gestito correttamente ogni rotazione, mentre Luna ha mostrato bug visivi e instabilità. Anche nella generazione di animazioni, il modello cinese si è dimostrato più fluido, laddove GPT-5.6 Luna ha spesso fallito nel rendering dinamico, restituendo immagini statiche.

Verso la democratizzazione del coding di frontiera

L'integrazione nativa con il formato Responses e la compatibilità con Codex rendono V4 Flash 0731 uno strumento estremamente appetibile per gli sviluppatori. La capacità di gestire un contesto di 1 milione di token a costi così contenuti sposta l'asse della competizione: non si tratta più solo di chi possiede il modello più potente, ma di chi offre la migliore "intelligenza per dollaro".

Mentre OpenAI continua a puntare su modelli di fascia alta come GPT-5.6 Sol per mantenere il primato nei benchmark di ragionamento puro, la strategia di DeepSeek mira a dominare l'infrastruttura operativa delle aziende, rendendo il coding assistito e l'automazione agentica accessibili su scala massiva senza i costi proibitivi dei modelli frontier.