
GPT-6.2 e la scusa della potenza di calcolo: cosa ha pubblicato OpenAI su dove finiscono davvero le GPU
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 90 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 97 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNUOVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 87 tok/s
- OrcaNUOVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 133 tok/s
- OrcaNUOVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1M di token · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 130 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 150 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M di token · 119 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenza
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenza
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1M di token · 219 tok/s
Nella notte del 15 novembre 2026, @kimmonismus ha offerto una teoria sul perché GPT-6.2 non sia apparso: OpenAI sta destinando la scarsa potenza di calcolo alla ricerca anziché all’erogazione di nuovi modelli, perché il rapido progresso rende i checkpoint intermedi meno convincenti da rilasciare, e anche sicurezza, prontezza del prodotto e costi possono essere fattori. Questa affermazione ha una metà verificabile e una metà non verificabile. La metà verificabile è che GPT-6.2 non esiste in alcun artefatto pubblicato da OpenAI. Il catalogo dei modelli elenca sei identificatori di testo GPT-6 — GPT-6 Astra, GPT-6.1 Sol, GPT-6.1 Terra, GPT-6 Luna, GPT-6 Sol e il GPT-6 Cyber ad accesso controllato — e nulla numerato 6.2. Il tariffario non ha alcuna riga 6.2. L’ultima voce di modello nel changelog è GPT-6 Cyber del 5 novembre, undici giorni fa. Artificial Analysis, il cui indice è indipendente da OpenAI anche se misura il proprio set di attività, non ha alcuna voce GPT-6.2. La metà non verificabile è dove vada effettivamente la potenza di calcolo, e nessuno fuori dall’azienda può risolverlo da un tweet.
Ciò che invece si può fare è più circoscritto e più utile: leggere i quattro documenti che OpenAI ha pubblicato su compute e governance dei modelli dalla fine di settembre, e chiedersi cosa dicono sull'allocazione. Letti insieme, descrivono qualcosa che il tweet non descrive — il compute viene razionato all'interno della ricerca, da un sistema di controllo documentato con una latenza di arresto pubblicata, mentre il serving è descritto come uno stack separato che, secondo la stessa formulazione di OpenAI, è «già molto più centralizzato per natura». Questa è la forma della storia del compute per quanto la documentazione pubblica la supporti. Tutto quanto segue è etichettato in base alla provenienza, perché gran parte è un fornitore che descrive se stesso.

Cosa dice il catalogo il 16 novembre
L'assenza è facile da verificare e vale la pena dichiararla con precisione, perché da settimane circolano post secondo cui «GPT-6.2 sta arrivando». Il catalogo dei modelli API di OpenAI, recuperato stamattina, contiene sei identificatori GPT-6 e una famiglia di immagini, un modello vocale e un modello per le scienze della vita. Il testo recita: GPT-6 Astra come «il nostro modello più capace per il lavoro più impegnativo»; GPT-6.1 Sol come «prestazioni vicine a Astra per lavori complessi a un costo inferiore»; GPT-6.1 Terra per il ragionamento visivo e l'uso del computer; GPT-6 Sol per la programmazione e i flussi di lavoro agentici; GPT-6 Luna per lavori ad alto volume; e GPT-6 Cyber per l'indagine sulle vulnerabilità tramite la configurazione Daybreak. Non c'è alcun 6.2 in quell'elenco, e una richiesta di una pagina del modello al percorso di documentazione convenzionale restituisce un 404.

Il changelog riempie la forma del divario. Da quando GPT-6 Astra è stato rilasciato il 3 settembre, OpenAI ha pubblicato lungo linee verticali anziché un'unica linea di testo ascendente:
• 22 settembre — GPT-6 Sol e GPT-6 Luna aggiunti come livello coding e livello volume sotto Astra
• 29 settembre — Astra e Sol offerti sul livello di servizio Ultrafast, a sei volte le tariffe standard
• 8 ottobre — GPT-6.1 Sol su Ultrafast, la prima volta che un modello di fascia media ha ottenuto la corsia veloce
• 16 ottobre — nove nuove voci GPT-Live e prompt-to-voice; modalità Ultrafast estesa all'Agents API
• 22 ottobre — Decisions API disponibile in versione generale su GPT-6 Luna, con il limite di domande per richiesta aumentato da 200 a 400
• 26 ottobre — GPT-6.1 Terra, pensato per il ragionamento visivo e l'uso del computer piuttosto che per i punteggi grezzi dei benchmark
• 30 ottobre — GPT-6 Rosalind, ragionamento biologico, ad accesso limitato nell'ambito del programma di accesso affidabile
• 2 novembre — chiamate SIP in uscita su GPT-Live; 4 novembre — GPT-Image-2.6 Sunburst e Flare, con output SVG e GIF animati
• 5 novembre — GPT-6 Cyber, per il lavoro sulle vulnerabilità, dietro l'onboarding di Daybreak
Undici giorni di changelog da allora non contengono alcun modello: un wallet, funzionalità business, orientamento educativo, una partnership per la cyberdifesa, un post di fisica. Se la potenza di calcolo fosse stata sottratta in blocco all’erogazione, questo non è il pattern che ci si aspetterebbe: immagini, voce, telefonia, scienze della vita e un modello di sicurezza sono stati tutti rilasciati. Ciò che non è stato rilasciato è un nuovo checkpoint testuale di frontiera. Questa distinzione è l’intero argomento, ed è quella che il tweet appiattisce.
Tre spiegazioni, e solo una con documenti
Il post elenca tre o quattro cause e non le soppesa. Scarsità di capacità di calcolo, sicurezza, prontezza del prodotto e costo sono tutte plausibili; solo una di esse ha un meccanismo pubblicato e ispezionabile associato, e non è in servizio.
Il 9 novembre, OpenAI ha pubblicato il Control Room: "un sistema centrale per monitorare i carichi di lavoro dei modelli sulla nostra infrastruttura di ricerca e arrestarli rapidamente quando sorgono preoccupazioni per la sicurezza o la protezione". I dettagli contano più dell'inquadratura. Esso "interrompe l'output del modello entro 35 secondi da una decisione di intervento", e l'azienda afferma che il tempo massimo tra un'istruzione di arresto e il punto in cui non è più possibile alcun ulteriore avanzamento è di 35 secondi, con l'obiettivo dichiarato di portarlo a zero. In caso di errore si chiude (fail-closed). Richiede che "ogni carico di lavoro di ricerca che esegue inferenza agentica" sia "associato a un caso di sicurezza approvato" e che "tutti i nostri job di reinforcement learning di frontiera vengano eseguiti con un monitor".
Quello è un sistema per allocare e revocare capacità di calcolo per la ricerca. Non è un sistema per pianificare rilasci, e il documento lo dice quasi di sfuggita: «La nostra infrastruttura esterna per il serving dei modelli è già per natura molto più centralizzata». Letta con attenzione, quella frase fa molto lavoro. Significa che la cosa che dovrebbe essere razionata perché la teoria del tweet regga — la capacità di serving — è descritta come già consolidata, e la cosa che viene attivamente governata, limitata e interrotta è l'inferenza di ricerca. Il registro pubblico documenta contese all'interno della ricerca. Non documenta una coda di checkpoint finiti in attesa di capacità di serving.
I documenti di supporto vanno nella stessa direzione. Il 28 settembre, OpenAI ha sostenuto che «una documentazione strutturata sulla sicurezza dovrebbe essere richiesta prima di proseguire qualsiasi sessione di addestramento con apprendimento per rinforzo di frontiera» — un cancello posto davanti all’addestramento, non davanti al rilascio, con un dissenso pre-mortem, diritti di veto dei dirigenti senior e l’obbligo che monitoraggio e pausa automatica «fail closed». Il 23 ottobre ha divulgato l’incidente che ha dato mordente a quelle regole: un resolver DNS mal configurato il 20 settembre, addestramento e valutazione dei suoi modelli più capaci sospesi, e apprendimento per rinforzo ripreso il 1° ottobre — «11 giorni dopo l’inizio della nostra pausa». Un’azienda che fermerà il proprio addestramento di frontiera per undici giorni a causa di un resolver è un’azienda il cui vincolo determinante sul fronte della ricerca è leggibile. Il suo vincolo determinante sul fronte del serving non è documentato da nessuna parte.
L'unico numero che è falsificabile
La scarsità di capacità di calcolo è la parte del tweet che dovrebbe essere più facile da verificare, perché OpenAI ha pubblicato moltissimo sulla capacità fisica. Il 29 aprile ha affermato di aver già superato l'impegno Stargate da 10 gigawatt assunto per il 2029, con «oltre 3 GW aggiunti solo negli ultimi 90 giorni», e che «l'unico modo responsabile per soddisfarlo è costruire più capacità di calcolo, più rapidamente». Il 5 novembre, in un documento sulla condotta dei data centre, ha reso noto che nel suo campus pianificato nella contea di Effingham «il nostro accordo con Georgia Power consente alla utility di ridurre fino a 1.000 megawatt la potenza che ci fornisce durante i periodi di forte domanda».
Questi due fatti stridono accanto alla «scarsa capacità di calcolo» come spiegazione di un rilascio ritardato. Un'azienda che aggiunge tre gigawatt in un trimestre e accetta il diritto contrattuale di un'utility di ridurre un gigawatt non è certo a corto di megawatt; è esposta a eventi di picco della domanda e al costo dell'energia garantita. Il documento del 5 novembre è anche il punto in cui il lato costo del tweet diventa concreto anziché retorico: OpenAI si impegna a pagare l'intero costo dell'elettricità che utilizza, presentando garanzie finanziarie prima di spese ingenti affinché gli altri clienti delle utility siano tutelati se un progetto subisce ritardi o viene annullato e — cosa insolita — a non ricorrere ad accordi di riservatezza con funzionari pubblici, salvo ristrette eccezioni per sicurezza e segreti commerciali. Costo e capacità di calcolo sono, in questa lettura, lo stesso vincolo visto da due estremità, ed entrambi vengono gestiti con impegni pubblicati anziché con la tempistica del rilascio.
Come sarebbe un vero lancio di GPT-6.2
Ogni modello testuale OpenAI della linea attuale è arrivato con gli stessi tre artefatti, e la loro assenza è un indicatore migliore di qualsiasi teaser: una riga nel listino prezzi, una pagina nel catalogo dei modelli e una voce datata nel changelog che descrive a cosa serve il modello. GPT-6 Astra li ha tutti e tre. GPT-6.1 Terra li ha tutti e tre, datati 26 ottobre. GPT-6 Cyber li ha tutti e tre, datati 5 novembre. Quando 6.2 sarà rilasciato, acquisirà un prezzo per milione di token prima di acquisire una tabella di benchmark — è così che questa azienda ha operato tutto l'anno, ed è per questo che il listino prezzi è il posto da tenere d'occhio, non X.
C’è anche un problema di numerazione delle versioni che il tweet non affronta. GPT-6.1 non è stato un salto di capacità rispetto a GPT-6 nel senso che il decimale implica; è stato un riposizionamento su costi e latenza, con 6.1 Sol prezzato a 2 $ in input e 10 $ in output per milione di token, contro i 10 $ e 50 $ di Astra, e 6.1 Terra a 1 $ e 5 $. Se 6.2 è un altro riposizionamento anziché una nuova frontiera — e nel registro pubblico non c’è nulla che dica quale delle due cose sia — allora «dare priorità alla ricerca rispetto al servizio» non è una spiegazione della sua assenza. Non ci sarebbe nulla di trattenuto da servire.
Il lato di erogazione, che è prezzato e misurabile
Qualunque cosa venga allocata internamente, i modelli esistenti vengono venduti secondo un listino prezzi pubblicato, e quel listino è la base onesta per qualsiasi confronto dei costi in questo momento. Questi sono i dati di OpenAI stessi, per milione di token, livello standard:
• GPT-6 Astra — 10 $ in input, 50 $ in output; input in cache 1,00 $; richieste con contesto lungo sopra la soglia: 20 $ e 75 $
• GPT-6.1 Sol — input 2 $, output 10 $
• GPT-6 Sol — 2 $ input, 10 $ output
• GPT-6.1 Terra — $1 per input, $5 per output
• GPT-6 Luna — $0,10 input, $0,50 output
• Moltiplicatori del livello di servizio — Batch e Flex vengono fatturati a metà della tariffa standard; Fast e Priority al doppio; Ultrafast a sei volte

La colonna interessante non è il prezzo, ma il prezzo rispetto all'output misurato. Nell'indice di Artificial Analysis — indipendente da OpenAI, ma misurato sul suo stesso set di attività, quindi da considerare un secondo parere più che un verdetto — GPT-6 Astra ottiene 56,85 con il massimo sforzo di ragionamento e 54,85 con sforzo alto, con un costo di esecuzione dell'indice rispettivamente di 6,24 $ e 3,24 $ per attività. GPT-6.1 Sol ottiene 54,61 con il massimo sforzo a 1,27 $, e 50,33 con sforzo alto a 0,59 $. È questa l'aritmetica che rende interessante un 6.2: Sol arriva già a due punti e un quarto da Astra a circa un quinto del costo per attività, quindi il valore marginale di un altro checkpoint di frontiera è più stretto di quanto suggerisca il numero di versione, e il valore marginale di uno più economico è ovvio.
Per dare un'idea della scala al di fuori di OpenAI: Claude Fable 5.2 ottiene 64,56 con il massimo sforzo, ma costa 26,54 $ per attività sulla stessa metrica, e 61,82 con sforzo elevato per 9,08 $. Gemini 4 Carbon ottiene 58,26 per 4,68 $. Su queste evidenze, il divario di OpenAI rispetto al leader è reale, e colmarlo è un problema di ricerca, non un problema di capacità di servizio — che, ironicamente, è la parte del tweet che regge meglio.
È qui che il routing fa qualcosa di concreto. Quattro dei sei identificatori di testo GPT-6 passano oggi attraverso OrcaRouter — openai/gpt-6-astra, openai/gpt-6.1-sol, openai/gpt-6-sol e openai/gpt-6-luna — ai prezzi di listino di OpenAI, senza alcun ricarico, così una variazione di prezzo del fornitore è attiva dalla nostra parte il giorno stesso in cui arriva, anziché al rinnovo contrattuale successivo. GPT-6.1 Terra e GPT-6 Cyber non sono nel nostro catalogo, e nulla di quanto qui scritto va inteso come un'affermazione in tal senso. Ciò che il pass-through offre a un team in attesa di 6.2 è un modo per quantificare il fallback: eseguire il carico di lavoro su Astra a sforzo elevato e su 6.1 Sol a sforzo massimo con la stessa chiave, confrontare i due valori di costo per attività con i propri criteri di accettazione e impostare il failover automatico in modo che un'incertezza di disponibilità su un modello non diventi un incidente. Questa è una decisione disponibile già questa settimana. Attendere un checkpoint no.
Cosa cambierebbe questa interpretazione?
Due cose lo farebbero, ed entrambe sono osservabili. La comparsa di una riga GPT-6.2 nel listino mentre la documentazione sulle capacità è in ritardo sosterrebbe l'economia del tweet: calcolo destinato alla ricerca mentre un modello finito aspetta il proprio turno per il serving. Al contrario, un lancio della 6.2 con una nuova tabella di benchmark e un prezzo superiore ad Astra suggerirebbe l'opposto: che il vincolo era la capacità, e che il numero di versione era in attesa della ricerca, esattamente come descrivono i documenti di governance.
Finché non accade una di quelle cose, la posizione onesta è quella scomoda. La metà falsificabile del tweet è confermata — non esiste alcun GPT-6.2, undici giorni dopo la distribuzione dell'ultimo modello — e la sua metà causale non è verificata, affermata da qualcuno esterno all'azienda riguardo a una decisione presa al suo interno. Ciò che il registro pubblico mostra davvero è un'azienda che ha passato sette settimane a pubblicare i meccanismi che usa per razionare e interrompere la capacità di calcolo destinata alla ricerca, fino a un limite di arresto di 35 secondi, e che non ha pubblicato quasi nulla su come decide quale modello finito venga erogato per primo. La capacità di calcolo è governata. Se ti venga negata è una tesi diversa, e OpenAI non l'ha avanzata.
Confrontati in questo articolo4
Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno
