L’argomento per lasciare OpenAI si è rafforzato parecchio nel 2026. I modelli open weight hanno raggiunto un livello in cui il divario di qualità si è ristretto sul lavoro di produzione quotidiano, i prezzi pubblicati sono inferiori a quelli dei fornitori di punta, e i pesi stessi sono scaricabili, il che trasforma il rapporto con il fornitore in una scelta.

Questo però non rende il passaggio gratuito. La chiamata API è quasi identica; tutto ciò che le sta attorno è il lavoro vero. Questa guida copre cosa si trasferisce davvero, cosa si rompe in silenzio, com’è fatto un confronto sensato e i casi in cui restare è la risposta giusta.

Fissare le aspettative: cambiare fornitore significa un URL di base, un nome di modello e delle credenziali. Riottenere la stessa qualità di output, invece, è ingegneria dei prompt e si misura in giorni, non in minuti. Metti in conto da una a tre settimane per una funzionalità ben delimitata, e considera ottimistica qualunque stima che presuma una sostituzione immediata.

Cosa si trasferisce davvero

Più di quanto ti aspetti, ed è proprio per questo che vale la pena guardarci.

Il formato di chiamata si trasferisce. La maggior parte dei fornitori open weight seri espone ormai un’API conforme alle convenzioni OpenAI, quindi la tua libreria client, le forme delle richieste e la gestione dello streaming di solito funzionano senza modifiche. Kimi K3, per esempio, offre un’interfaccia compatibile con OpenAI e Anthropic, e la guida all’API Kimi K3 ne approfondisce i dettagli.

Tutta l’architettura circostante si trasferisce. Il proxy che custodisce le credenziali, la coda, la logica di ritentativo, la misurazione per utente, il logging: nulla di tutto ciò si cura di quale modello ci sia dietro. Se hai costruito bene quello strato, il passaggio è davvero configurazione. Se hai cablato il client di un fornitore in tutto il codice, questo è il momento in cui te ne accorgi.

Il recupero si trasferisce. Embedding, archivio vettoriale e strategia di suddivisione sono indipendenti dal modello generativo, anche se le dimensioni dei blocchi meritano una seconda occhiata se la finestra di contesto del nuovo modello è molto diversa.

Cosa si rompe in silenzio

Le modalità di guasto sono abbastanza costanti da poterci pianificare sopra.

I prompt non sono portabili. È la voce più grande. I prompt vengono messi a punto, spesso inconsapevolmente, sulle abitudini di un modello specifico. Trasferiscili e otterrai output tecnicamente corretti ma stilisticamente sbagliati: verbosità diversa, formattazione diversa, diversa disponibilità a dire “non lo so”. Preparati a riscrivere i prompt di sistema, e preparati al fatto che sia la parte principale dello sforzo di migrazione.

Gli output strutturati si comportano diversamente. Se dipendi da risposte vincolate a uno schema, verifica come il nuovo fornitore lo imponga. Alcuni garantiscono la conformità a livello di decodifica, altri lo chiedono cortesemente e di solito vengono assecondati. Codice scritto presumendo una garanzia prima o poi incontrerà un campo malformato.

Le chiamate agli strumenti differiscono nei dettagli. Il formato è standardizzato, ma affidabilità, propensione a concatenare più strumenti e comportamento quando nessuno strumento è adatto variano tutti. Nei carichi agentici morde di più, perché gli errori si accumulano fra i passaggi.

Il comportamento di ragionamento e la sua fatturazione. Alcuni modelli ragionano sempre e fatturano quei token come output. Un modello con ragionamento attivo per impostazione predefinita al livello massimo può costare più per richiesta del modello di punta che hai lasciato, nonostante un prezzo di listino inferiore. Leggi le impostazioni predefinite prima di modellare i risparmi.

I confini di sicurezza e i rifiuti si spostano. Ogni fornitore traccia la linea altrove. Contenuti che il tuo modello attuale gestisce potrebbero essere rifiutati, e viceversa. Se la tua applicazione tocca ambito medico, legale o finanziario, testa questo aspetto esplicitamente anziché scoprirlo da un cliente.

Fare un confronto che significhi qualcosa

I benchmark dei fornitori non risponderanno alla tua domanda. Costruisci un piccolo insieme di valutazione e rispondi tu.

Raccogli da trenta a cento input reali dal tuo traffico di produzione, scelti per rappresentare l’intera gamma compresi i casi ostici, e registra per ciascuno l’output che consideri corretto. È lo stesso apparato descritto nella nostra guida all’integrazione delle API OpenAI , e se esiste già il confronto richiede un pomeriggio.

Esegui entrambi i modelli con prompt messi a punto per ciascuno. Contrapporre un prompt ottimizzato per un modello a un altro modello non è un confronto, è la prova che i prompt non sono portabili.

Misura quattro cose: la qualità dell’output secondo il tuo giudizio, il costo totale per richiesta inclusi i token di ragionamento, la latenza al percentile che i tuoi utenti vivono davvero anziché la mediana, e le modalità di guasto. Quest’ultima è la più importante e la più spesso omessa. Un modello leggermente peggiore in media ma che non produce mai output malformati può essere la scelta migliore per una pipeline automatizzata.

Poi esegui un deployment ombra. Replica il traffico reale verso il candidato senza usarne le risposte, e confronta su una settimana di uso effettivo. Le valutazioni sintetiche perdono la coda lunga; il traffico di produzione no.

Lasciare OpenAI: quando il risparmio è reale

Fai i conti prima dell’ingegneria, perché la risposta varia enormemente in base al carico.

Il risparmio è reale e consistente quando hai alto volume di lavoro di routine: classificazione, estrazione, sintesi, instradamento. Questi compiti raramente richiedono capacità di punta, girano di continuo, e la differenza di prezzo per token si accumula. È l’argomento più forte e di solito giustifica il passaggio da solo.

Il risparmio è reale ma più piccolo per funzionalità interattive di volume modesto. Un assistente di supporto che gestisce qualche migliaio di conversazioni al mese costa poco in entrambi i casi, e il tempo di ingegneria può superare un anno intero di risparmi.

Il risparmio può essere illusorio quando i token di ragionamento contano come output e il nuovo modello ragiona a ogni chiamata. Modella questo con le lunghezze reali dei tuoi prompt, non con il prezzo di listino.

E c’è un risparmio che non ha nulla a che vedere col denaro. Pesi scaricabili sono un’opzione di uscita. Se un fornitore dismette un modello da cui dipendi, cambia i prezzi a contratto in corso o impone limiti di frequenza che non ti si addicono, avere un posto dove andare vale qualcosa. Quanto costi davvero esercitare quell’opzione è trattato nella nostra guida al self-hosting di Kimi K3 , ed è più di quanto la maggior parte dei team presuma.

La risposta di solito è “entrambi”

Inquadrarlo come un passaggio è l’errore. I team che ne ricavano di più fanno girare più modelli dietro una sola interfaccia.

Instrada per compito. Manda il lavoro di routine ad alto volume al modello più economico che supera la tua valutazione. Manda il lavoro a lungo contesto e agentico al modello che lo gestisce meglio. Tieni disponibile un modello di punta per la minoranza di richieste in cui vuoi la migliore risposta possibile e il prezzo non decide.

Instrada anche per classificazione dei dati. Le richieste che portano materiale che non può lasciare la tua giurisdizione vanno a un modello che ospiti tu, tutto il resto usa un’API gestita. Poiché l’interfaccia è la stessa, l’applicazione non ha bisogno di sapere quale percorso abbia preso la richiesta.

Questo richiede che lo strato di astrazione esista prima che ti serva. Costruisci la cucitura per prima e la scelta del fornitore diventa una modifica di configurazione anziché un progetto, il che rende economici anche i passaggi futuri. Per il quadro di budget più ampio, la guida ai costi di integrazione IA separa nettamente costi di costruzione ed esercizio.

Quando restare dove sei

Restare è la risposta giusta molto più spesso di quanto suggeriscano gli articoli sulla migrazione.

Resta se il tuo volume è basso. Il costo di ingegneria non rientrerà, e il tuo tempo rende di più investito nella funzionalità stessa.

Resta se dipendi davvero da capacità specifiche del fornitore e hai verificato, anziché presunto, che l’alternativa ne sia priva. Testa prima di concludere.

Resta se la tua applicazione è sensibile sul piano della sicurezza e i confini del fornitore attuale corrispondono ai tuoi requisiti dopo test reali. Ricostruire quella fiducia ha anch’esso un costo.

E resta, per ora, se non hai un apparato di valutazione. Cambiare senza di esso significa che non saprai che la qualità è calata finché non te lo diranno i clienti. Costruisci prima l’apparato; è utile qualunque decisione tu prenda.

Fai eseguire il confronto come si deve

Mecanik segue il lavoro multi-fornitore sui modelli linguistici come parte dei nostri servizi di integrazione IA : lo strato di instradamento, l’apparato di valutazione, la riscrittura dei prompt per il modello di destinazione, e il deployment ombra che ti dice cosa farà davvero la produzione.

Faremo passare il tuo traffico attraverso più fornitori e mostreremo qualità, costo e latenza affiancati prima che tu ti impegni, inclusi i casi in cui la raccomandazione onesta è restare dove sei. Se la tua integrazione attuale inchioda un solo fornitore in tutto il codice, la nostra guida all’integrazione delle API OpenAI descrive lo strato di proxy che rende economico questo passaggio e tutti quelli futuri.

Dicci a quanto ammonta la spesa mensile attuale e cosa fa la funzionalità, e ti diremo se il passaggio vale l’impegno di ingegneria.

Post correlati: Fine-tuning, RAG o prompt: quanto costa ciascuno , Sicurezza delle API: proteggere un’API pubblica , Creare un chatbot OpenAI API: guida 2026 , Migrazione Drupal 2026: costi, opzioni e scadenze .

Domande frequenti

È difficile passare da OpenAI a un modello open weight? La chiamata API in sé è banale perché la maggior parte dei fornitori espone un’interfaccia compatibile OpenAI: un URL di base, un nome di modello, delle credenziali. Il lavoro vero è riscrivere prompt messi a punto sulle abitudini di un modello, e rivalidare output strutturati e chiamate agli strumenti. Metti in conto da una a tre settimane.

Un modello open weight fa risparmiare? Dipende dal carico. Il lavoro di routine ad alto volume come classificazione, estrazione e sintesi mostra di solito risparmi consistenti. Le funzionalità interattive a basso volume spesso non rientrano del costo di ingegneria. Attenzione ai modelli che ragionano sempre e fatturano quei token come output, perché possono annullare un prezzo di listino più basso.

I miei prompt funzioneranno su un altro modello? Di solito no senza riscrittura. I prompt sono calibrati sulla verbosità, la formattazione e il comportamento di rifiuto di un modello specifico, quindi lo stesso prompt altrove produce output corretti ma stilisticamente sbagliati. Calibra i prompt per modello prima di confrontarli.

Come confronto equamente due modelli linguistici? Costruisci un insieme di valutazione da trenta a cento input reali con output noti come corretti, calibra i prompt separatamente per ciascun modello, poi confronta qualità, costo per richiesta inclusi i token di ragionamento, latenza a un percentile realistico e modalità di guasto. Fai seguire un deployment ombra sul traffico reale.

Devo usare un fornitore o più di uno? Più fornitori dietro un’unica interfaccia. Manda il lavoro di routine ad alto volume al modello più economico che supera la valutazione, il lavoro a lungo contesto e agentico a quello che lo gestisce meglio, e tieni un modello di punta per la minoranza che richiede la risposta migliore. Così anche i passaggi futuri restano economici.