Migliori modelli di IA nel 2026: classifiche, prezzi e come scegliere

Ultimo aggiornamento: 5 novembre 2026. Il mercato dei modelli di IA cambia ogni poche settimane, quindi questa guida è pensata per essere aggiornata. Distingue le tre classifiche, riporta i prezzi di listino e offre una tabella decisionale che puoi consultare di nuovo all’uscita del prossimo modello.

Al momento, «il modello di IA più potente» ha tre risposte diverse, che non sono intercambiabili.

Gemini 4 Carbon è in testa all’Artificial Analysis Intelligence Index con 60 punti, ma Google lo ha reso disponibile solo a una parte dei difensori informatici e dei partner del programma Fairwind. Claude Opus 5.5 è un punto sotto e guida la classifica Arena Agents; oggi qualsiasi sviluppatore può usarlo. GPT-6.1 Sol è cinque punti sotto Carbon e quattro sotto Opus, ma il suo costo per attività secondo le misurazioni di Artificial Analysis è di 1,27 $, circa un ottavo dei 10,04 $ di Opus.

Ecco com’è fatto il mercato oggi: intelligenza, disponibilità e costo per attività sono diventati tre parametri con classifiche distinte. Questo articolo li esamina separatamente, poi presenta una tabella decisionale per i modelli più importanti.

Tre classifiche, tre vincitori diversi

L’Artificial Analysis Intelligence Index è un punteggio composito basato su valutazioni di ragionamento, programmazione, conoscenze e capacità agentiche. La classifica attuale assegna 60 punti a Carbon, 59 a Opus 5.5, 57 a GPT-6 Astra e 55 a un gruppo che comprende Claude Sonnet 5.5 e GPT-6.1 Sol. Nel post di lancio, Google aveva citato per Carbon un punteggio di 59 in una precedente rilevazione v5.0; la classifica attuale indica 60. La differenza di un punto dipende da un cambio di versione, non da un nuovo modello.

La classifica Arena Agents misura un altro aspetto: quanto spesso le persone preferiscono le risposte di un modello nelle attività agentiche. Opus 5.5 è primo con il 20,14%, Carbon secondo con il 16,72%, Sonnet 5.5 terzo con il 15,42% e Astra quarto con il 14,70%.

Il terzo parametro è il costo per attività. Artificial Analysis sottopone ogni modello alla stessa valutazione e registra il costo dell’esecuzione, inclusi i token di ragionamento e di output. Secondo questa misura, Terra costa 0,96 $, Sol 1,27 $, Astra 6,24 $, Carbon 7,76 $, Sonnet 10,02 $ e Opus 10,04 $ per attività.

Un modello può vincere una classifica e perdere un’altra. Carbon è il migliore per intelligenza e secondo su Arena, ma la maggior parte dei team non può usarlo. Opus guida Arena ed è secondo per intelligenza. Tra i modelli con un punteggio pari o superiore a 55, Sol è il più economico.

La fascia alta a colpo d’occhio

I prezzi sono per milione di token. Nel periodo di lancio Carbon costa 2 $/10 $, mentre il prezzo standard è 4 $/20 $. Argon costa 2 $/10 $ fino al 30 novembre 2026, poi 4 $/20 $. Carbon non è presente nel catalogo di AIHubMix; gli altri sei modelli della tabella sono disponibili tramite AIHubMix. I punteggi AA si basano sull’impostazione con il punteggio più alto per ciascun modello: max per Opus, Astra, Sonnet, Sol e Terra; high per Carbon e Argon.

Due aspetti saltano all’occhio. La differenza di prezzo all’interno della fascia alta è enorme: il prezzo per token di Terra è un decimo di quello di Astra e il suo costo per attività è circa il 15% di quello di Astra. Inoltre, l’ordine varia da una classifica all’altra: Sonnet è terzo su Arena e quarto nell’indice di intelligenza; Astra è terzo nell’indice e quarto su Arena.

In pratica, scegli in base al parametro che corrisponde al tuo vincolo. Se ti serve il massimo delle prestazioni e hai accesso al modello, scegli Carbon. Se ti serve un modello che puoi mettere in produzione oggi, scegli Opus. Se devi gestire grandi volumi, scegli Sol o Terra.

A cosa serve davvero ciascun modello di punta

Claude Opus 5.5: la scelta predefinita per la produzione

Claude Opus 5.5 è il modello da battere per le attività che richiedono capacità di giudizio in più fasi. Con il livello di impegno max ottiene 59 punti nell’indice di intelligenza e guida Arena Agents con il 20,14%. Anthropic riporta inoltre il 66,4% su Terminal-Bench 4.0 con il livello di impegno xhigh, 1846 Elo su GDPval-AA v2.1 e il 67,7% su Humanity's Last Exam con gli strumenti.

Anche i costi sono migliorati. Opus 5.5 ha un prezzo di listino di 4 $/20 $ per milione di token e Anthropic afferma che i costi delle attività tipiche sono circa il 40% inferiori rispetto a Opus 5. Supporta una finestra di contesto da 1M di token e 128K token di output. Artificial Analysis misura 10,04 $ e 26,2 minuti per attività.

Quest’ultimo dato è importante. Opus non è il modello giusto per classificazioni ad alto volume o per generare bozze. È pensato per lunghe sessioni di programmazione, ricerche che richiedono di tenere insieme più documenti e agenti che devono decidere come procedere. Se il valore del risultato è tale che un errore costa più di dieci dollari, Opus è la scelta predefinita più sicura.

Gemini 4 Carbon: il leader che probabilmente non puoi usare

Gemini 4 Carbon è il leader per intelligenza. Nel post di lancio, Google indica 59 punti in AA v5.0; la classifica attuale ne mostra 60. Carbon è secondo su Arena Agents con il 16,72% e Google riporta l’88,2% su SEC-bench Pro, il 71,0% su CWE-bench e il 54,8% su ExploitGym. Il prezzo di lancio è 2 $/10 $, mentre quello standard è 4 $/20 $.

Il problema è l’accesso. Inizialmente Carbon è disponibile a una parte dei difensori informatici, poi ad altri partner selezionati tramite il programma Fairwind. Google prevede di ampliare l’accesso, ma al momento il modello non è disponibile al pubblico. Inoltre, non è presente nel catalogo di AIHubMix. Il post di lancio di Google non indica la finestra di contesto di Carbon.

Per la maggior parte dei team, Carbon è un’indicazione della direzione che sta prendendo Gemini 4, non un modello su cui fare affidamento. Il modello Gemini 4 utilizzabile è Argon.

GPT-6 Astra: lo specialista costoso

GPT-6 Astra è il modello più potente di OpenAI per attività ambigue che coinvolgono più applicazioni. Con il livello di impegno max ottiene 57 punti nell’indice di intelligenza e si classifica quarto su Arena Agents con il 14,70%. Il prezzo di listino è 10 $/50 $ per milione di token; supporta una finestra di contesto da 1,05M di token e 128K token di output. Oltre 272K token di input, le tariffe maggiorate si applicano all’intera richiesta: 20 $ per l’input e 75 $ per l’output. Artificial Analysis misura 6,24 $ e 18,8 minuti per attività.

Il prezzo per token di Astra è cinque volte quello di Sol e anche il costo per attività misurato è circa cinque volte maggiore: 6,24 $ contro 1,27 $. Il confronto con Opus dà un risultato diverso. Il prezzo per token di Astra è 2,5× quello di Opus, ma il costo per attività è inferiore, perché Astra usa meno token per ogni attività. Nel proprio resoconto sulla manutenzione del software, OpenAI rileva la stessa tendenza nelle configurazioni con livello di impegno Ultra: Astra ha speso 109,06 $ per produrre 142 risultati (0,77 $ per risultato), mentre Sol ha speso 15,12 $ per produrne 131 (0,12 $ per risultato). Sol ha prodotto il 92% dei risultati al 14% del costo API.

Astra è adatto quando l’attività è davvero aperta: riordinare un repository di grandi dimensioni, usare un browser e varie applicazioni desktop oppure ricostruire l’origine di un problema consultando diversi strumenti. Non è adatto alla generazione in massa, che Terra o Sol possono svolgere allo stesso modo a una frazione del costo.

Claude Sonnet 5.5 e GPT-6.1 Sol: stesso prezzo, costo diverso

Sonnet 5.5 e Sol hanno lo stesso prezzo di listino: 2 $/10 $. Il loro costo per attività, però, è diverso. Artificial Analysis misura 10,02 $ per Sonnet e 1,27 $ per Sol, una differenza di 7,9×; i tempi sono rispettivamente di 30,6 e 20,9 minuti per attività.

La differenza dipende da quanto ciascun modello scrive e ragiona. Anthropic presenta Sonnet come un complemento più veloce ed economico di Opus per le attività quotidiane ben definite, la correzione dei bug e la stesura di documenti curati. Afferma inoltre che Opus resta nettamente superiore per le attività complesse e aperte che richiedono capacità di giudizio costanti. Il punteggio di Sonnet su Terminal-Bench 4.0, riportato dal fornitore, è del 70,6%, superiore al 66,4% di Opus; tuttavia, il livello di impegno usato per Sonnet non è stato reso noto, mentre quello di Opus è xhigh. Un benchmark misura una specifica attività, non la capacità di giudizio. I costi dei token spiegano comunque perché Sonnet possa costare quanto Opus per attività, nonostante il prezzo per token sia dimezzato.

Sol è il modello per i grandi volumi. Con il livello di impegno max ottiene 55 punti nell’indice di intelligenza, si classifica sesto su Arena Agents con il 12,51% e supporta la stessa finestra di contesto da 1,05M di token. Per cicli agentici eseguiti migliaia di volte al giorno, manutenzione del codice, analisi in batch e revisioni preliminari, il dato che conta è il suo costo di 1,27 $ per attività.

Una regola semplice: Sonnet quando il risultato deve essere corretto e letto da una persona; Sol quando deve essere verificato da un altro modello o da una suite di test.

Gemini 4 Argon: il Gemini 4 utilizzabile

Gemini 4 Argon è il modello Gemini 4 che la maggior parte dei team può usare concretamente. Con il livello di impegno high ottiene 50 punti nell’indice di intelligenza e si classifica ottavo su Arena Agents con il 10,53%. Accetta testo, immagini, audio, video e PDF, supporta una finestra di contesto da 1M di token e costa 2 $/10 $ fino al 30 novembre 2026, poi 4 $/20 $. Artificial Analysis misura 9,95 $ e 25,8 minuti per attività.

I risultati riportati da Google sono migliori nei compiti multimodali e scientifici: primo posto assoluto nel Vals Index, 87% su ERQA, 57% su RareBench e 52,2% su LabBench. È il modello giusto per video lunghi, documenti ricchi di grafici, ragionamento 3D e spaziale e ricerche che combinano più formati. Non è adatto alle chat a bassa latenza: Artificial Analysis misura 25,8 minuti per attività, un dato simile a quello di Opus; conviene quindi prevederne l’uso asincrono o in batch.

Kimi K3.1 Pro: lo sfidante open weight per la programmazione

Kimi K3.1 Pro è il modello open weight che più si è avvicinato ai modelli proprietari di punta nella programmazione. Moonshot riporta il 65,7% su Terminal-Bench 4.0, appena 0,7 punti sotto Opus 5.5, oltre al 61,2% su Kimi Code Bench 3.0 Long-horizon, al 92,7% su BenchCAD con gli strumenti e a 64,4 su OfficeQA Pro v2. Supporta una finestra di contesto da 1,048,576 token ed è stato rilasciato il 24 ottobre 2026; i pesi sono stati pubblicati su Hugging Face il 2 novembre con la licenza Kimi K3.1 Pro License.

Il limite è il punteggio nell’indice di intelligenza. AA assegna a Kimi 46 punti, 13 in meno rispetto a Opus. Nella classifica Arena Agents è fuori dai primi dieci. Questo significa che il modello è eccellente nelle attività scelte dal suo fornitore per le valutazioni, ma non è ancora un sostituto generale dei modelli di punta. Usalo per programmazione da terminale, attività CAD e 3D e documenti finanziari, quando contano una licenza open o l’hosting autonomo.

Nella versione consultata, la pagina dei prezzi di Moonshot non riportava un prezzo di listino in USD; AIHubMix indica per Kimi K3.1 Pro un prezzo di 2 $/10,5 $ per milione di token. Artificial Analysis misura 3,68 $ per attività.

Claude Haiku 5.5: la scelta per le attività ad alta frequenza

Haiku 5.5 è il modello per le attività semplici. Ottiene 36 nell’indice di intelligenza, ha un prezzo di $0.10/$0.50 per milione di token per i prompt fino a 100K token ($0.50/$2.50 oltre tale soglia) e supporta una finestra di contesto da 1M token. Artificial Analysis misura un costo di $0.41 per attività.

È lo strumento giusto per classificazione, estrazione, instradamento, riepilogo e per gli agenti secondari che devono prendere rapidamente una decisione all’interno di un flusso di lavoro più ampio. Non è un modello adatto al ragionamento complesso: il divario rispetto a Opus è di 23 punti indice. Lo schema pratico è lasciare che un agente Opus o Sonnet pianifichi e che Haiku esegua i passaggi economici e ben definiti.

Claude Fable 5.1: l’altro modello di punta di Anthropic

Fable 5.1 è facile da trascurare perché non è il modello a cui si rivolge la maggior parte dei team. Ha un prezzo di $10/$50 per milione di token, supporta un contesto di 1M token e un output di 128K, ed è disponibile in generale. Anthropic definisce Fable 5.1 e Mythos 5.1 i suoi modelli più avanzati per la programmazione e il lavoro basato sulla conoscenza, anche se la pagina non confronta direttamente Fable con Opus 5.5. AA gli assegna 49 con il livello di impegno massimo e 50 con xhigh; Arena lo colloca al quinto posto con il 13.86%.

Il suo modello derivato a disponibilità limitata, Mythos 5.1, è lo stesso modello sottostante, ma con misure di protezione più permissive per le organizzazioni statunitensi selezionate che operano nella cybersicurezza e nelle scienze biologiche; è disponibile solo tramite i programmi di accesso fidato di Anthropic. Il prezzo per token di Fable è 2.5× quello di Opus, ma il sovrapprezzo non porta a un punteggio indice più alto: con xhigh, Fable ottiene 50 contro i 57 di Opus; al massimo, 49 contro 59. AA misura $10.85 per attività per Fable con xhigh, contro $10.04 per Opus al massimo, circa l’8% in più. Provalo prima di dare per scontato che il sovrapprezzo valga la pena.

Pesi aperti: vicini nella programmazione, non nell’intelligenza generale

I dati dei benchmark nella tabella dei modelli con pesi aperti sono riportati dai fornitori; il punteggio di GLM su Terminal-Bench 4.0 si riferisce alla configurazione Max con l’harness mini-swe-agent.

Kimi è il protagonista. Un punteggio del 65.7% su Terminal-Bench, a soli 0.7 punti da Opus, è un risultato notevole, e il contesto da 1M lo rende utilizzabile per attività su interi repository. Ma l’altro lato della storia è il divario nell’indice di intelligenza: 46 contro 59. Un modello può essere vicino su un singolo benchmark di programmazione e restare comunque molto indietro sulla combinazione di ragionamento, conoscenza e attività agentiche misurata dall’indice.

GLM 5.3 è l’opzione orientata al risparmio di questo gruppo. AA gli assegna 32 con il livello di impegno massimo, ben al di sotto del 46 di Kimi, ma è un modello MoE da 753B con licenza glm-5.3, che secondo il fornitore ottiene il 41.9% su Terminal-Bench 4.0 (Max, mini-swe-agent), 1769 Elo su GDPval-AA v2 e il 62.5% su Humanity's Last Exam (HLE) con strumenti. Il prezzo ufficiale è $1.40/$4.40; AIHubMix lo propone attualmente a un prezzo inferiore a quello di listino, $1.13/$3.94 per milione di token.

DeepSeek V4.1 Flash 1017 è la scelta per contenere i costi e mantenere il controllo. È un modello da 763B con licenza MIT, una finestra di contesto da 1M token, un output massimo di 384K e input visivo. Il prezzo ufficiale è $0.15/$0.60 nelle ore non di punta e $0.30/$1.20 nelle ore di punta; queste ultime sono dalle 01:00 alle 04:00 e dalle 06:00 alle 10:00 UTC, dal lunedì al venerdì, esclusi i giorni festivi cinesi. L’input con cache hit costa $0.003 nelle ore non di punta e $0.006 nelle ore di punta per milione di token. Non è un modello generalista di prima fascia, ma è un modo molto economico per disporre di un modello multimodale con contesto esteso.

MiniMax M3.1 Flash è l’opzione multimodale per gli agenti: 428B di parametri totali, 23B attivi per token, una finestra di contesto da 1M token, input di testo/immagini/video e un punteggio di 61.7 su OSWorld 2.0. MiniMax lo vende in CNY a ¥1/¥4 per milione di token. È una valida alternativa da ospitare autonomamente per i flussi di lavoro che prevedono l’uso del computer, anche se la sua velocità non è eccezionale.

Il valore dei pesi aperti non sta nel fatto che il divario si sia colmato ovunque, ma nella possibilità di avere il modello sotto il proprio controllo quando i dati non possono uscire dalla rete, quando i costi devono essere fissi o quando serve una messa a punto. Con questi vincoli, qualche punto indice conta meno della libertà di distribuzione.

Fuori dalla rosa ristretta, Muse Wonder di Meta è l’altro agente multimodale nella top ten di Arena, al nono posto con il 9.42%; la configurazione Full ottiene 50 su AA, mentre quella standard ottiene 44. Grok 4.7 di xAI offre un contesto da 500K, ha un prezzo di listino di $2/$6 per i prompt sotto i 200K token ($4/$12 da 200K in su) e ottiene 35 su AA. Qwen3.8 Max di Alibaba ottiene 34, con un costo di $10.02 per attività. Nessuno di questi cambia il quadro dei modelli di prima fascia.

Il prezzo per token non è il costo per attività

La colonna dell’importo è un esempio di calcolo, non un dato di AA: 10M token di input più 2M token di output ai prezzi di listino standard, ipotizzando che ogni richiesta resti sotto la soglia di contesto esteso del rispettivo fornitore, senza caching né sconti per batch. Carbon e Argon sono indicati alle tariffe standard; i prezzi di lancio e introduttivi riducono questi importi a $40 ciascuno.

Da questi dati emergono tre conclusioni.

Primo: lo stesso prezzo per token può produrre una differenza di circa 8× nel costo per attività. Sonnet e Sol hanno entrambi un prezzo di listino di $2/$10. Il costo per attività misurato di Sonnet è $10.02; quello di Sol è $1.27. La differenza dipende dalla lunghezza dell’output e dal tempo di ragionamento, non dal tariffario.

Secondo: un modello costoso non è sempre la scelta più cara. Il prezzo per token di Astra è 2.5× quello di Opus, ma il suo costo per attività è $6.24 contro i $10.04 di Opus, perché usa meno token per attività. Un tariffario elevato e un importo elevato sono due cose diverse.

Terzo: il contesto non è gratuito. Il livello di contesto esteso di OpenAI applica tariffe più alte all’intera richiesta una volta superati i 272K token: $20 per l’input e $75 per l’output di Astra, $4 e $15 per Sol. Una finestra da 1M token è utile; riempirla a ogni richiesta è una decisione di budget.

Come scegliere

Tre regole rendono utile la tabella.

Esegui 20 attività reali prima di prendere una decisione. Usa i tuoi prompt, il tuo formato di output e i tuoi criteri di errore, non un benchmark pubblico. Venti attività bastano per individuare un modello che non riesce a rispettare il tuo schema o che cede con un contesto lungo.

Separa le decisioni dall’esecuzione. Lascia che Opus o Sonnet pianifichino, revisionino e gestiscano i casi complessi; lascia che Haiku, Sol o DeepSeek eseguano i passaggi ben definiti. In un sistema agentico, il modello più costoso non deve occuparsi di ogni singolo passaggio.

Mantieni un livello facilmente sostituibile. I modelli cambiano ogni pochi mesi. Una sola API, un’unica fattura e un unico log contano più che scegliere il vincitore di un singolo mese.

Usare questi modelli tramite AIHubMix

AIHubMix non è un altro modello: è un modo per rendere i modelli sostituibili. Una sola chiave funziona con un endpoint compatibile con OpenAI, un endpoint compatibile con Claude (beta) e un endpoint nativo Gemini, con più di 900 modelli su un’unica fattura. Gemini 4 Carbon è l’unico modello delle tabelle che non offre. La guida rapida mostra la struttura della richiesta.

Per la maggior parte dei team, basta l’endpoint compatibile con OpenAI:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

prompt = "Explain in three sentences why cost per task beats cost per token."

response = client.chat.completions.create(
    model="claude-opus-5-5",
    messages=[{"role": "user", "content": prompt}],
)

print(response.choices[0].message.content)

Gli ID dei modelli seguono i nomi dei fornitori (Carbon non ha un ID qui): claude-opus-5-5, claude-sonnet-5-5, claude-haiku-5-5, claude-fable-5-1, gpt-6-astra, gpt-6.1-sol, gpt-6.1-terra, gemini-4-argon, kimi-k3.1-pro, glm-5.3, deepseek-v4.1-flash-1017, minimax-m3.1-flash e muse-wonder.

Se non vuoi scegliere a ogni richiesta, il router auto supporta quattro strategie: cost_optimized (impostazione predefinita), balanced, quality_first e latency_critical. Usalo per le attività esplorative; assegna le attività critiche a un modello fisso e mantieni un’alternativa.

FAQ

Qual è il modello di IA più potente al momento?
Al 5 novembre 2026, Gemini 4 Carbon è in testa con 60 nell’attuale Artificial Analysis Intelligence Index. Tra i modelli che la maggior parte dei team può effettivamente distribuire, c’è Claude Opus 5.5 con 59.

Posso usare Gemini 4 Carbon tramite AIHubMix?
No. Carbon è limitato a un gruppo ristretto di esperti di cybersicurezza e partner Fairwind e non è presente nel catalogo. Gemini 4 Argon è il modello Gemini 4 disponibile in generale.

Qual è il modello migliore per la programmazione?
Opus 5.5 per le attività complesse e aperte; Sonnet 5.5 per la programmazione e i documenti di tutti i giorni; Sol per i cicli agentici ad alto volume; Kimi K3.1 Pro se ti servono pesi aperti.

Perché Sonnet 5.5 costa così tanto per attività se ha lo stesso prezzo per token di Sol?
Artificial Analysis misura $10.02 per attività per Sonnet e $1.27 per Sol. Sonnet usa molti più token per attività. Il prezzo per token è lo stesso; l’importo in fattura no.

Qual è il modello più economico nella prima fascia?
GPT-6.1 Terra, con $0.96 per attività secondo AA. Tra i modelli con un punteggio pari o superiore a 55, GPT-6.1 Sol è il più economico, a $1.27. DeepSeek V4.1 Flash costa meno per token, ma ottiene un punteggio molto inferiore a quello dei modelli di prima fascia.

I modelli con pesi aperti sono alla pari con quelli di frontiera?
Su specifici benchmark di programmazione, Kimi è vicino: 65.7% contro 66.4% su Terminal-Bench 4.0, con Opus misurato al livello di impegno xhigh. In termini di intelligenza generale, AA assegna a Kimi 46, contro 59 per Opus. Scegli i pesi aperti per controllo, costi e messa a punto, non perché il divario si sia colmato ovunque.

Posso chiamarli tutti con un’unica chiave API?
Carbon non è presente nel catalogo di AIHubMix; tutti gli altri modelli nelle tabelle sono disponibili. Una sola chiave funziona con gli endpoint compatibili con OpenAI e Claude e con l’endpoint nativo Gemini.

Fonti

1. Classifica dell’Artificial Analysis Intelligence Index, consultata il 5 novembre 2026.
2. Classifica di Arena Agents, consultata il 5 novembre 2026.
3. Materiale dei fornitori di modelli frontier: Claude Opus 5.5, Claude Sonnet 5.5, Claude Haiku 5.5, Claude Fable 5.1 e Mythos 5.1, panoramica dei modelli Claude, Gemini 4 Carbon, Gemini 4 Argon, modelli Gemini API, catalogo dei modelli OpenAI, post sulla manutenzione della famiglia GPT-6, Kimi K3.1 Pro, prezzi di Kimi.
4. Materiale dei fornitori di modelli open-weight: prezzi di GLM 5.3, scheda del modello GLM 5.3, prezzi di DeepSeek, scheda del modello DeepSeek V4.1 Flash 1017, prezzi di MiniMax, scheda del modello MiniMax M3.1 Flash, modelli Grok 4.7.
5. AIHubMix: catalogo dei modelli e guida introduttiva all'API, consultati il 5 novembre 2026.