Google batte un record matematico di 56 anni e DeepSeek taglia i prezzi del 75%

Nella stessa settimana sono arrivate due notizie che a prima vista non c'entrano niente l'una con l'altra. Da una parte Google che batte un record matematico vecchio di mezzo secolo. Dall'altra DeepSeek che spacca i prezzi delle API. Se gestisci un'azienda e stai decidendo quanto e come usare l'intelligenza artificiale, vale la pena guardarle insieme. Raccontano la stessa storia da due lati diversi.

Google ha fatto una cosa che i matematici provavano dal 1969

Il concetto è tecnico, ma si spiega in poche righe.

Quando un computer moltiplica due matrici, fa una sequenza di moltiplicazioni tra numeri. Più moltiplicazioni servono, più tempo ed energia consuma. Nel 1969 un matematico tedesco, Volker Strassen, trovò una scorciatoia: due matrici 2x2 si potevano moltiplicare con sette operazioni invece di otto. Applicata in cascata su matrici enormi, quella scorciatoia cambia i tempi di calcolo in modo serio. È rimasta il riferimento per 56 anni.

AlphaEvolve, l'agente AI di Google DeepMind costruito sui modelli Gemini, è andato oltre. Per le matrici 4x4 a valori complessi è sceso da 49 a 48 moltiplicazioni. Un solo passo in meno. Ma è il primo dopo oltre mezzo secolo di tentativi umani.

La parte interessante non è il numero. È che AlphaEvolve non era stato costruito per la matematica. È un agente generale che scrive codice, lo prova, lo corregge e lo migliora da solo, su problemi di calcolo molto diversi tra loro. Lo stesso sistema ha ottimizzato i kernel che servono ad addestrare i modelli Gemini, tagliando i tempi di addestramento dell'1%, e ha aiutato a rivedere i circuiti aritmetici delle TPU, i chip che Google usa per l'AI.

Quindi un'AI che migliora gli strumenti con cui si costruiscono le AI. E che intanto risolve problemi che gli umani non scioglievano da decenni.

Perché dovrebbe interessare a chi non fa ricerca

Obiezione legittima: questo riguarda un laboratorio, non un'azienda di trenta persone. Il collegamento però c'è, e passa dai costi.

Un algoritmo più efficiente abbassa il costo di addestrare e far girare i modelli. Costi più bassi per chi costruisce i modelli vuol dire, prima o poi, prezzi più bassi per chi li usa. La ricerca di frontiera e la bolletta mensile dell'API che usi in azienda sono collegate, anche se sembrano mondi separati.

E qui entra la seconda notizia.

DeepSeek taglia i prezzi del 75% e li rende definitivi

Il 23 maggio 2026 DeepSeek ha annunciato che il taglio del 75% sul suo modello di punta, il V4-Pro, non era più una promozione a tempo. Diventava il prezzo di listino.

I numeri raccontano la guerra meglio di qualsiasi commento. Ho messo a confronto il costo in output, cioè quanto paghi per ogni milione di token che il modello genera. È la voce che pesa di più sulla bolletta di chi usa l'AI in produzione.

Quasi trenta volte più economico di Claude Opus 4.7. Undici volte sotto GPT-5. Va detto subito, per onestà: il prezzo non è tutto. Un modello più caro può risolverti un compito complesso al primo colpo, mentre uno economico ti fa rifare il giro tre volte, e a quel punto il risparmio evapora. La qualità resta la prima domanda da farsi.

Però la traiettoria è chiara. Il prezzo per accedere a modelli più che buoni sta scendendo mese dopo mese, e DeepSeek lo sta tirando giù in modo aggressivo. Chi ci guadagna è chi compra.

Cosa cambia per i budget AI

Tre conseguenze pratiche, senza giri di parole.

Conviene evitare contratti lunghi a tariffe alte. Un fornitore che propone tre anni a prezzo fisso "conveniente" sta vendendo a una cifra che fra sei mesi rischia di sembrare cara. Oggi la flessibilità vale più dello sconto.

Conviene provare le alternative prima di standardizzare. Molte aziende scelgono un modello a inizio progetto e non lo toccano più. Con questi salti di prezzo, una verifica ogni trimestre su quale modello regge il carico di lavoro al costo più basso ripaga il tempo speso. Per orientarti tra le opzioni più usate, abbiamo messo a confronto i tre grandi nel pezzo su GPT-5.5, Claude Opus 4.7 e Gemini 3.1 Pro per le aziende.

Ragiona sul costo reale, non sul prezzo per token. La cifra del grafico è solo un pezzo. Conta quante chiamate fai, quanto sono lunghe, quanto rilavoro generano gli errori. Su come impostare un progetto AI tenendo i conti sotto controllo dall'inizio, parti da come implementare l'AI in una PMI italiana.

Due notizie, una direzione

Mettile vicine. Da un lato la frontiera che si muove: un'AI che scioglie nodi di calcolo rimasti fermi per generazioni e che rende più efficiente l'infrastruttura su cui gira tutto il resto. Dall'altro il prezzo che scende, fino a portare modelli seri a poche decine di centesimi per milione di token.

Per un'impresa italiana il messaggio è uno solo. L'intelligenza artificiale non è più una scommessa da early adopter con budget illimitato. Sta diventando un'utility, come la corrente o il cloud: qualcosa che costa poco, migliora in fretta, e che conviene saper usare bene più che possedere. La domanda è passata da "ci conviene entrarci?" a "stiamo usando lo strumento giusto al prezzo giusto?".

Se vuoi capire quali strumenti hanno davvero senso per la tua realtà, partendo dai processi e non dall'hype, può servirti il confronto sui migliori strumenti AI per le PMI italiane o il parere di esperti AI per le PMI che ragionano sul tuo caso prima che sul tool.