Con V4.1-Flash-1017, il laboratorio cinese punta su prestazioni competitive e costi operativi più bassi, mentre apre il proprio motore di ricerca agli sviluppatori. Una strategia che combina modelli open-weight e servizi proprietari, riportando al centro il problema della sovranità tecnologica.

La vera notizia non è che DeepSeek abbia presentato un altro modello capace di competere con quelli americani ma il fatto che il laboratorio cinese sta progressivamente costruendo qualcosa di più articolato: un ecosistema nel quale il modello, gli strumenti di ricerca e l’infrastruttura software necessaria agli agenti artificiali diventano parti di un’unica proposta industriale.

Il 17 ottobre DeepSeek ha annunciato tre novità apparentemente distinte.

La prima è il rilascio di DeepSeek-V4.1-Flash-1017, aggiornamento del proprio modello orientato a migliorare le prestazioni nel coding e nei compiti agentici.

La seconda è l’apertura delle API Search e Fetch, che consentono agli sviluppatori di interrogare il motore di ricerca proprietario della società e recuperare contenuti dal web.

La terza è la pubblicazione dei pesi del nuovo modello, disponibili su Hugging Face e ModelScope.

Considerati separatamente, sono annunci che potrebbero trovare spazio in un normale aggiornamento tecnologico. Letti insieme, suggeriscono invece una strategia precisa: DeepSeek vuole competere non soltanto sulla qualità dell’intelligenza artificiale, ma sul costo e sul controllo dell’intero processo attraverso cui quell’intelligenza viene utilizzata.

È un passaggio significativo perché il mercato sta cambiando. La competizione non riguarda più esclusivamente quale modello risponda meglio a una domanda, ma quale sistema riesca a completare un’attività complessa con il minor numero di passaggi, il minor consumo di risorse e un livello di affidabilità sufficiente per essere integrato nei processi aziendali.

Dai benchmark al costo effettivo del lavoro degli agenti

DeepSeek-V4.1-Flash-1017 non viene presentato come una nuova generazione architetturale, ma come un aggiornamento che migliora il comportamento del modello, in particolare nelle attività di programmazione e nell’esecuzione autonoma di compiti.

Secondo i risultati pubblicati dalla società, il modello raggiunge il 77% su DeepSWE v1.1, benchmark dedicato alla risoluzione di problemi di sviluppo software. La versione precedente si fermava al 74,2%, mentre nella tabella comparativa diffusa da DeepSeek Claude Opus 5 ottiene il 74% e GPT-5.6 Sol il 73%.

Il nuovo Flash raggiunge inoltre il 60,5% su Automation-Bench, contro il 54,8% della versione precedente, e il 35,4% su Agents’ Last Exam, rispetto al precedente 31,8%. Sono miglioramenti che indicano un rafforzamento delle capacità agentiche, almeno nelle condizioni sperimentali adottate.

La stessa tabella, tuttavia, mostra che Claude Opus 5 mantiene un vantaggio significativo in altre valutazioni, tra cui Terminal-Bench 4.0, ProgramBench e Humanity’s Last Exam. Sarebbe quindi improprio trasformare questi risultati nella conclusione che DeepSeek abbia superato complessivamente i modelli americani.

Occorre inoltre ricordare che si tratta di benchmark pubblicati dal produttore e che, nei test agentici, il risultato dipende anche dagli strumenti e dall’ambiente software utilizzati per eseguire i compiti. Non è sempre possibile isolare completamente il contributo del modello da quello del sistema che lo utilizza.

In ogni caso, il punto più interessante della comunicazione di DeepSeek è altrove.

Accanto ai benchmark tradizionali, la società ha pubblicato un confronto tra la percentuale di compiti completati correttamente e il costo medio necessario per completarli. Nel grafico relativo a DeepSWE v1.1, la nuova versione del modello si colloca in una posizione favorevole rispetto alla precedente, migliorando il risultato e riducendo il costo per attività nelle configurazioni illustrate.

È questo il cambiamento di prospettiva che merita attenzione.

Un agente AI impegnato a modificare un programma, analizzare un repository o costruire un’applicazione non produce necessariamente una singola risposta. Può leggere documenti, interrogare strumenti, generare codice, eseguire test, correggere errori e ripetere il processo numerose volte prima di raggiungere il risultato richiesto.

Di conseguenza, il costo economico dell’operazione non coincide con il semplice prezzo dei token elaborati. Dipende anche dal numero di chiamate al modello, dalla lunghezza delle risposte, dal tempo impiegato e dalla quantità di operazioni necessarie per completare il lavoro.

DeepSeek sostiene che V4.1-Flash-1017 produca risposte più concise e completi i compiti più rapidamente rispetto alla versione precedente. Se questi miglioramenti troveranno conferma nell’utilizzo reale, il vantaggio competitivo non sarà soltanto una migliore posizione nelle classifiche, ma una riduzione del costo operativo degli agenti.

Per le imprese che intendono automatizzare migliaia o milioni di attività, è una differenza potenzialmente più importante di qualche punto percentuale guadagnato in un benchmark.

Search e Fetch: DeepSeek costruisce il proprio livello infrastrutturale

La seconda novità è probabilmente quella con le maggiori implicazioni industriali.

DeepSeek ha reso disponibili due API basate sul proprio motore di ricerca. Search permette di individuare pagine web attraverso interrogazioni strutturate; Fetch consente di recuperarne il contenuto, restituendolo in un formato utilizzabile direttamente dalle applicazioni e dagli agenti AI.

La società dichiara che il motore proprietario su cui si basano questi servizi gestisce già centinaia di milioni di richieste giornaliere nel mondo. Anche se si tratta di un dato comunicato dall’azienda e non una misura indipendentemente verificata, segnala l’ambizione di trasformare una capacità sviluppata per i propri prodotti in un servizio destinato anche ad altri operatori.

Il prezzo annunciato è identico per entrambe le API: 0,75 dollari ogni mille richieste riuscite.

Significa che un milione di interrogazioni Search costa, al prezzo di listino, 750 dollari. Lo stesso vale per un milione di chiamate Fetch. Un’applicazione che utilizzi entrambi i servizi dovrà naturalmente considerare le rispettive chiamate, oltre ai costi del modello, dell’infrastruttura e degli altri strumenti eventualmente impiegati.

Non disponiamo di elementi sufficienti per sostenere che questa offerta sia la più economica dell’intero mercato. I servizi concorrenti adottano strutture tariffarie e modalità di restituzione dei risultati differenti, che rendono poco significativo un confronto basato esclusivamente sul prezzo per richiesta.

Il significato strategico dell’annuncio, però, è evidente.

DeepSeek non vuole limitarsi a fornire il modello che interpreta le informazioni: vuole offrire anche uno degli strumenti attraverso cui quelle informazioni vengono trovate e recuperate.

È un passaggio dalla fornitura di capacità computazionale alla fornitura di componenti dell’infrastruttura applicativa.

Quando un agente deve risolvere un problema, la qualità del risultato dipende infatti da una catena di operazioni: il modello deve comprendere l’obiettivo, individuare le informazioni necessarie, accedere alle fonti, elaborarle e produrre un risultato verificabile. La ricerca sul web rappresenta uno dei passaggi di questa catena.

Chi controlla il servizio di ricerca non controlla necessariamente l’intero agente, ma può influenzarne costi, prestazioni, disponibilità delle informazioni e continuità operativa. Per DeepSeek significa anche aprire una nuova possibile fonte di ricavi, distinta dall’utilizzo diretto dei propri modelli.

La mossa più interessante: entrare anche negli ecosistemi concorrenti

L’apertura di Search e Fetch assume un significato ancora più rilevante considerando gli ambienti software ai quali DeepSeek si rivolge.

La società ha annunciato l’integrazione dei propri strumenti con DeepSeek Harness e la possibilità di utilizzarli attraverso flussi di lavoro che coinvolgono Claude Code e Codex. Per gli utenti API DeepSeek, le chiamate effettuate tramite gli strumenti server-side indicati nell’annuncio rimarranno temporaneamente gratuite, con l’avvio della fatturazione previsto per il 31 ottobre alle 16:00 UTC.

Questo significa che il laboratorio cinese sta cercando di rendere i propri servizi utili anche in contesti nei quali il modello principale potrebbe non essere DeepSeek.

È una strategia commercialmente interessante perché modifica il perimetro della concorrenza. Un’impresa potrebbe scegliere un modello americano per determinate attività, ma utilizzare servizi DeepSeek per la ricerca e il recupero delle informazioni. Oppure potrebbe eseguire autonomamente un modello open-weight e continuare ad acquistare dall’esterno alcuni strumenti necessari al funzionamento degli agenti.

Il mercato diventa così meno riconducibile alla contrapposizione tra pochi modelli generalisti.

Si sviluppa invece una filiera composta da diversi livelli, ciascuno potenzialmente fornito da operatori differenti: modelli, infrastrutture di calcolo, sistemi di orchestrazione, strumenti di ricerca, accesso ai dati e servizi applicativi.

La competizione commerciale si sposta anche sulla capacità di occupare una posizione stabile all’interno di questa filiera.

Per DeepSeek, riuscire a far utilizzare il proprio motore di ricerca da applicazioni costruite intorno a modelli concorrenti significherebbe estendere la propria presenza ben oltre il numero degli utenti che scelgono direttamente i suoi prodotti.

Non è ancora possibile stabilire quanto questa strategia avrà successo. Mancano dati pubblici sufficienti sull’adozione delle nuove API, sulla qualità comparata dei risultati e sulla loro sostenibilità economica. Ma la direzione è riconoscibile: diventare un fornitore di servizi per l’ecosistema degli agenti, non soltanto uno sviluppatore di modelli.

Il modello è aperto, ma l’ecosistema può restare proprietario

Il terzo annuncio riguarda la distribuzione di DeepSeek-V4.1-Flash-1017.

I pesi del modello sono disponibili su Hugging Face e ModelScope, con licenza MIT. È una scelta che consente a sviluppatori e imprese di scaricare e utilizzare il modello secondo le condizioni della licenza, senza dipendere necessariamente dalle API commerciali di DeepSeek per eseguire l’inferenza.

È un elemento importante nella competizione con i sistemi distribuiti esclusivamente attraverso servizi proprietari.

La disponibilità dei pesi può facilitare la sperimentazione, l’adattamento del modello e la possibilità di scegliere infrastrutture alternative. Non elimina, naturalmente, i costi dell’esecuzione autonoma: servono capacità di calcolo, competenze tecniche, manutenzione e procedure di sicurezza adeguate.

Inoltre, la pubblicazione dei pesi non equivale automaticamente alla piena apertura dell’intero processo di sviluppo. Per parlare di open source AI in senso rigoroso occorre considerare anche la disponibilità delle informazioni necessarie a comprendere e modificare il sistema, secondo criteri più ampi della sola licenza applicata ai pesi.

Ma la questione più interessante, nel caso DeepSeek, è un’altra.

Mentre rende distribuibile il modello, la società propone contemporaneamente servizi centralizzati di ricerca e recupero delle informazioni. L’apertura di un componente convive quindi con la natura proprietaria di altri elementi della stessa filiera.

Non c’è necessariamente una contraddizione: si tratta di una scelta industriale che permette di combinare diffusione tecnologica e monetizzazione dei servizi.

La diffusione dei pesi può favorire l’adozione del modello, la crescita della comunità degli sviluppatori e la sperimentazione su infrastrutture differenti. I servizi commerciali, invece, possono offrire comodità operativa, continuità e integrazione, generando ricavi anche quando il modello viene utilizzato altrove.

Una combinazione questa che solleva comunque una questione centrale per le imprese: l’apertura del modello non garantisce infatti, da sola, l’indipendenza dell’ecosistema nel quale viene utilizzato.

La sovranità tecnologica non si misura soltanto dai pesi disponibili

È proprio su questo punto che la strategia DeepSeek incontra il tema della sovranità tecnologica.

Nel dibattito europeo, la distinzione tra modelli aperti e proprietari viene spesso utilizzata come criterio per valutare la possibilità di ridurre la dipendenza dalle grandi piattaforme tecnologiche. È una distinzione importante, ma insufficiente se non viene estesa all’intera architettura applicativa.

Per un’impresa, la libertà di scelta non consiste semplicemente nel poter scaricare un modello. Consiste anche nella possibilità di eseguirlo su infrastrutture differenti, sostituire i servizi esterni, mantenere il controllo dei dati, verificare il funzionamento degli strumenti e modificare la propria architettura senza affrontare costi di migrazione proibitivi.

In altre parole, la sovranità tecnologica ha una dimensione operativa. Un sistema può utilizzare tecnologie formalmente aperte e risultare comunque difficile da modificare perché dipende da API proprietarie, formati specifici, servizi non sostituibili o integrazioni costruite intorno a un unico fornitore.

Viceversa, un’architettura che combina componenti aperti e commerciali può offrire un buon livello di autonomia se consente di sostituire i singoli elementi senza compromettere l’intero processo.

La questione decisiva diventa allora la reversibilità delle scelte tecnologiche.

Nel caso DeepSeek, la disponibilità dei pesi di V4.1-Flash-1017 amplia le opzioni a disposizione degli sviluppatori. L’offerta di Search e Fetch introduce contemporaneamente nuovi servizi da valutare non soltanto in termini di prezzo e prestazioni, ma anche di portabilità, controllo delle informazioni, affidabilità e possibilità di sostituzione.

Per le imprese europee, questa valutazione assume un significato ulteriore. L’utilizzo di servizi esterni di ricerca e recupero dei contenuti richiede di considerare dove transitano le richieste, quali dati vengono condivisi, quali condizioni contrattuali si applicano e come vengono gestiti sicurezza e conformità normativa.

Non si tratta di escludere a priori un fornitore in base alla sua nazionalità, ma di applicare alla scelta dell’infrastruttura AI gli stessi criteri di gestione del rischio che dovrebbero guidare qualsiasi decisione tecnologica strategica.

La nuova competizione è sull’economia dell’intelligenza artificiale

La strategia di DeepSeek si inserisce infine in una trasformazione più ampia del settore. Non più quindi la ricerca del modello più potente, misurata attraverso benchmark e capacità emergenti e nemmeno la disponibilità di GPU, energia, data center e capitale.

L’affermazione degli agenti introduce un’altra dimensione: l’economia dell’esecuzione.

Quando un sistema deve svolgere autonomamente un’attività articolata, il suo valore dipende dalla capacità di raggiungere il risultato richiesto con un costo sostenibile e una qualità sufficientemente affidabile.

Ed è proprio in questo spazio che DeepSeek sta cercando di posizionarsi.

Il miglioramento di V4.1-Flash-1017 mira a ridurre il costo dei compiti agentici. La pubblicazione dei pesi favorisce la diffusione del modello e la possibilità di eseguirlo su infrastrutture differenti. Le nuove API Search e Fetch cercano di trasformare una componente necessaria al funzionamento di molti agenti in un servizio commerciale utilizzabile anche da ecosistemi concorrenti.

Non è ancora dimostrato che DeepSeek riuscirà a conquistare una quota significativa di questo mercato, né che il vantaggio economico dichiarato nei benchmark si tradurrà automaticamente in un vantaggio per tutte le applicazioni aziendali, ma sarebbe riduttivo leggere gli annunci del 17 ottobre come un semplice aggiornamento delle classifiche.

La società cinese sta cercando di occupare contemporaneamente più livelli della catena del valore dell’intelligenza artificiale, combinando apertura del modello, competitività economica e servizi proprietari.

È una strategia che rende ancora più attuale una domanda destinata a diventare centrale nelle scelte tecnologiche delle imprese: non soltanto quale modello utilizzare, ma quale parte dell’infrastruttura si vuole controllare, da quali fornitori si è disposti a dipendere e quanto costerebbe cambiare strada.

Perché nell’AI la libertà di scegliere un modello è importante. Ma la libertà di sostituirlo, insieme agli strumenti che lo rendono operativo, potrebbe diventare il vero indicatore della sovranità tecnologica.

.

Fonti – L’articolo si basa sugli annunci DeepSeek del 17 ottobre 2026, sulla documentazione ufficiale delle API Search e Fetch e sulla scheda tecnica di DeepSeek-V4.1-Flash-1017 pubblicata su Hugging Face. I benchmark e i confronti economici riportati sono dichiarazioni del produttore, riferite a specifiche configurazioni di test, e non costituiscono una valutazione indipendente delle prestazioni o dei costi operativi in produzione.