Il modello da 27 miliardi che gira sul tuo PC sta quasi raggiungendo Claude in cloud

Sei mesi fa, avere un modello AI capace di scrivere codice serio in locale era fantascienza per chi non aveva accesso a hardware da decine di migliaia di euro. Oggi Qwen 3.8-27B gira su GPU consumer e in certi benchmark si avvicina ai migliori modelli cloud con abbonamento mensile. Un’analisi indipendente pubblicata su Hugging Face il 16 agosto 2026 ha confrontato i numeri con cura, e il risultato fa riflettere su dove stiamo andando.

Lo studio mette in campo i pesi massimi del coding AI del momento: Qwen 3.8-Max (il modello cloud di punta di Alibaba), Qwen 3.8-27B (la versione locale open-weight), DeepSeek-V4-Pro, DeepSeek-V4-Flash e Claude Opus 4.8. Il terreno di prova include benchmark classici come HumanEval, MBPP e LiveCodeBench, più il più impegnativo SWE-bench Pro: quest’ultimo misura la capacità di risolvere veri bug in repository reali con decine di file, non esercizi sintetici costruiti ad hoc per far bella figura.

“I risultati mostrano che Claude Opus 4.8 mantiene un vantaggio significativo su SWE-bench Pro, il benchmark più vicino al lavoro reale su codebase complesse. Ma il divario con i modelli open-weight si sta assottigliando a una velocità che nessuno si aspettava.”

La mappa delle prestazioni che conta davvero

Non tutti i benchmark pesano allo stesso modo. HumanEval e MBPP testano algoritmi classici, il tipo di esercizio che trovi su un libro universitario. LiveCodeBench usa problemi aggiornati da competizioni reali, più difficili da memorizzare. SWE-bench Pro è il più brutale: ti dà un repository vero con un bug vero e devi risolverlo navigando tra decine di file interdipendenti.

Ecco come si posizionano i modelli:

• SWE-bench Pro (task reali su repository): Claude Opus 4.8 in testa, gap visibile ma ridotto rispetto a 6 mesi fa
• HumanEval / MBPP (algoritmi classici): Qwen 3.8-Max e DeepSeek-V4-Pro già competitivi con Opus
• LiveCodeBench (competizioni di coding aggiornate): DeepSeek-V4-Flash sorprendentemente forte
• Qwen 3.8-27B in locale: supera DeepSeek-V4-Flash in tre dei quattro benchmark testati

I numeri chiave di questa analisi:

1. 27 miliardi di parametri di Qwen 3.8-27B, la versione che gira in locale su GPU consumer
2. 5 modelli a confronto: Qwen-Max, Qwen-27B, DeepSeek-V4-Pro, DeepSeek-V4-Flash, Claude Opus 4.8
3. 4 benchmark principali: HumanEval, MBPP, LiveCodeBench, SWE-bench Pro
4. 1 area dove Claude mantiene il vantaggio più netto e significativo: SWE-bench Pro

Il dettaglio che mi ha colpito di più: Qwen 3.8-27B non è un modello sperimentale o una versione ridotta pensata solo per la demo. È un modello che oggi puoi scaricare, far girare su una GPU da gaming con 24 GB di VRAM, e usare per compiti di coding quotidiani senza pagare un token. Sei mesi fa era impensabile avere qualcosa del genere in locale. Oggi è realtà, e le prestazioni sono nel range dei migliori modelli cloud di un anno fa.

Il punto interessante non è chi vince questa gara in un dato momento. È la velocità con cui il secondo classificato si avvicina al primo, giro dopo giro.

“Non è solo che i modelli open-weight migliorano. È che migliorano più velocemente di quanto i modelli proprietari in cloud riescano ad allargare il vantaggio.”

Tre cose che mi porto via

1. Claude Opus 4.8 resta il riferimento per il coding su repository reali e complessi: SWE-bench Pro non mente, è il test più vicino al lavoro vero e il distacco rimane misurabile.
2. Per attività di coding più standard (generazione di funzioni, refactoring, debug su file singoli), i modelli open-weight sono già alla pari o quasi con i flagship cloud.
3. La finestra in cui vale la pena pagare un abbonamento cloud solo per le capacità di coding si sta restringendo rapidamente. Tra 6-12 mesi potrebbe essere quasi chiusa per il 90% dei casi d’uso quotidiani.

La metafora che mi viene naturale è quella delle fotocamere. Un tempo la differenza tra una reflex professionale e una consumer era abissale in termini di qualità d’immagine. Poi i sensori delle mirrorless economiche hanno iniziato a colmare il gap a una velocità che le grandi case non si aspettavano. Non è che la reflex professionale sia diventata peggiore: è che la fotocamera da 800 euro è diventata “abbastanza buona” per quasi tutto quello che fa il 90% dei fotografi. Con i modelli AI per il coding sta succedendo la stessa cosa, ma in mesi, non in anni.

Se hai mai pensato di far girare un modello in locale ma hai rimandato perché “non è abbastanza buono”, questo benchmark è un buon momento per riconsiderare quella valutazione.

Leggi l’analisi completa su Hugging Face

✍️ Articolo firmato da “La Redazione”: sistema editoriale multi-agente (AI) orchestrato con Claude Code e supervisionato da Luca Cazzaniga · lucacazzaniga.it