Sfoglia altri articoli simili con le etichette:
OpenAI ha rilasciato sei iterazioni della famiglia GPT-5 nei primi nove mesi successivi al lancio del modello base. GPT-5, GPT-5.1, GPT-5.2, GPT-5.2-Codex, GPT-5.3, GPT-5.4. Nel frattempo GPT-4.1 è arrivato a inizio 2026 come riferimento per le API enterprise, mentre GPT-4o è stato deprecato come default in ChatGPT e mantenuto come grandfathered per chi aveva integrazioni storiche. Tradotto: oggi non basta dire “usiamo OpenAI”, conta quale modello, in quale contesto, a quale costo.
Il listino ufficiale OpenAI a maggio 2026 ha più di una dozzina di voci attive. Scegliere bene il modello vale, su workload reali, fino a dieci volte il costo mensile della stessa applicazione.
La famiglia dopo agosto 2025
GPT-5 ha debuttato come sistema unificato, con un router interno che decide automaticamente se rispondere veloce o pensare a lungo. La promessa di OpenAI era la fine del model picker: un solo modello per tutti i casi. Non è andata come previsto.
Pochi giorni dopo il lancio, Sam Altman ha dovuto rimettere GPT-4o nella lista dei modelli disponibili per gli utenti Plus. Una fetta della base lo trovava “più caldo, più creativo” rispetto a GPT-5, che diversi utenti hanno descritto come “piatto” e “da segretaria sovraccarica”. Effetto secondario interessante: il modello deprecato è tornato in vita come scelta esplicita dell’utente, non più default ma comunque attivo.
Da lì in avanti, OpenAI ha rilasciato GPT-5.1 a novembre 2025, GPT-5.2 a dicembre, GPT-5.2-Codex a febbraio 2026, GPT-5.3 e infine GPT-5.4 il 5 marzo 2026. A marzo OpenAI ha ritirato la linea 5.1, migrando automaticamente le conversazioni in corso sulle versioni 5.3 e 5.4. Ogni release ha portato variazioni di tono, capacità di reasoning, gestione del contesto e prezzo. Il quadro è meno lineare di quello che la pagina pricing fa pensare.
GPT-4o, il modello sopravvissuto
GPT-4o resta disponibile via API a 2,50 dollari per milione di token in input e 10 in output. È il listino grandfathered: OpenAI lo mantiene per gli integratori che avevano build production-grade pre-2026, senza forzare migrazioni.
Quando ha ancora senso usarlo? In tre scenari concreti che vedo sul campo.
Il primo è la voce conversazionale. ChatGPT Voice ha sostituito Advanced Voice Mode con il lancio di GPT-5, ma per chi costruisce assistenti vocali via API la latenza di GPT-4o sulla Realtime API resta competitiva, e l’integrazione è collaudata. Lo uso ancora in due progetti di customer service per clienti enterprise, non per scelta strategica ma per inerzia tecnica giustificata: cambiare modello significa rifare prompt engineering, regression test su mesi di trascript, e validazione QA con i team interni del cliente.
Il secondo è la generazione creativa con tono umano. I feedback su GPT-5 nei primi mesi erano espliciti, e Altman stesso ha riconosciuto il problema dicendo che OpenAI “aveva sottovalutato quanto contassero per gli utenti le cose che piacevano di GPT-4o”. Per copywriting emotional, claim marketing, contenuti brand-voice forte, GPT-4o continua a dare risultati meno levigati ma più vivi. GPT-5 in modalità Auto tende al sicuro, GPT-4o sa essere più sgraziato e per certi tipi di scrittura è quello che serve.
Il terzo è il fine-tuning legacy. Chi ha fine-tunato GPT-4o nel 2024-2025 ha investito tempo e dataset proprietari. Migrare a GPT-5 o GPT-4.1 richiede di rifare il lavoro da capo. Quasi sempre conviene aspettare l’end-of-life ufficiale del modello, che OpenAI non ha ancora annunciato.
GPT-4.1, lo strumento delle API enterprise
GPT-4.1 è arrivato nei primi mesi del 2026 con una missione precisa: diventare il default API per i casi production-grade. Costo: 5 dollari per milione di token in input, 15 in output sulla versione full. Le varianti Mini (0,40 e 1,60 dollari) e Nano (0,10 e 0,40) coprono i workload ad alto volume.
Il numero che conta davvero è un altro. Contesto: 1 milione di token. Significa caricare un intero codebase di medie dimensioni in un singolo prompt, oppure 600 pagine di documentazione, oppure dieci anni di conversazioni con un cliente in una sola chiamata API. GPT-4o ne gestiva 128.000.
Nei progetti di marketing è il modello che uso per analisi di knowledge base estese. Tutto lo storico email di un brand, l’intera content library di un blog, gli archivi di una customer support history. GPT-4.1 Nano a 0,10 dollari per milione di token gira più volte al giorno su task ripetitivi di classificazione e summarization senza far esplodere il budget. Su un cliente PMI il conto a fine mese è di poche decine di euro per centinaia di migliaia di chiamate.
GPT-5 e le sue versioni a cascata
Il listino del modello base GPT-5 a maggio 2026 è 1,25 dollari per milione di token in input e 10 in output. GPT-5.4, il flagship corrente, costa 2,50 in input e 15 in output. GPT-5.5, uscito di recente, sta a 5 in input e 30 in output. La curva di prezzo segue la curva di capacità di reasoning.
La differenza pratica tra GPT-5 base e GPT-5.4 è meno nei benchmark astratti, più nel comportamento sui task lunghi. GPT-5.4 mantiene il contesto su workflow multi-step, gestisce meglio strumenti come spreadsheet e presentazioni, fa research deep più affidabile. Sui task brevi e diretti, la differenza si nota poco e non sempre giustifica il doppio del prezzo.
Spoiler: nella stragrande maggioranza dei progetti marketing che vedo, GPT-5 base o GPT-5.4-mini bastano. GPT-5.5 e GPT-5.4 Pro hanno senso quando il prompt include centinaia di pagine di documento, oppure quando il task richiede ragionamento multi-step su problemi che, se sbagliati, fanno perdere ore di lavoro alle persone che stanno a valle.
Una nota sul reasoning. Da settembre 2025 OpenAI ha introdotto il toggle Standard / Extended per il tempo di pensiero del modello. Più tempo di reasoning, costo più alto, risposta più accurata. Per analisi di posizionamento competitivo, due ore di un consulente vengono sostituite da venti minuti di output e tre dollari di API. La matematica torna, quando il problema lo merita.
Criterio di scelta sul tipo di lavoro
Quello che noto sul campo è che la scelta del modello non si fa sui benchmark, si fa sul tipo di errore che il progetto può permettersi.
Per chatbot di assistenza prevendita, dove ogni errore costa una conversazione perduta ma raramente un cliente perso, GPT-5.4 Mini è il punto di equilibrio: prezzo basso, latenza accettabile, qualità sopra la soglia per il 95% dei thread. Provato su due brand retail italiani, copre senza problemi le richieste su disponibilità, taglie, spedizioni e resi.
Per generazione di contenuti SEO e AIO, dove la qualità è il prodotto stesso, GPT-5 base con un prompt curato batte spesso GPT-5.4 con un prompt sciatto. La leva non è il modello, è il prompt engineering. Lo dico per esperienza diretta: ho visto progetti enterprise spendere mille dollari al mese in GPT-5.4 per output che un modello da un decimo della spesa avrebbe prodotto con un system prompt scritto bene. Quello che fa la differenza non è il listino, è chi ci sta davanti.
Per analisi documentale e knowledge management, GPT-4.1 con il suo milione di token di contesto vince a mani basse. Caricare l’intero archivio di un anno di newsletter, l’intera knowledge base di un servizio post-vendita, una sentenza giuridica di trecento pagine: nessun altro modello del listino lo regge in singolo prompt.
Per coding e workflow agentici, GPT-5.2-Codex e GPT-5.4 sono i due da mettere sul tavolo. GPT-5.2-Codex costa meno (1,75 in input, 14 in output), GPT-5.4 ha reasoning più solido sui task lunghi e gestisce meglio l’uso di tool esterni durante il task. La scelta dipende dal grado di autonomia che si vuole dare all’agente.
I costi reali su un workload tipico
Caso pratico, numeri veri. Un cliente PMI mi chiede di automatizzare la classificazione di tremila ticket di customer support al mese in dodici categorie, con motivazione testuale per ogni classificazione.
Input medio per ticket: 400 token. Output medio: 80 token. Tremila ticket al mese, ogni ticket processato due volte (primo passaggio classifica, secondo passaggio motiva): 2,4 milioni di token in input, 480 mila in output.
Con GPT-5.4-mini a 0,75 e 4,50 dollari per milione: 1,80 dollari di input più 2,16 di output, totale 3,96 dollari al mese. Con GPT-5.4 full: 6 più 7,20, circa 13 dollari al mese. Con GPT-4.1 Nano: 0,24 più 0,19, totale 43 centesimi al mese. Lo stesso lavoro, dieci volte il prezzo cambiando un parametro nella chiamata API.
La domanda quindi non è “quale modello è migliore”. È “quale livello di qualità giustifica la spesa addizionale per questo workload”. In questo specifico caso GPT-4.1 Nano fa il lavoro per il prezzo di un caffè al mese. L’errore tipico, che vedo ripetersi su consulenze e audit, è scegliere il modello flagship per paura di sbagliare. Costa dieci volte tanto, e nel 90% dei casi non aggiunge valore percepibile dal cliente finale. Il flagship serve dove il flagship cambia il risultato.
La logica si applica a ogni progetto. Su Custom GPT costruiti per task ripetuti il modello base è quasi sempre sufficiente, perché la qualità sta nel prompt e nelle istruzioni del Custom GPT, non nel modello sottostante. Su lavori di posizionamento per chatbot generativi, l’ottimizzazione per i motori generativi richiede flagship solo nella fase di analisi semantica iniziale, non nella generazione operativa che segue. Su prompt engineering avanzato la regola è inversa: un buon prompt su un modello mid-tier batte quasi sempre un prompt mediocre su un flagship.
Per chi sta strutturando competenze AI dentro un team o uno studio professionale, la scelta del modello è solo una parte della partita. AIPIA mantiene un programma formativo sull’uso applicato dei modelli generativi, dalle credenziali europee fino al lavoro pratico con LLM su workflow di business. Il punto è che la decisione su “quale modello” non è una scelta tecnica isolata, è una competenza professionale con valore di mercato chiaro.
Il listino OpenAI a maggio 2026 ha più di una dozzina di voci attive. La scelta non si fa leggendo la pricing page, si fa misurando il costo del lavoro umano che il modello sostituisce e il costo dell’errore che il modello può commettere. Tutto il resto è marketing.
