Puntata 121 — GPT-5 e la famiglia OpenAI

Livello: ✔️✔️ Doppie Spunte Blu · Capitolo 12 · Il bestiario dei modelli

La famiglia più popolare del mondo. Non un solo modello: una matrice di varianti, dal nano on-device al frontier reasoning. Conoscerla è risparmio diretto in produzione.

un albero genealogico con foto in vetrina dei modelli OpenAI dal 2018 a oggi. Rami principali: serie GPT (3, 3.5, 4, 4o, 5), serie o-reasoning (o1, o3, o4-mini), serie mini/nano. In basso, anno per anno, i benchmark che salgono

La famiglia OpenAI nel 2026

OpenAI non ha un solo modello: ha una matrice di varianti organizzate per:

Capacità: GPT (general purpose) vs o-series (reasoning).
Taglia: full → mini → nano.
Modalità: text, multimodal (4o), realtime voice, image gen (DALL-E), TTS, transcription (Whisper).

Capire la matrice è la chiave per scegliere il modello giusto per ogni task. Sbagliare significa spendere 10× di più (o avere risposte inadeguate).

Lo schema generale (snapshot 2026)

Linea GPT — general purpose, “fast”

GPT-5 — frontier general, multimodale, default per chat e API.
GPT-5 mini — più economico, ottimo rapporto qualità/prezzo.
GPT-5 nano — ultra-leggero, per task semplici ad alto volume.

Linea o-series — reasoning, “thinking”

o3 — top reasoning, alto costo/latenza, top accuracy su STEM.
o4-mini — reasoning compatto, sweet spot per coding/matematica.

Linea multimodale dedicata

GPT-Realtime — voce naturale a bassa latenza (Voice Mode di ChatGPT).
DALL-E 3 / GPT-Image — generazione immagini integrata.
Whisper — speech-to-text multilingue (open source).
TTS — text-to-speech con voci configurabili.

Linea prodotto specializzato

Operator — agente browser/desktop (computer use).
Custom GPTs — istanze configurabili con tool e knowledge.

⚠️ Nomi e versioni cambiano spesso. La filosofia (matrice GPT vs o vs mini vs realtime) è più stabile delle release date.

GPT-5: il “general” del 2026

Lanciato nel 2025, GPT-5 è il modello-bandiera. Caratteristiche dichiarate/ricostruite:

Multimodale nativo: testo + immagini + audio in input.
Context window: 200k-1M token (a seconda del piano).
Parametri: non dichiarati (stimati nell’ordine di trilioni, MoE).
Output: tutti i formati standard + function calling stabile.
Velocità: tokens/sec elevata sui datacenter dedicati.

Sweet spot d’uso:

✅ Scrittura creativa, brainstorm, copywriting.
✅ Coding “medio-veloce” (per coding profondo, vedi Claude alla puntata 122).
✅ Analisi documenti, riassunti, traduzioni.
✅ Chat agentica con tool use.

Limiti:

⚠️ Per matematica/logica difficili: spesso meglio o3/o4-mini.
⚠️ Per long context >500k token: Gemini è migliore (puntata 123).
⚠️ Per privacy stretta: usa modalità “no training” + chat temporanee.

GPT-5 mini e nano: dove paga il volume

I “mini” sono modelli distillati o ottimizzati per essere:

5-10× più economici del full GPT-5.
2-3× più veloci in latenza.
80-90% della qualità sui task non frontier.

Esempi d’uso:

Mini: tutto il customer support, le classificazioni, le estrazioni di routine.
Nano: tagger, filtri, mini-router prima del modello grande.

Architettura “cascading”:

Input utente
  ↓
GPT-5 nano (router): "Questo task è semplice o complesso?"
  ↓
Semplice → GPT-5 mini risponde
Complesso → GPT-5 risponde

Risparmio in produzione: 80-95% del costo. Standard nell’AI enterprise del 2026.

La o-series: reasoning models

Lanciati da OpenAI con o1 (settembre 2024), evoluti con o3 e o4-mini.

Cosa li distingue:

Producono migliaia di token “thinking” prima della risposta finale (puntata 114, 267).
Eccellenti su matematica (AIME, IMO), coding (Codeforces), scienza (GPQA), logica complessa.
Tu vedi solo un riassunto del ragionamento, non il dettaglio (proprietà di design di OpenAI).

Trade-off:

⚠️ Costo per query 5-20× rispetto a GPT-5 (più token = più $$).
⚠️ Latenza alta (secondi/decine di secondi anziché < 1s).
⚠️ Meno bravi in creatività libera, conversazione casual, scrittura “tonal”.

Quando usarli:

Problemi STEM con risposta verificabile.
Coding architetturale complesso.
Decisioni che richiedono analisi a passi multipli.
Eval / debug di pipeline LLM.

Realtime API: la voce naturale

Da fine 2024, GPT-Realtime permette conversazione vocale bidirezionale a bassa latenza (~300ms round-trip), con voci espressive.

Differenza con TTS+STT classico:

Old way: speech → STT → LLM → TTS → speech. ~1.5-3s di latenza, voce robotica.
Realtime: input audio diretto, output audio diretto. Conversazione vera.

Use case del 2026: voice assistants di nuova generazione (banche, retail), tutor di lingue (puntata 97), accessibilità (puntata 59).

⚠️ Costo: ~$0.06/min input + $0.24/min output al lancio. Caro per uso massivo. In calo.

Custom GPTs e Projects

ChatGPT consumer offre due strumenti per personalizzazione:

Custom GPTs (dal 2023)

System prompt persistente.
Knowledge files caricabili (max ~10 PDF).
Actions (tool API esterne).
Condivisibili nella GPT Store.

Buon per: agenti specializzati per task ricorrenti, demo, prototipi.

Projects (dal 2024)

Workspace dedicato con system prompt persistente.
File condivisi tra chat.
Memory limitata al project.

Buon per: lavoro su un progetto/cliente specifico nel tempo.

Per applicazioni serie: API + templating (puntata 119), non Custom GPT.

Operator e gli agenti

Dal 2025, OpenAI ha lanciato Operator: un agente browser/desktop che vede lo schermo, clicca, digita, naviga.

Modello sotto: CUA (Computer Use Agent), basato su GPT con training specifico per vision-action.

Use case 2026:

Prenotare voli/ristoranti.
Compilare moduli ripetitivi.
Web scraping intelligente.
Test automatici di UI.

Limiti reali:

Lento (10-60s per task).
Costoso (~$0.50-2/task complesso).
Fallisce su UI molto custom.
Pone serie domande di sicurezza (computer ti delega azioni).

Vedi puntata 244 sui browser/desktop agents.

Pricing tipico (snapshot 2026)

Prezzi indicativi per 1M token (in evoluzione costante):

Modello	Input	Output	Note
GPT-5	$2-5	$15-30	Frontier general
GPT-5 mini	$0.25-0.50	$1-2	Sweet spot
GPT-5 nano	$0.05-0.10	$0.30-0.50	Ultra-cheap
o3	$15-30	$60-120	Premium reasoning
o4-mini	$1-3	$5-12	Reasoning low-cost
Realtime audio	$0.06/min in, $0.24/min out		Voice

In OpenAI Platform: prezzi sempre aggiornati a openai.com/api/pricing.

Quale GPT scegliere

Tabella decisionale:

Task	Modello consigliato
Chat consumer general	GPT-5
Customer support B2C ad alto volume	GPT-5 mini + few-shot
Classificazione, tagging, embed routing	GPT-5 nano
Coding produzione	Claude 4.7 (vedi 122) > GPT-5 / o4-mini
Matematica, scienza, logica	o3 o o4-mini
Long context (PDF di 300+ pagine)	Gemini 2.5 Pro (vedi 123)
Voice agent	GPT-Realtime
Computer use, automazione UI	Operator (CUA)
Generazione immagini	GPT-Image / DALL-E 3

In molte produzioni, GPT-5 mini fa il 70%, GPT-5 il 20%, o4-mini il 10%. Calibrare sulla qualità richiesta e sul costo accettabile.

I limiti onesti della famiglia OpenAI

⚠️ Closed-source: pesi non disponibili, niente self-hosting.

⚠️ Dipendenza commerciale: prezzo e disponibilità decisi da OpenAI. Lock-in.

⚠️ Privacy: dati sui server US (con opzioni “no training”, ma sempre meno “tuoi” rispetto a self-host).

⚠️ Storia di sycophancy: GPT-4o aveva problemi noti di “yes-man” nel 2024-25, ridotti in GPT-5 ma non eliminati (puntata 174).

⚠️ Disponibilità in UE: l’AI Act (puntata 191) ha imposto alcune restrizioni sulle feature più recenti. Verifica disponibilità sulla tua regione.

TEST pratico (10 minuti)

Sul Playground OpenAI (platform.openai.com/playground):

Prendi un task realistico del tuo lavoro.
Lancialo su:
- GPT-5
- GPT-5 mini
- o4-mini
Misura per ognuno:
- Costo stimato (mostrato nel playground).
- Latenza (tempo di risposta).
- Qualità soggettiva (1-10).
Per il tuo task specifico, qual è il rapporto qualità/prezzo migliore?

Quasi sempre: il modello che vince non è il più grande. È il più appropriato al task.

Take-away in una riga

OpenAI non è “GPT-5”. È una matrice di varianti — saperle distinguere fa la differenza tra spreco e produzione efficiente.

➡️ Prossima puntata: Claude di Anthropic — long context, scrittura, code.