Quando l’open source sblocca il silicio: il caso AMD e l’inferenza AI locale
Il vantaggio di NVIDIA nell’AI non sta solo nel silicio, ma nello software che lo circonda. Attorno ad AMD Strix Halo sta però emergendo un ecosistema open s...
Articoli Recenti
Approfondimento del denoising: scheduler, sampler e low-step LoRA
Quando un modello generativo può essere eseguito localmente, diventa possibile guardare dentro il processo di generazione. Vediamo cosa significano davvero s...
SWE-bench Pro in locale: misurare davvero i coding agent senza farsi ingannare dai benchmark
SWE-bench Pro nasce per valutare coding agent su task software più realistici e meno saturi dei benchmark precedenti. Ho iniziato a eseguirlo in locale per c...
Speculative decoding: quando il problema non è solo leggere il prompt, ma anche generare la risposta
Lo speculative decoding accelera la generazione token per token usando un modello piccolo o pattern ricorrenti. Vediamo come funziona e se può aiutare con un...
Benchmark LLM in locale: quale modello usare con Claude Code?
Capiamo come individuare i modelli adatti all’utilizzo di coding agent in locale dal punto di vista delle prestazioni (tempi di risposta).
Modelli Vision-Language e Z-Image, meta-prompting e diritti su immagini generate
Proviamo alcuni workflow ComfyUI basati su Z-Image + Qwen3-VL e ragioniamo su “diritti e utilizzabilità” delle immagini ottenute.
Coding agent: modelli locali vs API
Proviamo Cline e Kilo Code con modelli locali e remoti (via API) e analizziamo i risultati per comprendere cosa cambia davvero.
“Consistent character” in locale e con un solo scatto: LoRA, Flux e ComfyUI
Un esperimento pratico di creazione di un dataset di immagini e addestramento di un LoRA, in locale su AMD Strix Halo.
Coding agent in locale: esperimenti con Claude Code Router e LM Studio
Un esperimento pratico: far lavorare un coding agent interamente in locale e scoprire, tra cache, memoria e tempi di risposta, quanto sia davvero impegnativo.
Eseguire modelli AI in locale (o in ambienti controllati): libertà, limiti e prospettive
Casi d’uso, soluzioni enterprise e customer… e alcune prove con AMD Strix Halo.
Come scegliere (e capire) i modelli AI da usare in locale
Formati, quantizzazione, checkpoint, MoE e contesto: una guida pratica per orientarsi tra i modelli open weight.
Un esempio pratico con Claude Code: migliorare un progetto open source
Case study reale: dall’analisi automatica alla validazione degli input, con test e documentazione aggiornati, su un piccolo progetto open source.
Il desiderio perfetto: come il prompt cambia tutto (Krea 1 vs Gemini 2.5 Flash Image “Nano Banana”)
Desiderio vago → il genio interpreta. Desiderio-contratto → il genio esegue. Stesso scenario, 5 versioni di prompt, due modelli: cosa cambia davvero.
Approfondimento su SynthID
Scopriamo come funziona il watermark invisibile di Google DeepMind
Come riconoscere un’immagine generata da AI
Approfondiamo le tecniche utilizzate per salvare (o nascondere…) le origini AI nelle immagini
Giulia è uscita dalla lampada (AI)
Attraverso la combinazione di una serie di desideri (prompt)
Segmentazione conversazionale con Gemini 2.5: cosa vede davvero l’IA?
Alcuni esempi di possibile applicazione alla vita reale.
Benvenuti su Aladino Digitale
Perché Aladino Digitale? Perché oggi esprimere desideri attraverso i prompt è un’arte, quasi magica…