ChatGPT Pro da 200 dollari può costare a OpenAI molto più del previsto

I modelli di abbonamento che hanno accompagnato la diffusione di strumenti come ChatGPT e Claude stanno mostrando un limite economico sempre più evidente. Per anni il software ha abituato utenti e aziende a formule semplici: una quota mensile fissa in cambio di utilizzo praticamente illimitato. L’AI generativa, però, introduce una variabile diversa rispetto ai tradizionali servizi cloud: ogni richiesta comporta un costo computazionale reale, legato a GPU, memoria, rete e consumo energetico. Con l’arrivo degli agenti AI, dei sistemi di coding autonomo e delle elaborazioni a lungo termine, il numero di token elaborati cresce a ritmi che pochi avevano previsto.

ChatGPT ha superato il miliardo di utenti attivi mensili nel 2025, mentre Anthropic continua ad ampliare la propria presenza nel mercato professionale: mantenere sostenibile un modello commerciale che offre enormi quantità di potenza di calcolo a fronte di canoni relativamente contenuti.

Perché gli abbonamenti AI rischiano di non coprire i costi reali

Una recente analisi pubblicata da SemiAnalysis ha cercato di quantificare il problema mettendo alla prova diversi piani premium di OpenAI e Anthropic.

I ricercatori hanno acquistato gli abbonamenti disponibili ed eseguito attività intensive, in particolare compiti di programmazione avanzata e workflow agentici, fino all’esaurimento dei limiti settimanali previsti dai servizi. Il risultato ha evidenziato uno squilibrio notevole tra il prezzo pagato dagli utenti e il valore teorico delle risorse consumate se calcolate secondo le tariffe API ufficiali.

Secondo le stime, un piano ChatGPT Pro 20x da 200 dollari al mese potrebbe generare un consumo equivalente a circa 14.000 dollari in termini di utilizzo API. Per il piano Claude Max 20x, anch’esso venduto a 200 dollari mensili, il valore teorico delle risorse impiegate si avvicina agli 8.000 dollari.

Va detto che non tutti gli utenti raggiungono questi livelli estremi di utilizzo: il modello economico delle aziende si basa proprio su questa premessa. La maggior parte degli abbonati sfrutta soltanto una frazione delle risorse disponibili. Quando però una quota crescente di clienti utilizza il servizio in modo intensivo, i margini iniziano a ridursi rapidamente.

Fonte dell’immagine: SemiAnalysis

Il ruolo dei token e il peso delle attività agentiche

Per comprendere il problema occorre guardare al funzionamento dei moderni modelli linguistici. Ogni interazione genera consumo di token, ovvero le unità elementari di testo elaborate dal modello. Le attività tradizionali, come una semplice domanda e risposta, richiedono quantità relativamente contenute di token.

La situazione cambia radicalmente con gli strumenti di coding assistito e con i sistemi agentici. Un assistente software che analizza un intero repository GitHub, modifica file, verifica risultati, esegue test e produce nuova documentazione può effettuare decine o centinaia di chiamate al modello in una singola sessione. Alcune stime indicano consumi fino a 1000 volte superiori rispetto a una normale richiesta conversazionale.

In pratica, ogni ciclo di ragionamento aggiuntivo aumenta il carico sulle infrastrutture. Modelli avanzati come GPT-5.5, Claude Opus 4.7 e le future generazioni frontier richiedono cluster GPU composti da acceleratori di fascia alta, spesso basati su architetture NVIDIA dedicate all’inferenza AI. Il costo non riguarda soltanto l’hardware: entrano in gioco raffreddamento, banda di rete, storage e disponibilità continua delle risorse.

Quando l’utilizzo elevato trasforma un cliente in una perdita economica

I dati raccolti da SemiAnalysis mostrano quanto sia sottile il margine operativo di alcuni servizi. Anthropic raggiungerebbe il punto di pareggio dei piani Claude Pro e Claude Max 5x attorno al 20% del livello massimo di utilizzo disponibile. OpenAI, invece, vedrebbe i propri margini azzerarsi molto prima: i piani ChatGPT Plus e ChatGPT Pro 5x diventerebbero non redditizi oltre l’11,4% di utilizzo effettivo.

La situazione si complica ulteriormente nei livelli più elevati. Le stime indicano che Anthropic arriverebbe a margine lordo nullo intorno al 10% di utilizzo nei piani top di gamma, mentre OpenAI entrerebbe in territorio negativo già oltre il 5,7%.

Non si tratta necessariamente di una crisi imminente. Molte aziende tecnologiche accettano margini ridotti nelle fasi iniziali per acquisire quote di mercato: il fatto è che l’intelligenza artificiale richiede investimenti infrastrutturali enormemente superiori rispetto a quelli necessari per molti servizi software tradizionali.

La crescita dei costi ha già modificato il comportamento di numerose organizzazioni: diversi gruppi tecnologici stanno ridimensionando programmi interni che incentivavano l’utilizzo massiccio degli strumenti AI. Microsoft, Meta e Amazon avrebbero rivisto alcune iniziative dopo aver osservato incrementi significativi della spesa legata ai token.

Un episodio particolarmente discusso riguarda un’azienda che avrebbe consumato circa 500 milioni di dollari in un solo mese utilizzando Claude senza limiti adeguati per i dipendenti. Al di là della singola cifra, che non è stata verificata pubblicamente in ogni dettaglio, il caso evidenzia un problema reale: lasciare accesso illimitato ai modelli più costosi può generare rapidamente spese fuori controllo.

Model routing e open source: la risposta al problema dei costi

Una delle tecniche più interessanti emerse negli ultimi mesi consiste nel cosiddetto model routing. L’idea è semplice: non tutte le richieste necessitano del modello più potente disponibile.

Un sistema intelligente può indirizzare i compiti complessi verso modelli frontier (quelli di “ultimo grido”) particolarmente costosi, mentre attività ripetitive o a basso valore aggiunto possono essere elaborate da modelli più economici. Questo approccio potrebbe ridurre la spesa fino al 95% in alcuni scenari aziendali.

Parallelamente cresce l’interesse verso modelli open source e soluzioni alternative. DeepSeek rappresenta uno degli esempi più citati. Flo Crivello, fondatore della startup Lindy, ha dichiarato di aver spostato integralmente il traffico della propria piattaforma verso DeepSeek V4, abbandonando i modelli Anthropic e ottenendo risparmi nell’ordine dei milioni di dollari.

Chi opera in settori altamente regolamentati o necessita delle migliori capacità di ragionamento continua spesso a preferire i modelli commerciali più avanzati. Tuttavia la tendenza appare chiara: la differenza di costo sta diventando un fattore importante quanto la qualità delle risposte.