Sfoglia altri articoli simili con le etichette:
Google DeepMind ha pubblicato ieri Gemini 2.0 Flash, modello multimodale che processa testo, immagini, audio e video in input, e che genera testo, immagini e audio in output nativamente. Il prezzo dichiarato è dieci centesimi di dollaro per milione di token in input e quaranta in output. Per dare una proporzione, GPT-4o costa 2,50 dollari in input e 10 in output. Venticinque volte tanto.
Il numero cambia la matematica di progetti che fino a ieri non avevano senso economico.
Cosa significa multimodalità nativa
Gemini 1.5 accettava già immagini e audio in input, ma generava solo testo. Per produrre un’immagine bisognava chiamare Imagen, per produrre audio si chiamava un servizio TTS separato. Tre modelli, tre fatture, tre latenze sommate.
Gemini 2.0 Flash fa tutto in una chiamata. Input audio di una persona che parla, output testo della trascrizione e audio sintetico della risposta in voce naturale. Input immagine di un menu, output testo della traduzione e immagine del menu con le voci sostituite. Tutto via API singola.
Il punto non è la novità tecnica. Il punto è che semplifica drasticamente l’architettura di applicazioni che oggi richiedono pipeline complesse.
Il prezzo come strategia di mercato
Dieci centesimi per milione di token input significa che processare un libro di trecento pagine costa circa due centesimi. Mille trascrizioni di chiamate di un’ora ciascuna costano alcune decine di dollari. Una pipeline di analisi di documentazione contrattuale su scala azienda diventa fattibile come operating cost ricorrente.
La domanda strategica è perché Google fa questo prezzo. Risposta probabile: hanno l’infrastruttura TPU interna, non comprano GPU NVIDIA al prezzo che paga chiunque altro, e stanno usando il vantaggio di costo per spingere quote di mercato cloud. Vertex AI e Google Cloud sono gli sponsor reali di questa mossa.
Project Astra, l’agente che osserva
Insieme a Gemini 2.0 Flash, Google ha mostrato Project Astra, un assistente che processa video del telefono in tempo reale e dialoga con l’utente su ciò che vede. La demo pubblicata su YouTube mostra una persona che punta la fotocamera su uno schermo di codice e chiede a Astra di trovare il bug. Funziona, almeno nella versione mostrata.
Astra non è disponibile al pubblico. Resta un teaser. Ma definisce dove Google sta puntando: agenti che vedono, ascoltano, e agiscono in tempo reale, con un modello a basso costo come motore.
Cosa significa per progetti AI in PMI italiane
Lavoro con aziende medie italiane su progetti AI dove il vincolo principale è il budget di esercizio. Sotto certi prezzi unitari, una pipeline che processa centomila documenti al mese semplicemente non si finanzia. La direzione si rifiuta di firmare un commitment annuale a sei zeri per qualcosa di sperimentale.
Con Gemini 2.0 Flash a dieci centesimi per milione di token, processare centomila documenti al mese si valuta nell’ordine delle centinaia di euro. Non migliaia. Centinaia. Cambia chi può permettersi di sperimentare.
La conseguenza pratica: nei prossimi sei mesi vedremo proof of concept partire da realtà che fino a ieri restavano alla finestra. Manifatturieri, distributori, retailer regionali. Non perché sia diventato semplice, ma perché è diventato un costo discutibile in CdA.
I limiti che non si vedono nel grafico dei prezzi
Tre cose da tenere a mente prima di entusiasmarsi.
Primo, il prezzo basso è di lancio. Google fa marketing aggressivo per riempire la propria infrastruttura. Quando il volume cresce e i clienti enterprise sono dipendenti, i prezzi cambiano. Storia comune nel cloud, vale anche qui.
Secondo, multimodalità nativa significa che il modello deve essere abbastanza buono in tutti i domini. Gemini 2.0 Flash è eccellente come modello veloce e economico, ma non è lo stato dell’arte su task complessi di ragionamento. Per analisi sofisticate continuerai a chiamare modelli più costosi.
Terzo, l’integrazione enterprise con Vertex AI ha prerequisiti tecnici non banali. Account Google Cloud configurato, IAM definito, billing project corretto. Per chi parte da zero, la curva è ripida nei primi giorni.
Cosa farei se gestissi oggi un budget AI in azienda
Considererei Gemini 2.0 Flash come modello di default per task ad alto volume e bassa complessità. Trascrizioni, classificazione documenti, estrazione strutturata da PDF, sintesi di volumi grandi. Per ognuno di questi, il costo unitario fa la differenza tra un progetto fattibile e un’idea da PowerPoint.
Manterrei i modelli più costosi per il livello sopra: ragionamento analitico, sintesi qualitativa, scrittura creativa, customer-facing dove la qualità batte il costo. È la stessa logica con cui un’azienda usa magazzino e flotta in modo differenziato.
Pianificherei l’architettura come stratificata: un router applicativo che decide quale modello chiamare in base alla complessità del task, una linea di osservabilità sui costi per modello, una procedura di switching tra fornitori per quando i prezzi cambiano. La portabilità non è un dettaglio tecnico, è una scelta strategica.
Un esempio concreto sui numeri di un cliente medio
Sto lavorando in queste settimane con un cliente che gestisce ottantamila richieste email mensili da clientela finale. Classificazione automatica, assegnazione a uno tra quindici reparti possibili, routing automatico. Volume costante, prevedibilità alta, frizione bassa.
Costo stimato con GPT-4o: circa 1.800 euro al mese. Costo stimato con Gemini 2.0 Flash: circa 70 euro al mese. La differenza non è tecnica, è di approvazione. Settanta euro al mese li firma il responsabile IT. 1.800 li deve firmare un livello sopra, e richiede un business case.
Il 2025 si apre con Google che ha rimesso la palla al centro del campo. Per chi sta valutando in quale stack investire le prossime quaranta ore di sviluppo interno, è il momento di smettere di rimandare la decisione.
Cosa farei se gestissi oggi un budget AI in azienda
Considererei Gemini 2.0 Flash come modello di default per task ad alto volume e bassa complessità. Trascrizioni, classificazione documenti, estrazione strutturata da PDF, sintesi di volumi grandi. Per ognuno di questi, il costo unitario fa la differenza tra un progetto fattibile e un’idea da PowerPoint.
Manterrei i modelli più costosi per il livello sopra: ragionamento analitico, sintesi qualitativa, scrittura creativa, customer-facing dove la qualità batte il costo. È la stessa logica con cui un’azienda usa magazzino e flotta in modo differenziato.
Il 2025 si apre con Google che ha rimesso la palla al centro del campo. Per chi sta valutando in quale stack investire le prossime quaranta ore di sviluppo interno, è il momento di smettere di rimandare la decisione.
