Snowflake introduce il dynamic model routing all’interno di Cortex AI Gateway, con l’obiettivo di aiutare le aziende a ridurre la spesa legata all’intelligenza artificiale. La tecnologia seleziona automaticamente il modello più adatto a ogni richiesta, tenendo conto di qualità, velocità, preferenze e costi.
L’annuncio, datato 8 settembre 2026, riguarda una delle principali sfide che accompagnano la diffusione dell’AI nelle aziende: scegliere il modello giusto senza aumentare inutilmente i costi di inferenza.
Con l’aumento delle applicazioni e degli agenti AI utilizzati in produzione, infatti, affidarsi sempre allo stesso modello può diventare costoso. D’altra parte, gestire manualmente un numero crescente di modelli richiede tempo e risorse ai team tecnici.
Sirena d’allarme: per il 51% degli italiani basta per i soccorsi
Come funziona Cortex AI Gateway
Il routing dinamico di Cortex AI Gateway nasce proprio per automatizzare questa scelta. Il sistema può indirizzare le attività più semplici o ripetitive verso modelli più efficienti, mentre le richieste che richiedono maggiore capacità vengono affidate a modelli più avanzati.
La funzione è integrata nei principali prodotti AI di Snowflake, tra cui Snowflake CoCo e Snowflake CoWork, e può essere utilizzata anche dagli agenti AI di terze parti che sfruttano Cortex AI Gateway.
Un altro elemento riguarda il controllo sui modelli disponibili. Le aziende possono infatti stabilire quali modelli e fornitori rendere accessibili agli utenti, un aspetto particolarmente rilevante per le organizzazioni internazionali che devono tenere conto della disponibilità regionale o per i settori sottoposti a specifici requisiti di conformità.
Il sistema può anche aggiornare le decisioni di routing quando cambiano prestazioni e prezzi dei modelli. L’obiettivo è permettere alle aziende di sfruttare nuove capacità senza dover ricostruire ogni volta applicazioni o agenti AI.
Cloudera lancia Anywhere Cloud per accelerare l’AI agentica
Snowflake amplia la scelta dei modelli open source
Accanto al routing dinamico, Snowflake annuncia l’arrivo di nuovi modelli open source all’interno di Cortex AI. Tra questi ci sono DeepSeek-V4-Flash 0731 e GLM-5.3, che si aggiungono a una libreria composta da modelli di diversi fornitori, tra cui Anthropic, OpenAI, Google, SpaceXAI, Meta e Mistral.
La strategia punta a offrire alle aziende una scelta più ampia per trovare il giusto equilibrio tra prestazioni e costi. I modelli vengono integrati in un ambiente che mantiene i dati governati all’interno di Snowflake, applicando controlli coerenti alle diverse opzioni disponibili.
Secondo le valutazioni interne del team di ricerca AI di Snowflake, DeepSeek-V4-Flash ha raggiunto un punteggio del 74,4% nelle attività di data engineering considerate nei test enterprise. GLM-5.2 ha invece ottenuto il 62,8%, utilizzando meno token rispetto agli altri modelli valutati. I risultati fanno riferimento a test interni condotti con ADE-bench, un framework sviluppato da dbt per valutare gli agenti AI su attività reali di analytics e data engineering.
Revolut lancia Research e punta su un’AI proprietaria con NVIDIA
Costi AI sotto controllo
L’azienda interviene anche sul fronte della gestione della spesa. Cortex AI Gateway offre agli amministratori una visione dell’utilizzo dei token e dei relativi costi, permettendo di fissare limiti di spesa per applicazioni e agenti AI.
Snowflake CoCo aggiunge a questi strumenti i controlli basati sui ruoli e il tagging già presenti nella piattaforma. Gli amministratori possono impostare modelli predefiniti, collegare il consumo a specifici team o centri di costo, definire quote per utente e ricevere notifiche quando l’utilizzo si avvicina ai limiti stabiliti.
L’obiettivo è quindi andare oltre il semplice contenimento dei costi. Snowflake parla di “intelligence efficiency”, ovvero della capacità di trasformare calcolo, modelli, dati e contesto in valore per l’azienda nel modo più efficace possibile.
I test interni di Snowflake
I primi test condotti dall’azienda evidenziano i possibili vantaggi del mix tra modelli open source e proprietari. In una delle prove, gli agenti AI che utilizzavano il routing dinamico di Cortex AI Gateway hanno costruito una pipeline dbt con un’efficienza dei token fino a tre volte superiore, mantenendo una qualità analoga rispetto a un percorso basato esclusivamente su modelli avanzati.
In un altro test, dedicato ai team di ingegneria, è stato completato lo stesso numero di pull request con un’efficienza dei token superiore del 25%.
Snowflake precisa che si tratta di risultati ottenuti attraverso test interni e che le prestazioni possono variare in base al carico di lavoro e alla configurazione.
A guidare la strategia è anche la volontà di lasciare alle aziende maggiore libertà nella scelta dei modelli, senza trasferire sui team tecnici tutta la complessità legata alla loro gestione.
“Le aziende stanno diventando molto più rigorose quando si parla di economia dell’AI”, ha dichiarato Sridhar Ramaswamy, CEO di Snowflake, sottolineando come l’attenzione non riguardi più soltanto la quantità di AI utilizzata, ma anche il valore generato.
Con il routing dinamico, l’ampliamento dei modelli e i nuovi strumenti di controllo della spesa, Snowflake punta così a rendere l’utilizzo dell’intelligenza artificiale più flessibile e sostenibile per le aziende, mantenendo al centro la governance dei dati e del contesto aziendale.
Consigliati per te
Maddie, l’AI che accelera la rivoluzione della manifattura additiva 
Successo a Milano per il Factorial Summit 2025: il futuro del lavoro con l’AI 
L’universo cyberpunk di Valentina Picozzi 
Xiaomi fa il botto: il prodotto low cost che migliora ogni angolo della tua casa 
Come ricevere risposte migliori da ChatGPT: prova con il trucco infallibile
