Quale modello Claude scegliere per il tuo caso

La domanda «quale modello Claude scegliere» ha una risposta che non dipende dal modello ma dal tuo compito. Questa guida propone una procedura concreta per arrivarci in mezza giornata, senza competenze tecniche particolari.

I dati sui modelli provengono dalla documentazione ufficiale Anthropic, verificata il 19 agosto 2026.

Le tre domande che determinano tutto

Quanto è complesso il compito? Non quanto è importante: quanto è complesso. Classificare un messaggio è semplice anche se il messaggio è di un cliente importante. Un compito è complesso quando richiede di concatenare più deduzioni, incrociare fonti diverse o gestire eccezioni non previste.

Quanti casi al mese? Sotto qualche migliaio, la differenza di prezzo fra le fasce è trascurabile e conviene privilegiare la qualità. Sopra le decine di migliaia, il costo diventa la variabile dominante e vale la pena ottimizzare seriamente.

Qualcuno sta aspettando? Se la risposta compare su uno schermo mentre una persona attende, la velocità entra nella decisione con lo stesso peso della qualità.

La mappa per caso d'uso

La colonna «fascia di partenza» va letta letteralmente: è il punto da cui iniziare la prova, non la conclusione. Se la fascia indicata non basta sui tuoi casi, si sale; se abbonda, si scende.

Le caratteristiche complete di ciascun modello sono in modelli Claude a confronto.

La procedura in cinque passi

Primo: scrivi il compito in una frase. Non «vogliamo usare l'AI», ma «classificare le email in arrivo in sei categorie» o «estrarre otto campi dalle fatture fornitori». Se non riesci a scriverlo in una frase, il progetto non è ancora definito.

Secondo: raccogli dieci casi reali. Presi dal lavoro vero, con l'esito corretto già noto. Almeno tre devono essere difficili: documento mal scritto, informazione mancante, formato anomalo. Sono quelli che distinguono le fasce.

Terzo: parti dalla fascia più bassa plausibile. Usa la mappa qui sopra. Esegui i dieci casi e annota per ciascuno esito, tempo e consumo.

Quarto: sali solo se fallisce. E prima di cambiare modello, prova ad alzare il livello di ragionamento sulla stessa fascia: costa meno di un salto di categoria e spesso basta.

Quinto: fai valutare a chi conosce il lavoro. Non a chi conosce l'AI. Chi fa quel mestiere riconosce in due secondi un errore che a un tecnico sembra una risposta ragionevole.

• Definisci il compito in una frase
• Raccogli dieci casi reali, tre difficili
• Parti dalla fascia più bassa plausibile
• Alza prima l'effort, poi la fascia
• Fai valutare a chi conosce il lavoro
• Misura anche costo e tempo, non solo qualità

Perché salire per prudenza è l'errore più caro

La tentazione, di fronte a un progetto importante, è scegliere il modello più capace «per stare tranquilli». È comprensibile ed è la decisione che costa di più, per tre ragioni contemporanee.

Costa di più in denaro, ovviamente: fino a dieci volte rispetto alla fascia leggera. Costa in velocità, perché i modelli più capaci sono i più lenti e in scenari interattivi l'utente lo percepisce. E costa in informazione, perché non saprai mai se la fascia inferiore sarebbe bastata — e senza quel dato non potrai mai ottimizzare.

La risposta è spesso "due"

Nella maggior parte dei processi aziendali la difficoltà dei casi non è distribuita in modo uniforme: la grande maggioranza è ordinaria, una minoranza è complessa. Pagare la stessa tariffa per entrambe le categorie è lo spreco più diffuso.

L'impostazione a due livelli risolve il problema. Il modello leggero riceve tutto il traffico e chiude i casi che gestisce con sicurezza; quelli che riconosce come dubbi salgono al modello capace.

Se i casi difficili sono il dieci per cento, paghi la fascia alta su un decimo del volume. La spesa resta vicina a quella del modello economico, la qualità a quella del modello potente. Il dettaglio dell'impostazione è in strategia a modello misto.

Errori da evitare

• Scegliere in base alle classifiche invece che ai propri casi.
• Partire dalla fascia alta per prudenza.
• Testare solo su casi facili. La differenza è sui difficili.
• Ignorare la latenza negli scenari interattivi.
• Far valutare gli esiti a chi non conosce il lavoro.
• Non rivedere mai la scelta dopo il lancio.

Esempi pratici

Studio professionale, dieci persone. Il compito è un assistente che risponde su procedure, scadenze e pratiche interne, alimentato dai documenti dello studio. Volumi bassi, latenza moderata, compito di recupero e riformulazione.

La fascia intermedia è il punto di partenza naturale. Vale però la pena provare anche quella leggera: se i documenti sono ben organizzati e la selezione del contesto funziona, spesso basta. Con volumi bassi la differenza in valore assoluto è modesta, quindi non è la voce su cui concentrare l'ottimizzazione — meglio investire il tempo nella qualità della base documentale.

Azienda commerciale, alto volume di richieste clienti. Migliaia di messaggi al giorno, quasi tutti riconducibili a una decina di intenti ricorrenti, con un cliente che aspetta la risposta.

Qui la fascia leggera è la scelta corretta su due fronti: costa un quinto e risponde più in fretta, che in chat è un vantaggio percepito direttamente. I casi fuori schema salgono al secondo livello. Su questi volumi l'ottimizzazione vale davvero, e mezza giornata di taratura si ripaga in poche settimane.

Azienda di servizi con processi articolati da automatizzare. Un agente che legge un documento, verifica più condizioni, incrocia dati da fonti diverse e propone un esito. Volumi medi, molti passaggi concatenati.

È lo scenario in cui la fascia alta si giustifica, ma non prima di aver misurato. Il numero da guardare non è la qualità della singola risposta: è quanti casi arrivano a conclusione senza intervento umano. Se la fascia intermedia ne chiude l'ottanta per cento e quella alta il novantacinque, la differenza va confrontata con il costo del tempo speso a sistemare il restante venti.

Il criterio economico che ribalta la scelta

C'è un calcolo che quasi nessuno fa e che spesso capovolge la decisione presa sul listino.

Il costo totale di un sistema AI non è la spesa di API: è la somma fra spesa di API, tempo di revisione umana e costo degli errori non intercettati. Le ultime due voci non compaiono in nessun preventivo e sono quasi sempre più grandi della prima.

Se un modello più caro riduce sensibilmente la seconda voce — perché sbaglia meno o perché segnala in modo affidabile i casi dubbi — può costare meno in totale pur costando di più a chiamata.

Come applicarlo in azienda

Il metodo descritto sopra diventa utile quando smette di essere un ragionamento e diventa una procedura fissa, ripetibile ogni sei mesi.

Il primo passaggio è quello che decide tutto e non richiede competenze tecniche: scrivere il compito in una frase e classificarlo. Riconoscimento e trasformazione semplice da una parte — classificare, estrarre, riformulare — ragionamento a più passaggi dall'altra. È questa distinzione a stabilire la fascia minima, non l'importanza del progetto né le dimensioni dell'azienda.

Il secondo è raccogliere il banco di prova: dieci casi reali con l'esito corretto già noto, tre dei quali difficili, più uno a cui manca l'informazione richiesta. Vale la pena conservarli in un file, perché diventano il riferimento permanente per ogni valutazione futura.

Il terzo è misurare due cose che quasi nessuno misura: il costo per compito completato, con il metodo di costo per task o prezzo per token, e il tempo che passa fra richiesta e risposta se qualcuno sta aspettando.

Quando il traffico è disomogeneo — e nella maggior parte dei processi lo è — la risposta migliore non è un modello ma due, secondo l'impostazione descritta in strategia a modello misto. La condizione perché funzioni va verificata prima: il modello leggero deve riconoscere i propri limiti, altrimenti i casi difficili non salgono mai e il secondo livello resta decorativo.

Infine, una nota di progettazione che riguarda il futuro: tieni l'identificativo del modello in un unico punto configurabile. In questo settore i cataloghi cambiano più volte l'anno, e la differenza fra una migrazione da cinque minuti e una da mezza giornata sta tutta lì.

Se vuoi passare dai test con ChatGPT a un sistema AI integrato nei processi aziendali, Giallo Studio progetta agenti e automazioni su misura.

Per completare il ragionamento. Il metodo per costruire il banco di prova è in quando basta un modello economico. Il calcolo del costo per compito completato, che è il numero su cui si decide davvero, è in come si leggono i benchmark AI. Per capire quando conviene rimettere in discussione la configurazione, il criterio è in quando conviene cambiare modello AI.

Conclusione

Non esiste un modello Claude migliore in assoluto: esiste quello più economico che risolve bene il tuo compito. La documentazione consiglia Opus 5 come punto di partenza, ma su compiti semplici e ad alto volume la fascia leggera basta spesso e costa un quinto.

Il metodo per saperlo richiede mezza giornata: dieci casi reali, la fascia più bassa plausibile, salita solo su fallimento misurato. E una revisione ogni sei mesi, perché il catalogo cambia in fretta.

Se vuoi passare dai test a un sistema AI davvero integrato nei processi, Giallo Studio progetta agenti e automazioni su misura per le PMI.

Schema consigliato: Article + FAQPage + BreadcrumbList