Il lancio di Grok 4.5 arriva con numeri da prima pagina: 2 dollari per milione di token in input, 6 in output, pesi chiusi e niente Europa almeno fino a metà luglio. xAI rivendica soprattutto un’efficienza senza precedenti nei task di software engineering: appena 16mila token di output per il benchmark SWE Bench Pro, contro i 67mila di Opus 4.8, con un throughput di 80 token al secondo. Un dettaglio che già da solo sposta l’attenzione dal costo per token al costo per task completato, indicatore molto più utile per chi dimensiona infrastrutture.

Ma la vera notizia non sta nel solito annuncio di un modello di frontiera. Sta nel grafico che xAI stessa pubblica: subito sotto Grok 4.5, a soli 2,6 punti percentuali di distanza, compare GLM-5.2 (62,1% contro 64,7%), che supera addirittura GPT 5.5. GLM-5.2 è distribuito con licenza MIT. Significa che qualunque organizzazione può scaricarlo, eseguirlo in self-hosted, adattarlo con fine-tuning e integrarlo in pipeline proprietarie senza rendere conto a un fornitore cloud e senza pagare per token.

In un settore che misura i progressi in decine di punti e investe miliardi in GPU, vedere un modello open insediarsi nel margine operativo di un closed-weight appena addestrato su “decine di migliaia di GB300” è un segnale strutturale. La forbice tra le due strategie si sta chiudendo più in fretta del previsto. Per i responsabili delle infrastrutture AI, il messaggio è chiaro: la qualità raggiungibile con modelli self-hosted non è più un compromesso accettabile, ma una leva competitiva reale, con TCO potenzialmente inferiore e piena sovranità dei dati.

C’è un altro elemento che consolida questa lettura. I benchmark raccontano spesso quello che vogliono i produttori. xAI riporta per Grok 4.5 un 62% su DeepSWE 1.0 “all’interno dell’harness di ciascun provider”. Ma quando DataCurve esegue DeepSWE 1.1 in modo indipendente, il punteggio scende al 53%, mentre Fable — che era già in testa — sale da 66% a 70%. GLM-5.2, invece, mostra stabilità relativa nella classifica complessiva. La divergenza non è solo accademica: per chi deve decidere se basare un sistema critico su un modello via API o su uno on-premise, la riproducibilità dei risultati in condizioni controllate diventa il vero metro di giudizio. Affidarsi a un singolo vendor che definisce anche il metodo di valutazione introduce un rischio di lock-in che i modelli aperti, verificabili e rieseguibili localmente, riducono drasticamente.

L’indisponibilità nell’Unione Europea fino a luglio completa il framework. Non si tratta di un dettaglio operativo, ma di un costo di conformità che penalizza proprio chi opera sotto regolamentazioni stringenti. Aziende e pubbliche amministrazioni europee che già hanno investito in infrastruttura on-premise per GDPR o per vincoli di residenza dei dati possono trarre da questi numeri una conferma: l’accelerazione degli LLM aperti non erode solo la supremazia tecnica dei modelli di frontiera, ma rende le alternative cloud-first meno indispensabili. AI-RADAR segue con costanza questi trade-off, offrendo strumenti analitici per chi affronta scelte di deployment tra cloud e bare metal.