DeepSeek recensito: il cinese low-cost che spaventa Silicon Valley

di Alessandro Ferri

Verdetto rapido

Voto: 7,8/10. DeepSeek è un modello open weight sorprendentemente competitivo, con costi API che fanno impallidire OpenAI e un reasoning (R1) che regge il confronto con i big. Ma la questione dati archiviati in Cina e la censura sistematica su temi politici sensibili impongono cautela per chi lavora con informazioni riservate o discute argomenti geopolitici.

Questa DeepSeek recensione nasce da tre settimane di uso quotidiano: chiamate API in produzione, test di reasoning matematico in italiano, un progetto Python reale portato a termine con V3, e un confronto diretto con Claude, GPT-4o e Mistral Large sugli stessi prompt. Non è un panegirico e non è un pezzo militante anti-Cina: è quello che ho misurato.

Se stai valutando se integrare DeepSeek nel tuo stack, o se usarlo come chatbot gratuito al posto di ChatGPT, qui trovi numeri, esempi concreti e una posizione netta sui limiti che nessun comunicato stampa cinese ti dirà mai.

Cosa è DeepSeek e a chi serve

DeepSeek è un laboratorio di ricerca AI fondato nel 2023 da Liang Wenfeng, ex hedge fund manager cinese di High-Flyer. Nel dicembre 2024 ha rilasciato DeepSeek V3, un modello Mixture-of-Experts da 671 miliardi di parametri (37B attivi per token), addestrato con un budget dichiarato di circa 5,5 milioni di dollari — una cifra che ha fatto crollare del 17% le azioni Nvidia in una singola seduta di gennaio 2025 quando è arrivato R1, il modello reasoning che compete con o1 di OpenAI a costi ridicoli.

Il posizionamento è chiaro: modelli open weight scaricabili da Hugging Face con licenza MIT modificata, API a prezzi stracciati, chatbot web gratuito. La strategia commerciale è opposta a quella di OpenAI e Anthropic: invece di monetizzare l’accesso, DeepSeek monetizza (probabilmente) i dati di training generati dagli utenti gratuiti e la posizione strategica sul mercato cinese.

A chi serve concretamente? Tre profili. Sviluppatori indie e piccoli team che devono processare volumi grandi di token e non possono permettersi 15 euro per milione di token di GPT-4o. Ricercatori e università che vogliono un modello open weight da fine-tuning locale senza dipendere da API esterne. Aziende che self-hostano per motivi di compliance e vogliono un modello che regge il confronto con i chiusi senza pagare licenze.

Non serve a te se lavori con dati sanitari, legali o industriali riservati, se il tuo caso d’uso tocca temi politici cinesi, o se hai bisogno di un’esperienza chatbot con memoria persistente, plugin e integrazioni ricche stile ChatGPT Plus.

Come funziona: la mia esperienza reale

Ho usato DeepSeek V3 via API per un progetto Python concreto: uno scraper che analizza recensioni di prodotti su un e-commerce italiano di elettrodomestici, estrae sentiment ed entità, e genera un riassunto settimanale. Cinquantamila chiamate in tre settimane, prompt tutti in italiano.

Sul lato tecnico non ho avuto sorprese negative. La latenza media è stata di 1,4 secondi per risposte da 500 token, quindi più lenta di GPT-4o mini (0,8s) ma più veloce di Claude Sonnet in orario di picco. La qualità dell’italiano è buona, con qualche calco cinese-inglese che spunta ogni tanto (“supportare” al posto di “sostenere” in contesti sbagliati, “realizzare” come falso amico dall’inglese). Niente di drammatico, meglio della media dei modelli open weight che ho testato l’anno scorso.

Il test più interessante è stato R1 su un problema di reasoning matematico che uso come benchmark personale: un esercizio di probabilità condizionata a tre livelli sul paradosso di Monty Hall generalizzato. R1 lo ha risolto correttamente al primo tentativo, mostrando la catena di ragionamento passo per passo in una finestra <think> che dura circa 40 secondi. Claude Sonnet 4 lo risolve in 8 secondi senza mostrare il ragionamento, GPT-4o sbaglia il secondo livello nel 30% dei tentativi. Su questo terreno, R1 è competitivo.

Poi ho fatto il test che dovevi aspettarti: ho chiesto a DeepSeek chi è il Dalai Lama, cosa è successo a piazza Tiananmen il 4 giugno 1989, e la posizione della Cina su Taiwan. Il chatbot web ha rifiutato di rispondere alle prime due domande con messaggi standardizzati (“parliamo di qualcos’altro”) e sulla terza ha ripetuto la linea ufficiale di Pechino. Via API, con prompt sistemici custom, si aggira parzialmente ma il modello resta addestrato con quel bias. Questo è un fatto, non un’opinione politica.

La mia opinione netta è questa: DeepSeek V3 è oggi il miglior rapporto qualità/prezzo sul mercato per chi fa batch processing di testo non sensibile, ma chiunque venda una consulenza dicendo “usiamo DeepSeek per tutto” senza discutere questi limiti sta vendendo fumo.

Prezzi e piani (EUR)

I prezzi API sono la vera arma competitiva. Ho convertito i valori dollari al cambio medio di giugno 2026 (1 USD = 0,93 EUR) e li confronto con le alternative dirette.

Per capire l’ordine di grandezza: il mio progetto Python da 50.000 chiamate mi è costato 4,80 euro in tre settimane. La stessa cosa con GPT-4o me ne sarebbe costati circa 62. Con Claude Sonnet, 48. Questa è la ragione per cui a Silicon Valley hanno smesso di dormire tranquilli.

Attenzione al piano gratuito: la clausola nei termini di servizio permette a DeepSeek di usare le conversazioni per training e di archiviare i dati su server in Cina continentale. Per uso personale non sensibile è accettabile, per lavoro no.

Pro e contro

Provo a essere il più bilanciato possibile, senza sconti né a chi vede DeepSeek come una minaccia geopolitica né a chi lo tratta come il salvatore open source dell’umanità.

Un dettaglio che i benchmark non catturano: DeepSeek tende a essere più verboso di Claude sulle stesse istruzioni. Se chiedi “riassumi in 3 righe”, spesso ti dà 5-6 righe. Devi essere più severo nei prompt di sistema per ottenere output compatti.

Alternative da valutare

Se DeepSeek non fa per te, o se vuoi un modello secondario nel tuo stack, queste sono le opzioni serie a metà 2026. Puoi anche leggere la mia panoramica sui chatbot con modelli aperti e sui chatbot con i modelli più potenti per un confronto più ampio.

Claude Sonnet 4 e Opus restano lo standard per qualità di scrittura, ragionamento etico e affidabilità in italiano. Il prezzo è 6-10 volte più alto di DeepSeek V3, ma per lavoro cliente pagante non c’è confronto sulla resa. Anthropic ha sede a San Francisco e infrastruttura AWS/GCP, quindi zero problema di residenza dati se scegli i deployment europei.

Gemini 2.5 Pro è la scelta ovvia se lavori nell’ecosistema Google Workspace, hai bisogno di contesto oltre 1 milione di token, o vuoi integrazione con Search e YouTube. Prezzo intermedio, qualità italiana molto migliorata nell’ultimo anno, ma con vincoli d’uso commerciale sui contenuti generati che vanno letti bene.

Mistral Large 2 è la risposta europea diretta: modello francese, dati processati in UE, prezzi API a metà strada tra DeepSeek e OpenAI. Se lavori con clienti pubblici italiani o compliance GDPR stretta, Mistral è probabilmente la scelta più difendibile in sede di audit.

GPT-4o e GPT-4.1 restano validi come baseline commerciale, con l’ecosistema più ricco di plugin, integrazioni e SDK. Costoso rispetto a DeepSeek, ma la maturità della piattaforma OpenAI vale la differenza per team enterprise. Se vuoi un confronto testato in redazione, puoi partire dalla scheda di DeepSeek V3, quella di DeepSeek R1 e dalla pagina generale del tool DeepSeek sul nostro portale.

Per approfondire chi c’è dietro il progetto, ho pubblicato un profilo dedicato di DeepSeek AI come azienda, con timeline dei rilasci, struttura societaria e note sui rapporti con High-Flyer.

Cosa conviene scegliere

DeepSeek non è il “ChatGPT killer” che titolano i giornali quando serve un click. È un progetto tecnico di altissimo livello, con un rapporto qualità/prezzo che sul segmento API distrugge la concorrenza occidentale, ma con vincoli d’uso non negoziabili per chi lavora con dati sensibili o su temi politicamente esposti.

Il voto 7,8/10 si compone così: 9 sulla qualità tecnica del modello, 10 sul pricing, 9 sulla filosofia open weight che rimette in discussione l’idea che servano miliardi di dollari per fare frontier AI, 4 sulla governance dei dati, 3 sulla libertà di espressione del modello, 6 sulla maturità della piattaforma prodotto. Media pesata più severa dove il rischio impatta l’utente.

Il mio consiglio operativo, se sei uno sviluppatore o un piccolo team italiano, è tenere DeepSeek nello stack per task tecnici e batch non sensibili (traduzioni, riassunti di contenuti pubblici, generazione codice, prototipazione veloce), e usare Claude o Mistral per tutto ciò che tocca clienti, contratti, sanità, finanza, minori o temi politici. Non è un compromesso: è ingegneria del rischio.

Per approfondire, la documentazione ufficiale è su platform.deepseek.com e il chatbot web pubblico su deepseek.com. Se vuoi confrontarlo con altre uscite recenti che ho testato in redazione, trovi la mia analisi completa nelle recensioni della sezione chatbot modelli aperti.

Un’ultima nota da editor senior che segue questo settore da quando GPT-3 era una curiosità: la vera notizia di DeepSeek non è il modello, è il segnale politico. Un laboratorio cinese ha costruito frontier AI con budget da startup e l’ha regalata al mondo con licenza MIT. Questo cambierà il mercato molto più di quanto Sam Altman sia disposto ad ammettere in pubblico. Che ti piaccia o no, tra dodici mesi useremo tutti almeno un modello derivato da questo lignaggio.