TL;DR: OpenAI spinge una famiglia di modelli con fasce di prezzo molto distanti; Anthropic concentra l’offerta su un modello bilanciato e regola il compromesso con l’effort. Per una PMI non vince il token più economico. Vince il sistema che porta più richieste a un risultato accettabile senza retry, correzioni manuali e logica di routing fragile.
La nuova gara sui prezzi API rende facile fare il confronto sbagliato: mettere due listini affiancati e scegliere il numero più basso. È un dato utile, ma non è ancora un costo operativo. Un’automazione WordPress che costa poco a chiamata e poi inventa un link, rompe un JSON o richiede una revisione umana non è economica.
Il criterio di questo confronto è quindi il costo per risultato accettato: token consumati, tentativi necessari, tempo umano, latenza tollerabile e manutenzione dell’integrazione. Su questa base emergono due strategie diverse.
Strategia A: OpenAI e il routing tra fasce
OpenAI propone una famiglia con ruoli distinti. Nel comunicato del 30 luglio 2026, l’azienda ha indicato per GPT-5.6 Terra un prezzo API di 2 dollari per milione di token in input e 12 dollari in output; per Luna, 0,20 dollari in input e 1,20 dollari in output. Sol resta la fascia per i compiti più difficili. La tesi è chiara: non usare la stessa capacità per tutto.
Questa struttura favorisce il routing. Luna può classificare ticket, estrarre campi da un form o preparare metadati. Terra può gestire una bozza tecnica o una trasformazione strutturata. Sol entra solo quando il rischio o la complessità lo giustificano. Anche il Batch API, con elaborazione asincrona entro 24 ore e sconto del 50% dichiarato da OpenAI, è adatto a lavori differibili come tagging, riepiloghi interni e controllo di cataloghi.
Il vantaggio è concreto: si evita di pagare capacità frontier per richieste ripetitive. Lo svantaggio arriva subito dopo. Il team deve definire soglie, fallback e test per capire quando passare da un modello all’altro. Un router basato sulla lunghezza del prompt è quasi sempre troppo ingenuo; servono almeno tipo di task, rischio dell’errore e formato atteso.
Strategia B: Anthropic e un modello bilanciato
Anthropic ha lanciato Claude Sonnet 5 a 2 dollari per milione di token in input e 10 dollari in output. Il prezzo era nato come promozione, ma il 10 agosto 2026 l’azienda lo ha reso permanente e ha cancellato il rincaro previsto per settembre. Anthropic permette inoltre di regolare l’effort, cioè quanta elaborazione dedicare al compito.
Qui l’approccio è più semplice: un modello principale, un contratto di output stabile e livelli di effort scelti per workload. Per una piccola squadra significa meno branching nel codice, meno combinazioni da testare e log più facili da leggere. Prompt caching e batch processing restano disponibili; la documentazione Anthropic indica per il batch uno sconto del 50% su input e output.
Il limite è economico sui grandi volumi di lavoro semplice. Usare Sonnet per migliaia di classificazioni elementari può essere meno efficiente di una fascia economica dedicata. Il prezzo permanente rende il business case più stabile, ma non elimina il divario con un modello costruito per task ad alto volume e basso rischio.
Il listino non misura retry e output
Prendiamo un workload teorico con un milione di token in input e 200.000 token in output. Con i prezzi annunciati, Terra costa 4,40 dollari; Sonnet 5 costa 4 dollari; Luna costa 0,44 dollari. Il divario sembra enorme.
Ma basta un retry completo perché il conto raddoppi. E basta una revisione umana di dieci minuti perché il costo dei token diventi secondario. Per questo il benchmark utile non è “quanto costa un milione di token?”, ma “quante esecuzioni su cento superano lo stesso gate senza intervento?”. Va misurato sul proprio materiale: articoli, preventivi, ticket, schede prodotto, snippet PHP e payload delle automazioni.
È lo stesso principio discusso nel confronto tra costo del modello e costo dell’harness: il prezzo API è solo una riga del sistema.
Cosa cambia per WordPress e automazioni
In un flusso editoriale WordPress, i task non hanno tutti lo stesso rischio. Generare cinque tag è reversibile. Pubblicare una pagina, modificare uno slug o inviare un’email richiede validazione deterministica e un gate umano o automatico. Il modello più costoso non sostituisce questi controlli.
Con OpenAI ha senso separare i task economici da quelli complessi, purché l’integrazione registri modello, token, errori di schema, retry e risultato del gate. Con Anthropic ha senso partire da Sonnet 5 con un solo adapter e variare l’effort. In entrambi i casi, n8n, Make o un plugin WordPress dovrebbero parlare con un’interfaccia interna stabile, non con chiamate sparse al provider. Così un cambio di modello non obbliga a riscrivere il workflow.
Cache e batch vanno applicati per struttura del lavoro. La cache aiuta quando una parte consistente del contesto si ripete. Il batch aiuta quando la risposta può arrivare più tardi. Nessuno dei due risolve prompt instabili, output non validati o dati inviati senza una policy.
Pro e contro operativi
La strategia OpenAI multi-fascia offre il potenziale di costo più basso e una buona separazione tra task semplici e complessi. Richiede però osservabilità, eval e manutenzione del router. Senza questi elementi, il risparmio esiste nel foglio di calcolo e si perde nei fallback.
La strategia Anthropic con un modello bilanciato riduce il lavoro di integrazione e rende più semplice confrontare le esecuzioni. Il prezzo di Sonnet 5 è ora permanente, ma resta superiore a quello delle fasce costruite per operazioni banali e ad alto volume.
La mia take: prima semplicità, poi routing
Per la maggior parte delle PMI sceglierei inizialmente un solo modello bilanciato, un set di test reale e un budget per workflow. È la strada più rapida per capire dove si spende davvero. In questa fase Sonnet 5 ha un vantaggio di semplicità e un prezzo stabile che rende il pilot competitivo.
Passerei alla famiglia OpenAI con routing solo dopo aver raccolto abbastanza log da identificare task numerosi, stabili e a basso rischio da spostare su Luna, lasciando Terra o Sol ai casi difficili. A quel punto il risparmio non è una promessa del listino: è misurabile. Scegliere subito l’architettura più complessa per inseguire il token più economico è un’ottimizzazione prematura.