DeepSeek rilascia la preview di V4: un milione di token di contesto e prezzi stracciati per l’era degli agenti

25/04/2026 ECONOMIA Preferisci Informazione.News su Google

Redazione Economia   -   Era stato annunciato come un “Next Week” che si è protratto per quasi tre mesi -4, eppure l’attesa – se si guarda ai numeri messi sul tavolo – non è stata vana. DeepSeek, la startup cinese che aveva già rivoluzionato l’economia dell’intelligenza artificiale nel gennaio dello scorso anno – quando, quasi in contemporanea con la rielezione di Donald Trump, scatenò il panico a Wall Street facendo bruciare 600 miliardi a Nvidia -2 –, ha appena svelato la versione preview del modello V4.

Due le varianti rilasciate, entrambe open source con licenza MIT e disponibili su Hugging Face: da un lato la più potente DeepSeek-V4-Pro, dall’altro la più economica e reattiva DeepSeek-V4-Flash.

A rendere il lancio particolarmente interessante non è solo la capacità tecnica – una finestra di contesto che arriva (finalmente) a un milione di token, rendendo di fatto obsoleta la gestione frammentata di documenti lunghissimi -2 –, quanto la strategia dei costi. Se OpenAI ha speso centinaia di milioni per addestrare i suoi modelli, DeepSeek ha dichiarato di averne impiegati solo 6; una filosofia, quella del low-cost, che qui viene applicata con ferocia anche all’utilizzo. I prezzi a gettone parlano chiaro: la versione Flash costa appena 0,28 dollari per milione di token in output (con un rapporto qualità-prezzo che surclassa persino il GPT.4 Nano), mentre la Pro si ferma a 3,48 dollari, una frazione dei 25-30 dollari richiesti da Anthropic o OpenAI per servizi analoghi. Per capirci, si tratta di un azzeramento dei margini per buona parte della concorrenza occidentale.

L’efficienza al posto della potenza bruta: così cambia l’economia dei token

A differenza di quanto si potrebbe pensare, il balzo in avanti non è dato da un’esplosione dei parametri attivi – il Pro ne conta 49 miliardi, il Flash 13 – ma da una radicale ristrutturazione dell’architettura. La vera innovazione risiede nella cosiddetta DSA (DeepSeek Sparse Attention) unita a un meccanismo di compressione che riduce drasticamente il carico computazionale.

Il risultato è quasi paradossale: gestendo un contesto di un milione di token, il V4-Pro consuma solo il 27% dei FLOPs (operazioni in virgola mobile) richiesti dalla precedente versione 3.2 e impiega appena il 10% della memoria cache KV. Una digressione tecnica, certo, ma che ha un effetto pratico immediato: i costi di gestione crollano, permettendo a qualunque sviluppatore di processare interi libri o codici complessi senza dover ricorrere a trucchi di “memoria” che degradano le performance.

Si tratta di una mossa mirata a intercettare il nuovo paradigma dell’IA, quello legato agli “agenti”. Laddove un tempo bastava una risposta secca, oggi i modelli devono essere in grado di orchestrare azioni, richiamare strumenti esterni e ragionare su lunghe catene di pensiero. Proprio in quest’ottica, DeepSeck ha ottimizzato V4 per integrarsi con piattaforme come OpenClaw o Claude Code -10, e i benchmark diffusi dalla stessa azienda lo danno in testa (con il Pro) su diverse metriche di coding, superando di fatto molti modelli chiusi in specifiche valutazioni di agilità logica.

Il nodo hardware: l’abbraccio con Huawei e il fattore “ascend”

Chi osserva il mercato da vicino sa che, dietro le quinte, la partita più decisiva si gioca sui chip. Se DeepSeek V3 aveva sfruttato in modo geniale le GPU Nvidia, la nuova versione segna un cambio di rotta geopolitico e tecnologico. Non che il modello non giri sui Blackwell o sugli H100 (funziona eccome), ma la notizia è che V4 è stato progettato pensando anche (e forse soprattutto) ai processori Ascend di Huawei.

Nella documentazione ufficiale, per la prima volta, il colosso cinese viene citato al fianco di Nvidia nelle piattaforme di verifica. E non è un dettaglio. Il supporto alla precisione FP4 – nativamente gestita dai nuovi chip Ascend 950 – suggerisce una collaborazione strettissima, quasi una riscrittura del codice per adattarsi a un ecosistema diverso da CUDA. D’altronde, era lo stesso CEO di Nvidia, qualche mese fa, a definire “un risultato terribile per l’America” l’ottimizzazione di un modello DeepSeek su hardware cinese. Obiettivo centrato, sebbene con un prezzo: il ritardo accumulato nei mesi invernali, dovuto proprio alla necessità di riscrivere l’impalcatura software, conferma quanto sia complesso uscire dagli standard consolidati.

Un modello preview ma con ambizioni da titolare

DeepSeek stesso la definisce una “versione preview”, e i dati oggettivi le danno ragione: secondo i report interni, il modello sarebbe ancora leggermente in ritardo rispetto ai vertici assoluti del settore, posizionandosi “a tre-sei mesi di distanza” dai modelli closed-source di fascia altissima. Ma la differenza la fa il contesto. Con una finestra di un milione di token resa standard su tutti i servizi ufficiali (e non come optional a pagamento), e due modalità di ragionamento (inclusa una “Max” per spremere le performance su task complessi), DeepSeek sta spostando l’asticella della competizione dal “chi è più intelligente” al “chi è più utilizzabile su vasta scala”.

L’impatto sui colossi americani, già messi in crisi dal modello precedente, si preannuncia pesante. Con margini di profitto così ridotti – e la prospettiva che dal prossimo autunno, con l’arrivo massiccio dei supernodi, i costi della versione Pro possano scendere ulteriormente -7 –, per i competitor sarà sempre più difficile giustificare tariffari da decine di dollari. Il tutto mentre lo sviluppatore medio si trova tra le mani un coltellino svizzero capace di leggere romanzi interi in una volta sola, e di agire di conseguenza.