TL;DR: GPT-5.6 Sol Ultrafast può ridurre molto il tempo di inferenza, ma non va acceso su tutto il workflow. Prima misura dove l’utente aspetta davvero, separa le richieste interattive dai lavori asincroni e usa il tier più veloce solo sul percorso critico.
OpenAI ha presentato Ultrafast il 13 agosto 2026: una modalità in preview limitata per GPT-5.6 Sol, eseguita su infrastruttura Cerebras, con velocità dichiarata fino a 14 volte quella del processing Standard e fino a 750 token di output al secondo. Il numero impressiona. Per una PMI, però, la domanda utile è un’altra: quei millisecondi sbloccano una persona o accelerano un processo che poteva tranquillamente finire in background?
Il problema: scegliere la modalità veloce ovunque
Un chatbot sul sito, un assistente vocale e una risposta durante un incidente hanno un vincolo di attesa. La generazione notturna di descrizioni prodotto, il controllo dei contenuti WordPress e un report interno no. Trattarli allo stesso modo significa progettare l’infrastruttura attorno al nome del tier, non al lavoro da completare.
La soluzione: crea un budget di latenza
- Misura il tempo completo. Registra p50 e p95 dalla richiesta alla risposta utile. Non fermarti ai token al secondo: DNS, API esterne, tool calling e scritture su WordPress possono pesare più dell’inferenza.
- Classifica il flusso. Segna come interattivo solo ciò che blocca una persona. Tutto il resto resta Standard, in coda o in batch. Ho già spiegato il criterio nel confronto tra Batch API e richieste real-time per WordPress.
- Accelera un solo passaggio. Se il workflow usa più chiamate, applica Ultrafast alla decisione che sta nel percorso critico. Estrazione, arricchimento e archiviazione possono restare asincroni.
- Confronta su casi reali. Usa lo stesso set di richieste e registra tempo totale, task completati, errori e costo per task quando il prezzo sarà disponibile. La preview è limitata: oggi serve preparare il test, non promettere un risparmio non pubblicato.
L’errore da evitare
Non usare il dato “fino a 750 token al secondo” come previsione del tempo percepito. Misura la tua catena. Se il collo di bottiglia è un gestionale lento, una REST API WordPress o un controllo umano, un modello più rapido arriverà prima allo stesso semaforo rosso.
Take finale
La velocità di inferenza è una risorsa da instradare, non un’impostazione globale. Il mio criterio è semplice: usa il tier più veloce solo quando il p95 del percorso critico impedisce a una persona di concludere il lavoro. Negli altri casi, ottimizza coda, cache e architettura prima di cambiare modalità.