Claude Sonnet 5 vs GPT-5.6 Terra

Claude Sonnet 5 e GPT-5.6 Terra occupano la stessa posizione nei rispettivi cataloghi: la fascia intermedia, quella che nella pratica risolve la maggior parte dei compiti aziendali. E hanno lo stesso identico prezzo di input.

È un confronto rilevante perché è la fascia dove finisce il grosso del traffico reale. Dati verificati sulle documentazioni ufficiali il 19 agosto 2026.

I dati a confronto

Le differenze sono minime e nessuna è decisiva da sola. Stesso input, output che differisce del venti per cento, finestre equivalenti, date limite a un mese di distanza.

Come nel confronto fra i modelli di punta, quando le specifiche si somigliano così il confronto si sposta su due terreni: come si comportano sui tuoi casi e quanti tentativi richiedono. Il listino da solo non decide nulla.

Quando il 20% in output conta

La differenza di prezzo si applica solo all'output, quindi il suo peso dipende interamente da quanto testo genera il tuo sistema.

Le prime tre righe coprono la maggior parte del traffico aziendale, e in tutte e tre la differenza è sostanzialmente irrilevante. Sulle ultime due, invece, si accumula.

La scala di ragionamento

È la differenza operativa più interessante fra i due. La documentazione OpenAI descrive per la famiglia GPT-5.6 una gradazione che parte da nessuna elaborazione e arriva fino al massimo. Anthropic indica per Sonnet 5 un livello predefinito alto.

La possibilità di azzerare il ragionamento ha un valore pratico su una classe precisa di compiti: quelli in cui il modello deve solo riconoscere qualcosa, senza doverci pensare sopra. Classificare un messaggio, decidere a chi instradare una richiesta, verificare la presenza di un campo. In quei casi l'elaborazione intermedia non migliora nulla e costa.

Va però detto che la stessa leva esiste in entrambi i cataloghi in forme diverse, e che la scelta del livello giusto va fatta per tipo di compito, non una volta per tutte.

Per quali compiti è questa fascia

Nella colonna di sinistra ci sono i compiti che nella pratica costituiscono la maggior parte dei progetti AI aziendali. È il motivo per cui questa fascia merita più attenzione di quella che riceve: gli annunci parlano dei modelli di punta, ma il lavoro vero passa quasi tutto da qui.

Vale anche la pena verificare il contrario: se il tuo compito è di puro riconoscimento ad alto volume, potrebbe bastare una fascia ancora più economica, come discusso in modelli AI economici a confronto.

Come confrontarli

• Dieci casi reali del tuo processo, almeno tre difficili
• Lo stesso prompt, adattato il meno possibile
• Il livello di ragionamento più vicino possibile fra i due
• Misura i token di output effettivi, non stimarli
• Conta i tentativi necessari per chiudere
• Fai valutare a chi conosce il lavoro

Il quarto punto è particolarmente importante in questo confronto, proprio perché la differenza di listino è sull'output. Se un modello produce sistematicamente risposte più lunghe o ragiona di più, la differenza reale può essere molto maggiore del venti per cento nominale — o molto minore.

Errori da evitare

• Decidere sul 20% di output senza misurare i token reali.
• Confrontare a livelli di ragionamento diversi.
• Ignorare i tentativi: contano più del listino.
• Testare solo su casi facili.
• Non verificare se basta una fascia più bassa.
• Trascurare la latenza negli scenari interattivi.

Un esempio con i numeri

Prendiamo un sistema che risponde a richieste su base documentale: 60.000 richieste al mese, 3.000 token di input e 500 di output ciascuna.

Settecentoventi dollari all'anno di differenza su un volume consistente: una cifra reale ma modesta rispetto a quelle in gioco fra fasce diverse. È il motivo per cui, in questo confronto, il listino non è il criterio giusto.

Cambia però tutto se uno dei due richiede più tentativi. Su 60.000 richieste mensili, un tasso di rilancio del venti per cento in più costa molto più dei settecento dollari annui di differenza in listino. Ed è il tipo di informazione che si ottiene soltanto misurando sui propri casi.

Il mese di differenza sul cutoff

La documentazione indica il 16 febbraio 2026 per GPT-5.6 Terra e gennaio 2026 per Sonnet 5. Un mese, che non è un criterio di scelta in nessuno scenario realistico.

Vale la pena spiegare perché, oltre alla banale osservazione che è poco. Nei sistemi ben progettati la conoscenza interna del modello non è la fonte dei fatti: i fatti arrivano dai documenti che fornisci tu, e il modello mette la capacità di leggerli, collegarli e riformularli. Quella capacità non ha data di scadenza.

Se stai costruendo un assistente che risponde su procedure aziendali, contratti o listini interni, la data limite è irrilevante per entrambi. Se invece il sistema attinge alla memoria del modello per rispondere su temi che cambiano, hai un problema che un cutoff più recente non risolve: lo rimanda soltanto.

L'impostazione corretta è la stessa in entrambi i casi — fornire i documenti aggiornati, chiedere la citazione della fonte, istruire il modello a dichiarare quando l'informazione non c'è — ed è descritta in knowledge cutoff: cosa significa in pratica.

Tre casi reali di questa fascia

Assistente interno sulle procedure aziendali. Il sistema cerca nei documenti e risponde citando la fonte. Output brevi, quindi la differenza di listino è irrilevante. Conta invece che il modello dichiari quando la risposta non è nei documenti, invece di ricostruirla.

Estrazione da documenti irregolari. Fatture scansionate male, bolle con campi mancanti, formati non standard. È il compito tipico di questa fascia: troppo variabile per un modello leggero, non abbastanza complesso da richiederne uno di punta.

Sintesi di verbali e relazioni. Qui l'output è lungo e la differenza del venti per cento comincia a contare. Vale la pena misurare i token effettivi, perché la verbosità dei due modelli a parità di istruzioni può differire più del listino.

Come applicarlo in azienda

Con differenze di listino così piccole, la procedura utile non riguarda il prezzo ma il comportamento sui tuoi casi.

Prendi dieci casi reali, di cui tre difficili e uno a cui manca l'informazione richiesta. Esegui tutto su entrambi i modelli con lo stesso prompt e il livello di ragionamento più vicino possibile. Poi misura tre cose: quanti casi si chiudono al primo tentativo, quanti token vengono effettivamente consumati e quanto tempo passa fra richiesta e risposta.

Il secondo punto merita attenzione proprio perché la differenza di listino è sull'output: se un modello produce risposte sistematicamente più lunghe o ragiona di più, la differenza reale può essere molto maggiore del venti per cento nominale — o molto minore.

Quando i due modelli risultano equivalenti sui tuoi casi — ed è l'esito più frequente su questa fascia — la decisione si sposta su fattori operativi legittimi: quale ecosistema conosce già il team, quali strumenti esistono attorno, dove è più semplice risolvere un problema quando si presenta.

Resta un criterio che nessuna tabella contiene e che pesa più di qualunque differenza di listino: come sbagliano. Un modello che davanti a un documento incompleto dichiara l'assenza del dato ha fatto il suo lavoro; uno che produce un valore plausibile ha generato un errore che nessuno verificherà, come discusso in costo per task o prezzo per token.

Se vuoi progettare un sistema AI scegliendo il modello sui dati, Giallo Studio progetta agenti e automazioni su misura per le PMI.

Tre riferimenti che completano il quadro. Il criterio di scelta per tipo di compito è in quando basta un modello economico. Per la parte economica il riferimento è strategia a modello misto: leggero e potente. E se stai valutando di rivedere una configurazione già in produzione, il percorso è in come si leggono i benchmark AI.

Esempi pratici

Azienda con assistente documentale interno. Il sistema cerca nei documenti aziendali e risponde citando la fonte. Gli output sono brevi, quindi la differenza del venti per cento sull'output è irrilevante. Conta molto di più che il modello dichiari quando la risposta non è nei documenti, invece di ricostruirla in modo plausibile.

Studio che estrae dati da documenti irregolari. Fatture scansionate male, bolle con campi mancanti, formati non standard. È il compito tipico di questa fascia: troppo variabile per un modello leggero, non abbastanza complesso da richiederne uno di punta. La prova va fatta sui documenti peggiori, non su quelli ordinari.

Ufficio che sintetizza verbali e relazioni. Qui l'output è lungo e il venti per cento comincia a pesare. Vale la pena misurare i token effettivi: la verbosità dei due modelli a parità di istruzioni può differire più della differenza di listino, in entrambe le direzioni.

Conclusione

Sonnet 5 e GPT-5.6 Terra hanno lo stesso prezzo di input, finestre equivalenti, lo stesso output massimo e date limite a un mese di distanza. L'unica differenza di listino è il venti per cento in output, che pesa solo sui compiti che generano molto testo.

Con differenze così piccole, la scelta si decide su come si comportano sui tuoi casi e su quanti tentativi richiedono. Ed è una fascia che merita attenzione, perché è dove passa la maggior parte del lavoro aziendale vero.

Se vuoi progettare un sistema AI scegliendo il modello sui dati, Giallo Studio costruisce agenti e automazioni su misura per le PMI.

Schema consigliato: Article + FAQPage + BreadcrumbList