Quale IA usare per programmare: Claude, GPT-6.1, Kimi e le alternative gratuite

Programmare è il lavoro in cui l'intelligenza artificiale è cambiata di più nell'ultimo anno. Non si tratta più di farsi suggerire una riga di codice: gli agenti di programmazione leggono un intero progetto, eseguono comandi e test, correggono gli errori e portano a termine compiti che a una persona richiederebbero ore. Ottobre 2026 ha portato nuovi modelli e, soprattutto, una nuova misura indipendente per confrontarli. Vediamo cosa dice e come usarla per scegliere.

Non conta solo il modello, conta l'agente

Quando si parla di "IA per programmare" si pensa al modello: Claude, GPT, Gemini. In pratica però si usa sempre un modello dentro un programma, che gli dà gli strumenti per lavorare: aprire file, lanciare comandi, leggere gli errori. Questo programma si chiama in gergo harness: Claude Code di Anthropic, Codex di OpenAI, Cursor, Muse Code di Meta, Kimi Code di Moonshot. Lo stesso modello può rendere in modo diverso in due harness diversi.

Per questo il Coding Agent Index di Artificial Analysis, arrivato alla versione 2.0 il 23 ottobre, misura le coppie modello + harness. L'indice mette insieme, con lo stesso peso, tre prove per un totale di 290 compiti: FrontierCode (modifiche a progetti open source reali, giudicate con il criterio "un manutentore la accetterebbe?"), Terminal-Bench 4.0 (lavoro da terminale) e SWE-Atlas (domande tecniche su un intero progetto). Ogni compito viene provato tre volte. È il tipo di test che consigliavamo nella guida su come leggere i benchmark: eseguito da un terzo, alla pari, con il costo accanto al punteggio.

La classifica di ottobre

Questi i risultati principali della versione 2.0, su 100 punti:

• Claude Code + Claude Opus 5.5: 61,7
• Claude Code + Claude Sonnet 5.5: 59,3
• Muse Code + Muse Wonder Full (Meta): 58,9
• Claude Code + Claude Fable 5.1: 57,6
• Codex + GPT-6 Astra: 54,7
• Codex + GPT-6.1 Sol: 54,1
• Codex + GPT-6.1 Terra: 48
• Codex + DeepSeek V4.1 Flash: 47,3

Il dato più utile però è un altro: il costo per compito calcolato ai prezzi delle API. Claude Code con Opus 5.5 spende in media 11,42 dollari per compito, Codex con GPT-6 Astra 7,04, con GPT-6.1 Sol 1,50, con GPT-6.1 Terra circa 0,40 e con DeepSeek V4.1 Flash 0,39. In altre parole, i 14 punti di vantaggio del primo costano circa 29 volte tanto. Due avvertenze: sono costi a consumo, non i prezzi degli abbonamenti; e Cursor, uno degli editor più usati, in questa edizione non è stato valutato.

Le tre novità del mese

GPT-6.1 Terra (OpenAI, 26 ottobre). È il modello di fascia media della nuova generazione, pensato per usare il computer e programmare. Via API costa 1 dollaro per milione di token in ingresso e 5 in uscita, metà del predecessore; è incluso in Codex per gli abbonati Plus, Pro, Enterprise ed Edu. OpenAI dichiara il 50,3% su Terminal-Bench 4.0 e una velocità circa tripla rispetto a Sol e Astra: sono dati del produttore. La verifica di Artificial Analysis lo mette 6 punti sotto GPT-6.1 Sol nell'indice degli agenti, ma a meno di un terzo del costo per compito. Per i compiti più impegnativi OpenAI stessa indica Sol.

Kimi K3.1 Pro (Moonshot AI, 23 ottobre). Il modello cinese costa 2 dollari in ingresso e 10 in uscita, come Claude Sonnet 5.5 e la metà di Opus 5.5, con un contesto da un milione di token. Moonshot dichiara il 65,7% su Terminal-Bench 4.0, a ridosso di Opus 5.5; nella misura di Artificial Analysis sullo stesso test arriva al 67,2%, e nell'indice generale debutta quarto. Si usa nelle app Kimi, in Kimi Code e via API. La promessa più interessante: i pesi completi entro il 4 novembre, quindi la possibilità di farlo girare sui propri server. La licenza non è ancora nota.

Flint (Recursive, 22 ottobre). È l'opposto dei modelli di punta: 40 miliardi di parametri, di cui solo 2,5 attivi per ogni token, licenza Apache 2.0 che consente l'uso commerciale. Recursive dichiara oltre 125 token al secondo su un MacBook Pro con chip M4 Pro e il primato tra i modelli della sua taglia su SWE-Bench e Terminal-Bench, senza però pubblicare i punteggi in chiaro. Si installa con Ollama o LM Studio; l'azienda avverte che richiede istruzioni più dettagliate dei grandi modelli chiusi.

Quanto costa davvero

Per chi programma ogni giorno, la strada più semplice resta l'abbonamento. Claude Code è incluso in Claude Pro (20 dollari al mese) e nei piani Max (100 o 200 dollari), pensati per chi lo usa molte ore al giorno. Codex è incluso in ChatGPT Plus (20 dollari) e nei piani Pro. Cursor ha un piano gratuito con limiti e un piano Individual da 20 dollari, con la possibilità di scegliere il modello. Chi invece costruisce automazioni o usa l'agente con le API paga a consumo: qui la differenza tra 0,40 e 11 dollari a compito si sente subito, soprattutto se l'agente lavora su centinaia di attività.

Il confronto aggiornato dei prezzi per milione di token è nella nostra pagina Modelli; la scheda dedicata, con piani e istruzioni passo passo, è in Strumenti: programmare.

Cosa significa per te

• Se programmi per lavoro su progetti complessi, Claude Code con Opus 5.5 è oggi la scelta più solida secondo la misura indipendente. Sonnet 5.5 perde poco più di due punti e costa la metà: per la maggior parte delle giornate basta.
• Se paghi già ChatGPT, Codex con GPT-6.1 Sol è un ottimo rapporto qualità-prezzo; passa a Terra per i compiti ripetitivi o quando conta la velocità.
• Se costruisci un'app o un'automazione con le API, parti da un modello economico (GPT-6.1 Terra, DeepSeek V4.1 Flash, Kimi K3.1 Pro) e sali di livello solo sui compiti in cui fallisce.
• Se il codice non può uscire dall'azienda, valuta un modello aperto in locale: Flint su un portatile per i compiti semplici, oppure Kimi K3.1 Pro quando i pesi saranno pubblicati, su server adeguati. La nostra guida sui modelli a pesi aperti spiega come iniziare.
• Se stai imparando, il piano gratuito di Cursor o un modello locale bastano per esercitarsi. Chiedi all'IA di spiegarti il codice che scrive, non solo di scriverlo.

Un agente che programma va sorvegliato

Più gli agenti diventano autonomi, più contano le regole d'uso. Nelle sue stesse simulazioni OpenAI riferisce che GPT-6.1 Terra ha aggirato restrizioni per completare il compito in quasi il 30% dei casi; a ottobre la società ha anche documentato due suoi agenti che avevano disattivato i controlli che li sorvegliavano. Non sono motivi per rinunciare, ma per lavorare con prudenza: un ramo separato del progetto, permessi limitati, nessuna password o chiave nel testo delle richieste, revisione di ogni modifica prima di unirla, attenzione alle nuove librerie che l'agente aggiunge. Ne abbiamo parlato più in dettaglio nella guida sugli agenti IA.

La classifica dice chi vince in media, non chi vince sul vostro progetto. Provate due opzioni sullo stesso compito reale, con gli stessi test, e misurate tempo e costo.