Nonostante il Great Firewall e i costi extra, gli sviluppatori cinesi stanno facendo carte false per utilizzare GPT-5.6 di OpenAI. Secondo quanto riportato dal South China Morning Post, gli utenti della Cina continentale – dove il servizio è ufficialmente bloccato e raggiungibile solo via VPN o proxy di terze parti – considerano il sovrapprezzo ben speso. Non è un dettaglio da poco: i modelli frontiera cinesi offrono prezzi inferiori, eppure la scelta ricade su un prodotto inaccessibile e più caro. Il motivo è una matematica spietata in cui il costo per token smette di essere l’unica variabile.

Il calcolo che porta ad aggirare il firewall non è solo tecnico: è il riflesso di un divario prestazionale che il solo risparmio non può colmare. Chi sviluppa applicazioni complesse – generazione di codice, analisi documentale, ragionamento a più passaggi – sa che un modello meno capace produce errori che costano tempo, revisioni e perdita di fiducia. Quando la qualità dell’output incide sulla produttività, ogni centesimo risparmiato sul singolo token si traduce in un costo occulto ben maggiore. Così, VPN, proxy e maggiorazioni tariffarie diventano voci accettabili in un TCO dove il fattore dominante è la capacità del modello di portare a termine il compito.

Questo comportamento segnala qualcosa di strutturale per l’ecosistema dell’intelligenza artificiale. La Cina ha laboratori di prim’ordine e modelli competitivi, ma il fatto che una nicchia di sviluppatori sia disposta a pagare di più per un servizio bloccato suggerisce che la forbice delle capacità non si è ancora chiusa. Non è una questione di assenza di alternative, ma di asimmetria nei casi d’uso più esigenti. Per i team cinesi, ciò potrebbe accelerare ulteriormente gli investimenti in ricerca per colmare il gap, oppure spingere verso tecniche di distillazione e addestramento su output di modelli frontiera, allungando la catena della dipendenza tecnicica.

Per chi osserva dalla prospettiva del deployment on-premise, la vicenda ha un riverbero immediato. Se l’accesso ai modelli più performanti passa attraverso server bloccati o intermediari, la sovranità dei dati e la continuità operativa diventano fragili. Un’infrastruttura self-hosted basata su modelli aperti e competitivi, per quanto oggi possa richiedere investimenti significativi in hardware e messa a punto, rappresenta una strada per svincolarsi da un ecosistema in cui la qualità è ostaggio di disponibilità geografica. Non è un caso che il mercato dei LLM open-weight veda un’attenzione crescente: la possibilità di eseguire inference in locale, senza dover contrattare con firewall e proxy, restituisce controllo e prevedibilità dei costi.

Il paradosso di GPT-5.6 in Cina, in definitiva, mostra che la barriera competitiva non è solo il prezzo al token, ma l’intero arco di capacità che un modello mette a disposizione. E finché quel divario persiste, ci sarà chi è disposto a scavalcarlo con qualsiasi mezzo.