Le imprese statunitensi guardano sempre più oltre l’America per le proprie esigenze di IA. Man mano che i modelli open weight cinesi colmano il divario con le controparti statunitensi closed source, un numero crescente di aziende si mostra più favorevole alle alternative cinesi — e i nuovi dati sulla spesa suggeriscono che il cambiamento, pur ancora contenuto, è in corso.

L’attrattiva è semplice. “Open weight” significa che i parametri di base di un modello sono pubblicati e scaricabili da chiunque, così le aziende possono eseguire i sistemi sulla propria infrastruttura o tramite piattaforme di terze parti invece di dipendere dall’API di un singolo fornitore. Questo offre alle imprese maggiori opportunità di mettere a punto i sistemi di IA, riduce notevolmente i costi di implementazione e, in generale, conferisce più controllo alle aziende — compresa una maggiore garanzia che i loro dati non vengano usati per addestrare prodotti potenzialmente concorrenti. Sebbene Anthropic e OpenAI continuino a dominare il modo in cui le aziende statunitensi acquistano IA, i dati indicano un cambiamento ai margini.

Secondo l’ultimo AI Index di Ramp — la società di spend management monitora la spesa per token e abbonamenti nella propria base clienti business, offrendo una finestra insolitamente diretta su come le aziende pagano davvero l’IA — la quota di imprese che pagano per le piattaforme di model serving, che danno accesso a modelli open source e sviluppati in Cina, è salita al 6,1% del totale delle aziende che spendono in IA a luglio, rispetto al 4,5% di gennaio 2026.

Il cambiamento potrebbe riflettere il crescente interesse delle imprese per modelli open weight come Kimi K3 di Moonshot, che al suo lancio ha suscitato grande attenzione perché era sia un modello open weight insolitamente grande sia un sistema che mostrava prestazioni di coding e agentic vicine a quelle dei principali sistemi proprietari.

Z.AI, un altro laboratorio cinese di IA, questa settimana ha confermato di aver sviluppato Ox Alpha, un modello fino a poco tempo fa anonimo che stava ottenendo buoni risultati nei benchmark di IA e ha ricevuto recensioni entusiaste dagli sviluppatori di IA nel fine settimana. L’azienda lo ha ribattezzato GLM-5.3-Flash e ha dichiarato che applicherà un prezzo di $0.15 per milione di token in input e $0.50 per milione di token in output — un’altra offerta cinese a prezzo aggressivo in un mercato in cui DeepSeek e Moonshot hanno già esercitato pressione sui prezzi dei concorrenti. Poiché l’accesso via API ai modelli di IA viene venduto a token, queste tariffe si traducono direttamente nei costi operativi, e prezzi inferiori al dollaro rendono i carichi di lavoro ad alto volume molto meno costosi da gestire rispetto alle alternative di frontiera.

Si ritiene inoltre che Z.ai sia vicino al rilascio di una versione più grande di GLM-5.3 che molti credono possa rivaleggiare con alcuni dei migliori modelli di Anthropic e OpenAI nelle capacità cyber — un evento potenzialmente spartiacque che molti temono possa inaugurare una nuova era di attacchi informatici basati sull’IA, per la quale il settore è gravemente impreparato (New York Times). Finora, questo dibattito sulla sicurezza si è affiancato, senza frenarlo, allo spostamento commerciale che i dati di Ramp stanno registrando.

La Cina è ora chiaramente avanti nella corsa ai modelli open. Hugging Face ha rilevato che in quasi ogni mese del 2026 il modello open più grande e più capace proveniva da un laboratorio cinese (State of Open Models). I più significativi concorrenti recenti dagli Stati Uniti sono arrivati da Thinking Machines Lab e, più recentemente, da Meta — i cui primi rilasci Llama hanno contribuito ad avviare il movimento open weight tra i principali laboratori americani — ma questi rilasci statunitensi, in generale, non hanno eguagliato la scala di Kimi K3 né la sua attrattiva per gli sviluppatori.

Alex Brunicki, partner di Backed VC, ha dichiarato che sta già osservando un cambiamento nel modo in cui le imprese si avvicinano ai modelli open source.

“Abbiamo visto molte aziende… sviluppare modelli foundation specifici per settore usando modelli open source che vengono poi affinati su set di dati molto particolari,” ha detto. “Non stanno necessariamente usando i modelli di frontiera per tutto il lavoro che svolgono. Stanno invece usando questi modelli open source che sono gratuiti da usare.”

Almeno due organizzazioni consolidate hanno recentemente annunciato pubblicamente il passaggio all’open source per alcune aree del loro business. Thomson Reuters ha detto questa settimana di aver costruito un modello interno, chiamato Thomson-1, basato su Snowdon, un sistema sviluppato dall’azienda adattando il modello open source Qwen di Alibaba (Computing). Il modello gestirà attività di revisione documentale che in precedenza venivano eseguite su Claude. Nell’annuncio, il CTO Joel Hron ha affermato che le aziende non hanno bisogno di modelli sempre più grandi e costosi per ottenere risultati utili, e che partire da una solida base open e specializzarla in modo approfondito può produrre IA capace a costi inferiori.

Harvey, la società di legal tech sostenuta da OpenAI, Sequoia e Andreessen Horowitz, ha inoltre annunciato di recente che il suo nuovo modello, Harvey Tenet, è stato post-addestrato sopra Kimi K3 open weight di Moonshot AI (SCMP). L’azienda ha affermato che Harvey Tenet ha superato sia il suo modello base sia i sistemi di frontiera statunitensi — tra cui Fable 5 e GPT-5.6 Sol — in compiti agentic complessi per l’ambito legale. In precedenza Harvey aveva costruito il proprio prodotto personalizzando modelli chiusi di Anthropic, OpenAI e Google — un promemoria del fatto che anche aziende finanziate dai principali laboratori statunitensi sono disposte a cambiare base tecnologica quando l’economia lo favorisce.

L’economista capo di Ramp, Ara Kharazian, ha scritto che la recente crescita dell’open source non ha ancora inciso direttamente sulla spesa per OpenAI o Anthropic. I nuovi acquirenti di IA continuano a scegliere i laboratori americani consolidati: Anthropic ha guadagnato più terreno tra le aziende a luglio, salendo di 1.1 punti percentuali al 43.5% di quota di mercato, mentre OpenAI è aumentata di appena 0.23 punti al 39.7%.

Tuttavia, Fable 5 di Anthropic — ritenuto il modello più avanzato sul mercato, tanto che il governo statunitense ne ha brevemente sospeso l’accesso dall’estero per motivi di sicurezza nazionale — ha rappresentato solo il 6% dei token acquistati dalle aziende da Anthropic e l’11.4% della spesa complessiva sui modelli Anthropic. Questa quota persiste nonostante Fable 5 abbia un prezzo di circa $10 per milione di token, il doppio rispetto a GPT-5.6 Sol di OpenAI — e molto superiore alle tariffe sotto il dollaro richieste dai fornitori cinesi open weight. GPT-5.6 Sol, per confronto, rappresenta il 25% dei token di OpenAI e il 23% della sua spesa.

Kharazian sostiene che Fable 5 abbia di fatto trovato il tetto del mercato: le aziende non sono disposte a pagare un premio per il modello migliore sul mercato quando uno più economico è sufficientemente valido.

Nel complesso, questi dati potrebbero suggerire che i laboratori di frontiera americani abbiano incontrato il limite di quanto i clienti sono disposti a pagare per il modello più nuovo e costoso — e che l’open source stia semplicemente intervenendo per colmare quel vuoto. I segnali più chiari in arrivo saranno le prossime letture dell’indice di Ramp, che mostreranno se la quota di spesa per i model serving continuerà a salire, e il più grande GLM-5.3 di Z.AI, che testerà sia quanto gli open weight cinesi possano spingersi in termini di capacità sia le preoccupazioni di sicurezza che ne derivano.

Altrove nelle notizie sull’IA:

• Google DeepMind is losing its grip on elite AI talent, new data shows.
• DeepSeek cerca $7.4 miliardi a una valutazione di $74 miliardi.
• Il responsabile dei data center di OpenAI lascia in mezzo a un più ampio esodo.
• OpenAI ha diffuso ulteriori dettagli sull’attacco a Hugging Face.

Servizio di Beatrice Nolan per Fortune (beatrice.nolan@fortune.com, @beafreyanolan). Questa storia è stata pubblicata originariamente su Fortune.com