La trappola della classifica: come i modelli AI cinesi vincono token, non ricavi
Per le aziende cinesi di intelligenza artificiale, la classifica settimanale su OpenRouter, una piattaforma globale che indirizza le richieste degli utenti verso diversi modelli AI, è diventata un tabellone che tutti guardano. Ma uno sguardo più attento ai numeri rivela uno squilibrio preoccupante: i modelli cinesi rappresentano circa il sessanta per cento dei token elaborati sulla piattaforma, eppure guadagnano solo una piccola frazione dei suoi ricavi. I token dimostrano l’acquisizione di clienti, non la forza reale.
La storia ha attirato l’attenzione dopo che un modello gratuito anonimo è balzato brevemente in cima alle classifiche settimanali di OpenRouter, superando modelli cinesi più noti di DeepSeek e GLM. I 13,9 trilioni di token elaborati sembravano impressionanti, ma l’impennata è derivata dall’accesso gratuito, non da utenti paganti. Questo è il problema centrale: la classifica premia il volume, non il valore. Quando un modello è gratuito, ogni richiesta gonfia i numeri senza generare entrate.
La questione più profonda è la proprietà del metro di misura. OpenRouter controlla come vengono classificati i modelli, quali dati vengono rivelati e quali modelli vengono promossi. Gli sviluppatori cinesi competono di fatto sul campo di casa di un arbitro, pagando per un marketing che avvantaggia la piattaforma più di loro stessi. Bruciano token, la piattaforma raccoglie commissioni dagli utenti paganti di altri modelli, e le classifiche tengono tutti a inseguire lo stesso premio visibile.
Questo crea un dilemma del prigioniero. Se un’azienda smette di inseguire la classifica, rischia di perdere visibilità e la mente degli sviluppatori. Se tutti continuano a inseguirla, tutti continuano a spendere in un gioco in cui le regole sono stabilite altrove. Il risultato è una sorta di corsa agli armamenti del marketing in cui la valuta sono i token e la ricompensa è una classifica che potrebbe non tradursi in un business sostenibile.
L’alternativa, secondo gli osservatori del settore, non è scalare la classifica esistente ma costruire una nuova scala. Ciò significa sviluppare sistemi di valutazione indipendenti, possedere le pipeline di dati che misurano le prestazioni nel mondo reale e creare benchmark che riflettano il valore effettivo per l’utente piuttosto che il volume di elaborazione grezzo. Potere di determinazione dei prezzi, intelligence sul comportamento degli utenti e controllo sull’accesso sono le tre leve che attualmente risiedono nella piattaforma, non nei creatori di modelli.
Alcune aziende cinesi stanno già sperimentando i propri framework di test e pubblicando dati sulle prestazioni secondo i propri termini. L’obiettivo è spostare la conversazione da quanti token consuma un modello a quanto valore offre per token. Questa è una metrica più difficile da manipolare, ed è quella che conta per la fedeltà a lungo termine.
Per i lettori globali, la lezione si estende oltre la Cina. Qualsiasi azienda che dipende da una piattaforma di terze parti per la distribuzione e la classificazione affronta lo stesso rischio. La piattaforma stabilisce le regole, cattura i dati e spesso prende la quota maggiore dei ricavi. Gli sviluppatori cinesi di AI stanno imparando questa lezione in pubblico, e la loro risposta potrebbe plasmare il funzionamento della competizione AI ben oltre il loro mercato interno.
La prossima fase non sarà vinta da chi arriva in cima alla classifica settimanale. Sarà vinta da chi costruisce gli strumenti che misurano ciò che conta davvero, e da chi riesce a trasformare l’attenzione in ricavi senza consegnare il tabellone a qualcun altro.