Oggi un buon PC di casa può generare video, creare immagini e ospitare un assistente AI conversazionale, senza un euro di abbonamento in più e senza che un solo file lasci la scrivania. Non è più un esperimento da smanettoni: è una scelta di architettura, e come tutte le scelte di architettura va fatta sapendo cosa si guadagna e cosa si paga.
Me ne sono reso conto in queste settimane, mentre sistemavo il mio portatile da lavoro per far girare un modello linguistico in locale. Per anni ho venduto alle aziende soluzioni cloud, e continuo a pensare che il cloud sia la risposta giusta in moltissimi casi. Ma la domanda che mi sono fatto è più semplice: di quello che pago ogni mese in abbonamenti AI, quanto potrei farlo girare su una macchina che già possiedo? E soprattutto, quali dati sto consegnando a terzi senza pensarci?
La risposta, a fine 2026, è sorprendente. Ed è il motivo di questo articolo.
Due vantaggi diversi, da non confondere
Il locale porta due benefici distinti, e conviene tenerli separati perché pesano in modo diverso a seconda del progetto.
Il primo è economico: il costo marginale zero. Nel cloud si paga a consumo o ad abbonamento: ogni video, ogni immagine, ogni conversazione lunga ha un prezzo. In locale si paga una volta l’hardware e poi solo la corrente. Il punto non è “gratis”, perché gratis non è: è che la decima, la centesima, la millesima prova costano come la prima. E nel lavoro creativo, dove si itera tantissimo prima di arrivare al risultato buono, questo cambia il modo di lavorare. Una delle guide comparative pubblicate quest’anno stima che un PC dedicato si ripaghi dopo qualche centinaio o qualche migliaio di video rispetto ai servizi a pagamento.
Il secondo è di controllo: i dati non escono. Contratti, bilanci, dati dei clienti, foto dei figli, il codice sorgente di un prodotto: tutto resta sul disco. Non c’è un termine di servizio da leggere, nessun dubbio su dove vengano conservati i prompt o se finiscano ad addestrare il modello di qualcun altro. Per chi lavora in Europa, con GDPR e AI Act, non è un dettaglio.
Sono vantaggi indipendenti. Un creativo che produce centinaia di clip per i social può non avere nessun dato sensibile, ma beneficiare enormemente del costo zero. Uno studio professionale che analizza tre documenti al giorno non ha un problema di costi, ma ha un enorme problema di riservatezza. Capire quale dei due ci interessa è il primo passo per decidere.
Video: la frontiera più recente
Fino a un anno fa generare video in casa era una curiosità. Oggi esistono tre famiglie di modelli aperti che danno risultati usabili, tutte scaricabili gratuitamente.
- Wan 2.2 (Alibaba) è il riferimento per versatilità e qualità, con licenza Apache 2.0 che ne consente anche l’uso commerciale. Attenzione ai numeri di versione: le versioni successive, 2.5 e 2.6, sono rimaste chiuse e disponibili solo via servizio a pagamento, quindi in locale si lavora con la 2.2.
- LTX (Lightricks, oggi alla versione 2.3/2.5) è il più veloce e il più leggero: con le versioni compresse parte da 8 GB di memoria video ed è l’unico dei tre a generare anche l’audio sincronizzato.
- HunyuanVideo 1.5 (Tencent) ha il look più cinematografico, ma chiede più risorse e ha una licenza con esclusioni territoriali: prima di usarlo in Europa per lavoro, conviene leggerla con attenzione.
Lo strumento che li tiene insieme è ComfyUI, un’interfaccia a nodi dove si costruisce il flusso di lavoro come un circuito: modello, testo, immagine di partenza, upscaling, interpolazione dei fotogrammi. All’inizio spaventa, poi diventa il banco da lavoro. Per chi vuole partire senza imparare i nodi ci sono alternative più guidate come Pinokio, WanGP o LTX Desktop, che installano tutto con un clic.
Un’avvertenza onesta: in locale si ottengono clip brevi, tipicamente di pochi secondi, e la qualità è “buona o competitiva, con compromessi diversi” rispetto ai migliori servizi cloud, non identica. Per uno spot televisivo i modelli chiusi come Veo restano un passo avanti. Per prototipare un’idea, fare storyboard animati, contenuti social o sperimentare senza contatore che gira, il locale è già più che sufficiente.
Immagini: il terreno più maturo
Se il video è la frontiera, le immagini sono ormai territorio conquistato. Il divario con i servizi a pagamento si è in gran parte chiuso nel corso del 2026.
I nomi da conoscere sono pochi. Flux (Black Forest Labs) resta il riferimento per fotorealismo e aderenza al testo richiesto, con la variante leggera Flux 2 Klein per chi vuole velocità. Z-Image Turbo (Alibaba, uscito a gennaio) è rapidissimo e gira su schede da 8 GB. Qwen-Image 2.0, rilasciato a febbraio, unisce generazione e modifica in un solo modello e scrive bene il testo dentro le immagini, cosa preziosa per locandine e mockup.
Anche qui ComfyUI è il banco da lavoro principale; per chi vuole un’esperienza alla Midjourney, “scrivi e premi invio”, esistono interfacce più semplici come Fooocus o Forge. La parte interessante è che immagini e video si parlano: si genera un’immagine di partenza con Flux o Z-Image, la si ritocca, e poi la si anima con Wan o LTX. Tutto sulla stessa macchina, senza caricare nulla da nessuna parte.
Un LLM tutto tuo
La parte che più cambia il lavoro quotidiano è avere un modello linguistico, un “ChatGPT personale”, che gira sul proprio computer e risponde anche senza connessione.
I modelli aperti più usati oggi su hardware domestico sono Qwen 3.6 (Alibaba) e Gemma 4 (Google), entrambi usciti ad aprile: la versione da 27 miliardi di parametri di Qwen gira su una singola scheda da 24 GB. Con 16 GB di memoria, gpt-oss-20b di OpenAI è un ottimo modello di ragionamento; con meno, le versioni piccole da 4 o 8 miliardi di parametri girano su un PC normale e bastano per riassunti, bozze e domande sui documenti.
Bisogna però essere chiari su un punto. I grandi modelli aperti di frontiera, quelli che nei benchmark se la giocano con i servizi commerciali, non sono “locali” per un PC di casa: richiedono hardware da data center. In locale si lavora con la fascia sotto, che è comunque molto capace.
Per installarli non serve più la riga di comando:
- Ollama è lo standard di fatto, ora anche con interfaccia grafica: si scarica un modello con un comando e si ottiene un’API compatibile con quella di OpenAI.
- LM Studio e Jan sono app desktop in stile chat, ideali per chi vuole sfogliare i modelli e provarli.
- AnythingLLM è pensato per “parlare con i propri documenti”: gli si dà una cartella e risponde sui contenuti. Una nota: la telemetria è attiva di default e va spenta nelle impostazioni, il che dice molto sull’importanza di controllare anche gli strumenti “locali”.
- Strata è la scelta che ho fatto io. È un progetto open source con licenza MIT costruito attorno a un solo modello, Qwen3.8-Flash-Next, che con 125 miliardi di parametri normalmente richiederebbe un server e invece gira su un PC da gaming. Lo sviluppatore dichiara zero telemetria ed espone endpoint compatibili con OpenAI e Anthropic, così anche gli strumenti di sviluppo e gli agenti di codice possono usare il modello locale invece di quello in cloud. È un progetto giovane, quindi va trattato come tale.
Cosa ci si fa, concretamente? Si riassumono contratti e verbali senza caricarli su un server altrui. Si interroga l’archivio dei documenti aziendali. Si scrivono bozze di mail e articoli. Si collega un assistente di programmazione a un modello che non vede mai il codice uscire dall’ufficio. E si sperimenta senza la sensazione del tassametro acceso.
Cosa serve davvero
Il numero che conta è uno solo: la memoria della scheda video (VRAM). Il processore e la RAM aiutano, ma è la VRAM a decidere quali modelli entrano e a che velocità girano.
| Memoria video | Immagini | Video | LLM |
|---|---|---|---|
| 8 GB | Z-Image Turbo, SDXL | Clip brevi con LTX o Wan 2.2 5B, con ottimizzazioni | Modelli piccoli (4-8 miliardi di parametri) |
| 16 GB | Flux, Qwen-Image | Wan 2.2 in buona qualità | gpt-oss-20b, modelli medi |
| 24 GB | Tutto, senza compromessi | Tutti i modelli aperti principali | Qwen 3.6 27B, Gemma 4 31B |
| Mac con 32 GB+ di memoria unificata | Buono, più lento | Possibile ma lento | Ottimo per la fascia medio-piccola |
Una scheda da 24 GB come la RTX 4090 costa intorno ai 1.800 dollari ed è oggi il punto di equilibrio per chi fa sul serio. Molti portatili da gaming e workstation di fascia alta hanno già schede da 12-16 GB: prima di comprare qualcosa, vale la pena scoprire cosa si ha già in casa. Il resto del costo è la corrente, da mettere in conto nei carichi pesanti come il video, dove una generazione può impegnare la scheda per diversi minuti.
Quando conviene, e quando no
La domanda giusta non è “locale o cloud?”, ma “quale dei due vantaggi mi serve in questo progetto?”. Messi su due assi, volume di lavoro e riservatezza dei dati, i casi si dividono abbastanza nettamente.
[embed: node/b282a5d8-8514]
Quando i dati sono delicati, il locale vince anche se lo si usa poco, perché il valore sta nel non esporli. Quando si genera tanto, vince anche su dati banali, perché il costo per prova scende a zero. Quando valgono entrambe le cose, la scelta è quasi obbligata.
Ci sono però casi in cui il cloud resta la scelta migliore, e va detto con franchezza:
- Quando serve il massimo assoluto. I modelli commerciali di punta, sia per il testo sia per il video, restano un passo avanti per ragionamento complesso e qualità cinematografica.
- Quando non si ha l’hardware. Comprare una scheda da 1.800 dollari per usarla due volte al mese non ha senso economico.
- Quando si lavora in squadra. Condivisione, accessi, versioni: il cloud nasce per questo, il PC sulla scrivania no.
- Quando il tempo vale più del denaro. Installare, aggiornare, scegliere i modelli richiede ore. Per qualcuno sono ore di divertimento, per altri ore perse.
Nella pratica la soluzione più sensata è spesso ibrida: in locale tutto ciò che è riservato o ripetitivo, in cloud ciò che richiede il meglio disponibile o la collaborazione. Non è una questione di fede, è una questione di architettura.
Ciò che dipende da noi
Epitteto insegnava a distinguere tra ciò che dipende da noi e ciò che non dipende da noi. Con l’intelligenza artificiale in cloud, quasi tutto dipende da altri: il prezzo del mese prossimo, le condizioni d’uso, la sorte dei dati che carichiamo, perfino l’esistenza stessa del servizio (quest’anno OpenAI ha spento l’app di Sora e chiuso la sua API, e chi ci aveva costruito sopra ha dovuto ricominciare).
Il locale non è la risposta a tutto. Ma riporta una parte del lavoro dentro il perimetro di ciò che controlliamo: una macchina che possediamo, modelli che abbiamo scaricato, file che non lasciano la stanza. Per alcuni progetti è un risparmio, per altri è una tutela, per i migliori è entrambe le cose.
Il consiglio che mi sento di dare è semplice: prima di comprare qualsiasi cosa, guardate cosa avete già. Installate un’app per l’LLM e un modello piccolo, provate a generare un’immagine. In un pomeriggio capirete se il vostro modo di lavorare sta nella parte alta o nella parte destra di quello schema. E se ci sta, scoprirete che una parte del futuro dell’AI è già sulla vostra scrivania.
Lascia un commento