GPT‑5.3 Instant e Gemini 3.1 Flash‑Lite, due “velocità” che non si somigliano

A cura di Giovanni Masi

Due annunci, lo stesso giorno

Il 3 marzo 2026 è stato uno di quei giorni in cui l’industria dell’intelligenza artificiale sembra comprimere mesi di evoluzione in poche ore. OpenAI ha aggiornato il modello più usato di ChatGPT con GPT‑5.3 Instant, mentre Google ha presentato Gemini 3.1 Flash‑Lite, posizionandolo come il più rapido ed economico della famiglia Gemini 3. Il punto in comune è la promessa di velocità, ma cambia radicalmente il significato attribuito a quella parola.

Per OpenAI, Instant racconta soprattutto una frizione che si riduce nella conversazione. Si parla di risposte che arrivano prima al punto, di meno preamboli e di una sintesi più ordinata quando entra in gioco la ricerca sul web. Per Google, Flash‑Lite parla il linguaggio della produzione, dove latenza, throughput e costi per token diventano numeri da portare in bilancio. È la distanza fra un miglioramento percepito da chi chatta ogni giorno e un miglioramento misurato da chi deve far funzionare un servizio con milioni di richieste.

Va anche chiarito un dettaglio di nomenclatura che, nel rumore di queste settimane, rischia di confondere. Nella documentazione ufficiale su Vertex AI, la linea “Flash” testuale per Gemini è indicata come Gemini 3 Flash, mentre nella serie 3.1 la sigla Flash compare in modo esplicito per il modello di immagini e, sul fronte testuale, per la variante Gemini 3.1 Flash‑Lite. Non risulta, nelle liste pubbliche di modelli, un “Gemini 3.1 Flash” testuale separato. Parlare di confronto con “Gemini 3.1 Flash” significa quindi, nei fatti, confrontarsi con Flash‑Lite quando l’obiettivo è la velocità a costo contenuto.

Instant secondo OpenAI, la velocità diventa stile e continuità

GPT‑5.3 Instant viene presentato come un aggiornamento che lavora sulle cose che, nell’uso quotidiano, pesano quasi quanto l’accuratezza. OpenAI riconosce che GPT‑5.2 Instant poteva apparire eccessivamente prudente o “predicatorio” su temi sensibili e che talvolta rifiutava richieste a cui si sarebbe potuto rispondere in modo sicuro. La correzione promessa è pragmatica, perché quando una risposta utile è appropriata arriva più direttamente, con meno caveat e meno vicoli ciechi.

La seconda leva è la ricerca sul web. Nel post di annuncio, OpenAI insiste su un punto specifico. Quando l’informazione viene recuperata online, GPT‑5.3 Instant dovrebbe bilanciare meglio ciò che trova con la conoscenza interna, evitando l’effetto collage, cioè risposte che sommano frammenti e collegamenti senza una tesi. In questo senso la “velocità” non è soltanto computazionale. È anche la rapidità con cui un assistente porta in primo piano l’informazione determinante nelle prime righe.

C’è poi una rivendicazione misurabile che riguarda l’affidabilità. OpenAI dichiara una riduzione delle allucinazioni su due valutazioni interne. Nella valutazione su ambiti ad alto impatto come medicina, diritto e finanza, il tasso di allucinazioni scende del 26,8 per cento quando il modello usa il web e del 19,7 per cento quando si affida solo alla conoscenza interna. In un secondo set basato su conversazioni reali de‑identificate che gli utenti avevano segnalato come errori fattuali, la riduzione è del 22,5 per cento con web e del 9,6 per cento senza web. È un risultato che interessa soprattutto chi usa l’AI per decisioni e documenti. Un errore fattuale non costa solo reputazione, ma ore di verifica e ripetizione del lavoro.

Dal punto di vista operativo, OpenAI colloca GPT‑5.3 Instant in ChatGPT e nelle API con il nome gpt‑5.3‑chat‑latest. Le varianti Thinking e Pro, dice la società, verranno aggiornate in seguito. Nel frattempo GPT‑5.2 Instant resta disponibile per tre mesi nella sezione dei modelli legacy per gli utenti a pagamento, con un ritiro indicato al 3 giugno 2026. È una finestra che, per chi integra modelli in prodotti, impone test rapidi. Un aggiornamento di “stile” può spostare conversione, soddisfazione dell’utente e perfino compliance interna anche quando l’accuratezza rimane comparabile.

Flash‑Lite secondo Google, la velocità diventa economia dell’inferenza

Gemini 3.1 Flash‑Lite nasce con un’impostazione più ingegneristica. Google lo descrive come modello “più veloce e più cost‑efficient” della serie Gemini 3 e lo rende disponibile in anteprima via Gemini API in Google AI Studio e, per il mondo enterprise, via Vertex AI. Nelle pagine ufficiali il posizionamento è chiaro, con un focus su carichi ad alto volume, traffico sensibile ai costi e latenza bassa.

Qui la velocità è legata a metriche di inferenza. Google dichiara, rispetto a Gemini 2.5 Flash, un tempo al primo token di risposta 2,5 volte più rapido e un aumento del 45 per cento nella velocità di output, citando un benchmark di Artificial Analysis. Il tempo al primo token è una metrica che pesa più del “token al secondo” quando l’esperienza è in streaming. Se la risposta inizia quasi subito, l’utente percepisce reattività anche prima che il testo sia completo.

Il secondo elemento è il listino. Su Vertex AI, Gemini 3.1 Flash‑Lite Preview è indicato a 0,25 dollari per milione di token in input per testo, immagini e video, 0,50 dollari per l’audio e 1,50 dollari per milione di token in output, includendo risposta e ragionamento. La stessa pagina pricing espone tariffe per input in cache molto più basse, un incentivo a riutilizzare istruzioni e contesti ripetuti nei sistemi conversazionali. Vertex AI elenca inoltre opzioni di consumo come Standard, Priority, Flex e batch prediction, utili per bilanciare costo e qualità del servizio.

A differenza di Instant, Flash‑Lite viene raccontato anche come componente di architetture a più stadi. La documentazione descrive supporto a output strutturati, function calling, caching e integrazione con Vertex AI RAG Engine. In altre parole, non è soltanto un modello che risponde, ma un modello pensato per produrre JSON, etichette, routing e azioni di tool calling in modo ripetibile. In produzione questi dettagli spesso contano quanto un punto di benchmark.

Il ragionamento come manopola, o come scelta di modello

La differenza più netta fra le due proposte emerge quando si guarda a come viene controllato il “pensiero” del modello. Nella linea Gemini 3, Google introduce il parametro thinking_level, che consente di scegliere fra livelli di ragionamento da minimale ad alto. La pagina dedicata alla funzione spiega che il livello MINIMAL è il default per Gemini 3.1 Flash‑Lite, mentre per Gemini 3 Flash e per i Pro il default tende a essere più alto. La conseguenza è pratica. Il costo del ragionamento diventa regolabile per richiesta, utile quando si vogliono pipeline dove la maggior parte dei casi resta su una modalità rapida e solo una minoranza viene promossa a un ragionamento più intenso.

OpenAI segue una logica più semplice da esporre al pubblico. Nel post di rilascio si distingue fra Instant e le varianti Thinking e Pro, indicando che l’aggiornamento di queste ultime arriverà successivamente. In questo schema, la modulazione del ragionamento è più spesso una scelta di modello a monte che una manopola da girare nella singola chiamata. È una strategia che riduce complessità e rende più uniforme l’esperienza, ma limita la granularità con cui si ottimizzano costo e latenza nei flussi a grande scala.

Web e aggiornamento, due integrazioni con logiche diverse

Entrambi i modelli devono convivere con un fatto strutturale. La conoscenza interna ha un limite temporale e, quando la domanda riguarda informazioni recenti o variabili, serve un sistema di aggiornamento. OpenAI, in GPT‑5.3 Instant, rivendica un miglioramento proprio nella fase di sintesi con il web. L’obiettivo dichiarato è ridurre risposte che inseguono i risultati di ricerca e al tempo stesso evitare liste di link o informazioni debolmente collegate.

Google affronta lo stesso problema con una logica più tariffaria e “strumentale”. Su Vertex AI, il grounding con Google Search e il Web Grounding per enterprise includono 5.000 search queries al mese senza costo, aggregate sui modelli Gemini 3. Oltre la soglia, le query aggiuntive vengono fatturate a consumo. La stessa pagina specifica inoltre che i token forniti dal grounding con Google Search non vengono addebitati come input token. Nel mondo Gemini API, le pagine pricing riportano una soglia mensile gratuita simile e un costo per query successiva, separato dal costo per token. L’effetto complessivo è un messaggio chiaro, perché l’aggiornamento dell’informazione può essere comprato come servizio, con una tariffa distinta dall’inferenza.

Per Flash‑Lite questo è particolarmente importante perché la documentazione di Vertex AI riporta un knowledge cutoff a gennaio 2025. In scenari sensibili alla recenza, quindi, grounding e RAG diventano complementi naturali, non optional.

Affidabilità e compromessi, cosa emerge dalle schede tecniche

Il rilascio di GPT‑5.3 Instant è accompagnato da una System Card che, oltre a ribadire l’impianto di mitigazioni, evidenzia un punto spesso trascurato. Migliorare l’esperienza conversazionale può spostare l’equilibrio su alcune metriche di sicurezza. Nelle valutazioni su contenuti disallowed basate su benchmark costruiti per essere difficili e non rappresentativi del traffico medio, gpt‑5.3‑instant risulta in media sopra gpt‑5.1‑instant e sotto gpt‑5.2‑instant, con regressioni segnalate in alcune categorie. La stessa card include anche risultati su HealthBench, una valutazione su migliaia di conversazioni sanitarie, dove GPT‑5.3 Instant risulta leggermente sotto GPT‑5.2 Instant in più varianti, pur mostrando punti di forza legati alla richiesta di contesto e a una prudenza più ragionata quando l’incertezza è inevitabile.

Sul lato Google, la prudenza è scritta nella forma commerciale. Flash‑Lite è in public preview e la pagina modello ricorda che le funzionalità pre‑GA sono disponibili “as is” e possono avere supporto limitato. Non è un dettaglio, perché in ambito enterprise significa pianificare test di regressione, fallback e monitoraggio continuo. La robustezza, qui, tende a essere costruita anche con vincoli di output strutturato, tool calling e retrieval su dati verificati.

Dove si vede davvero la differenza

Il confronto, in ultima analisi, dipende dal punto di attrito che si vuole ridurre. Se l’attrito è l’interazione, cioè un assistente che perde tempo, che rifiuta troppo o che restituisce risposte lunghe e incerte, GPT‑5.3 Instant si colloca esplicitamente su quel terreno. La promessa è una conversazione più fluida e un uso del web più “intelligente” nella selezione di ciò che conta.

Se l’attrito è infrastrutturale, cioè un sistema che deve rispondere a grandi volumi senza trasformare i token in un costo ingestibile, Gemini 3.1 Flash‑Lite risponde a un’esigenza diversa. Il valore non è soltanto nella qualità media, ma nella combinazione di listino aggressivo, possibilità di usare cache, opzioni di consumo e controllo del ragionamento. In questo contesto, “veloce” significa soprattutto prevedibile, in millisecondi, in dollari e nel formato dell’output.

Conclusione

L’arrivo quasi simultaneo di GPT‑5.3 Instant e Gemini 3.1 Flash‑Lite mostra una maturazione del mercato. La competizione non è più solo chi risolve il test più difficile, ma chi rende l’AI sostenibile nel quotidiano, dentro prodotti che hanno utenti, SLA e budget. OpenAI sceglie la via dell’esperienza e misura il progresso in minori allucinazioni e in un dialogo meno inciampante. Google sceglie la via dell’infrastruttura e misura il progresso in tempo al primo token e in costo per milione di token, aggiungendo leve operative come i livelli di ragionamento.

In un settore che per anni ha associato il progresso alla sola potenza, i due annunci del 3 marzo 2026 ricordano che la rivoluzione, ormai, passa anche dai dettagli. Un preambolo in meno, un token in cache, un’API di grounding tariffata in modo chiaro. È lì che, sempre più spesso, si decide se l’AI resta una demo brillante o diventa una componente stabile del lavoro.

Bibliografia

OpenAI, “GPT‑5.3 Instant: Smoother, more useful everyday conversations”, 3 marzo 2026. openai.com OpenAI, “GPT‑5.3 Instant System Card”, 2 marzo 2026. openai.com Documento fornito dall’utente, “Gpt‑5.3.docx”. fileciteturn1file0 Google, “Gemini 3.1 Flash‑Lite: Built for intelligence at scale”, 3 marzo 2026. blog.google Google Cloud, “Gemini 3.1 Flash‑Lite” (Vertex AI, public preview). docs.cloud.google.com Google Cloud, “Thinking” (Gemini 3 e thinking_level). docs.cloud.google.com Google Cloud, “Vertex AI Pricing” (token pricing, caching e grounding). cloud.google.com Google AI for Developers, “Gemini 3.1 Flash‑Lite Preview” (Gemini API). ai.google.dev Google AI for Developers, “Gemini Developer API pricing”. ai.google.dev Punto Informatico, “AI più veloce e meno costosa: arriva Gemini 3.1 Flash‑Lite”, 4 marzo 2026. punto-informatico.it