"Installa Ollama e hai ChatGPT gratis sul tuo PC." L'hai letta anche tu questa frase, in una delle mille guide sull'AI in locale. È vera a metà: il software è gratuito, i modelli aperti sono gratuiti, ma l'hardware, la corrente e il tuo tempo no. E dal 31 agosto 2026 nemmeno i modelli cloud di Ollama sono gratis: con i nuovi piani si pagano a token.
Allora ho fatto quello che nessuna di quelle guide fa: i conti veri. Quanto costa far girare l'AI in locale nel 2026, euro su euro, contro i 20 euro al mese di un abbonamento cloud.
Con una risposta onesta in anticipo: per la maggior parte delle persone l'AI in locale non conviene economicamente. Ma le eccezioni esistono, sono precise, e se rientri in una di quelle il risparmio è reale. Qui trovi i tre scenari di budget, i prezzi dell'hardware aggiornati a novembre 2026, il break-even calcolato e i casi in cui l'AI in locale vince a mani basse.
Cosa serve davvero per l'AI in locale: le tre fasce
Prima dei soldi, il reality check tecnico. La variabile che decide tutto è una: quanta memoria hai (RAM, e ancora meglio VRAM della GPU). Il modello deve starci dentro, punto.
Fascia 0: il PC che hai già (0 euro)
Con 8 GB di RAM, cioè un laptop normale come il mio ASUS con Ryzen 5, giri i modelli piccoli: Qwen 3.5 4B o Llama 3.1 8B in versione quantizzata. Su CPU rispondono con calma, non sono ChatGPT, ma per riassunti, email, bozze e domande secche fanno il lavoro. È l'AI in locale a costo zero.
Con 16 GB di RAM sali di categoria: Gemma 4 12B e Qwen 3.5 9B pesano circa 7-8 GB nel catalogo Ollama e girano anche senza GPU dedicata. Se hai un Mac Apple Silicon, sei nella fascia fortunata: la memoria unificata e l'accelerazione Metal rendono i Mac tra le macchine più efficienti per l'inferenza locale in rapporto ai watt.
Fascia 1: upgrade mirato (300-1.000 euro)
Una GPU usata o entry con almeno 8-12 GB di VRAM cambia l'esperienza dell'AI in locale: i modelli da 7-14B passano da "risponde con calma" a "risponde subito". In alternativa, portare la RAM a 32 GB apre la porta ai modelli medi e a esperimenti come GLM-5.2 in locale con 25 GB di RAM tramite Colibrì, che dimostra quanto si sia abbassata l'asticella.
Fascia 2: macchina dedicata (1.500-3.000+ euro)
Qui si parla di GPU con 16-24 GB di VRAM o Mac con 48+ GB di memoria unificata: modelli da 30-70B, velocità da servizio cloud, più modelli caricati insieme. Ha senso solo per uso professionale intenso o per servire un team. Se stai valutando questa strada, ho scritto una guida completa ai PC per l'intelligenza artificiale con i prezzi reali del 2026.
Quanto costa l'hardware per l'AI in locale a novembre 2026
Nel 2026 la memoria è rincarata per tutto l'anno e le macchine con tanta RAM sono quelle salite di più. Questi sono i prezzi di partenza che ho controllato l'11 novembre 2026; le configurazioni con più memoria costano di più:
| Macchina | Memoria massima | Prezzo di partenza |
|---|---|---|
| Mac mini M5 Pro | fino a 64 GB | 2.029 € |
| Mac Studio M5 Max | fino a 128 GB | 3.049 € |
| Mac Studio M5 Ultra | fino a 512 GB | 6.699 € |
Per capire quale taglio di memoria ti serve davvero parti dalla tabella su quanta RAM serve per un LLM in locale. Se punti ai 128 GB, ho analizzato a parte il mini PC Ryzen AI Max+ 395, mentre l'andamento dei prezzi è nell'articolo sui prezzi della RAM nel 2026.
Il conto vero: AI in locale contro abbonamento
Adesso i numeri. Il termine di paragone è un abbonamento tipo ChatGPT Plus o Claude Pro: circa 20 euro al mese, 240 euro l'anno.
Il costo dell'AI in locale ha tre voci che le guide entusiaste dimenticano:
- Hardware ammortizzato: un PC da 1.000 euro che usi 3 anni sono circa 28 euro al mese. Anche se lo usi pure per altro e gli attribuisci solo metà del costo, sono 14 euro al mese.
- Elettricità: una GPU sotto carico assorbe 200-350 watt. Con 2 ore effettive di inferenza al giorno e la corrente italiana a circa 0,25 euro/kWh, fai 4-5 euro al mese. Poca roba, ma non zero.
- Il tuo tempo: installazione, aggiornamenti, modelli da provare e riprovare. Per uno sviluppatore è quasi divertimento; per chiunque altro è un costo vero.
Il verdetto per i tre scenari:
- Compri hardware apposta per sostituire un abbonamento personale: non conviene. 1.000 euro di macchina più corrente contro 240 euro l'anno di abbonamento significa un break-even oltre i 3 anni, con modelli che nel frattempo restano sotto quelli cloud in qualità. Il conto non chiude.
- Usi hardware che hai già: l'AI in locale conviene subito, se la qualità dei modelli piccoli ti basta. Il costo marginale è solo la corrente, e il confronto è 5 euro contro 20 al mese.
- Volumi alti o più utenti: qui il locale vince davvero. Se via API macini milioni di token al giorno su task ripetitivi, o servi un intero team, l'hardware si ripaga in pochi mesi e da lì in poi il costo per richiesta tende a zero. È lo stesso principio che uso per tagliare i costi dei token con i modelli cloud: paghi il ragionamento pregiato solo dove serve.
La qualità: cosa perdi rispetto al cloud (onestamente)
Lo dico senza girarci intorno: un modello da 8B sul tuo laptop non è Claude Opus 5.5 né GPT-6.1 Sol. L'AI in locale di fascia consumer sta oggi dove i migliori modelli cloud stavano due o tre anni fa. È tantissimo, perché riassume, traduce, scrive codice semplice e risponde su documenti, ma non è la frontiera.
Per il lavoro serio di coding agentico, analisi complesse e sessioni lunghe, i modelli cloud restano avanti, e con Opus 5.5 a 4 dollari in input e 20 in output per milione di token, la metà di Fable 5.2, il cloud di qualità costa pure meno di prima. La strategia che vedo funzionare, e che uso anch'io, è ibrida: AI in locale per i task ripetitivi, privati e ad alto volume; cloud per il ragionamento di punta.
Quando l'AI in locale conviene davvero
I quattro casi in cui il locale vince, a prescindere dal foglio di calcolo:
- Privacy e vincoli normativi: dati sanitari, contratti riservati, codice sotto NDA, documenti di clienti. Se il dato non può uscire dal perimetro, l'AI in locale non è un'alternativa: è l'unica opzione. Nessun risparmio cloud giustifica mandare fuori quello che non può uscire.
- Volumi alti e ripetitivi: classificazione, estrazione dati, pipeline di automazione che girano giorno e notte. Costo marginale zero batte qualsiasi tariffa a token.
- Sviluppo e prototipazione: testare prompt e agenti senza guardare il contatore dei token cambia il modo di lavorare. Ollama espone un'API compatibile OpenAI, quindi il codice scritto per il cloud punta al locale cambiando un indirizzo.
- Offline e indipendenza: niente rete, niente rate limit, niente fornitore che cambia listino o spegne un modello da un giorno all'altro. Dopo i saliscendi dell'ultimo anno, avere un piano B sul proprio disco è una forma di assicurazione.
Se il tuo caso è uno di questi, il passo successivo non è comprare una GPU ma capire cosa deve fare il modello e con quali dati. È il lavoro che faccio con l'AI in locale per aziende: prima i conti sul tuo caso, poi installazione e collegamento a documenti e gestionale.
Quando l'AI in locale NON conviene
Altrettanto chiaro:
- Se usi l'AI ogni tanto per email e domande generiche: i piani gratuiti dei servizi cloud ti bastano, costo zero senza hardware.
- Se ti serve la massima qualità su compiti complessi: il cloud è avanti e lo resterà nel breve.
- Se dovresti comprare hardware solo per questo e non hai né volumi né vincoli di privacy: il break-even non arriva.
- Se non vuoi manutenere nulla: il locale richiede un minimo di cura, il cloud no.
Il setup in 15 minuti (se vuoi provare)
Provare l'AI in locale costa zero, quindi il consiglio pratico è: testa sul PC che hai, poi decidi.
- 1. Installa Ollama: un download da ollama.com per Windows, Mac o Linux, oppure una riga di terminale.
- 2. Scarica un modello adatto alla tua RAM: con 8 GB parti da qwen3.5:4b o llama3.1:8b; con 16 GB prova gemma4:12b o qwen3.5:9b; con 32 GB puoi salire a gemma4:26b o qwen3.8:27b. Evita i tag che finiscono con -cloud: girano sui server di Ollama e si pagano a token.
- 3. Aggiungi un'interfaccia: Open WebUI via Docker ti dà un'esperienza in stile ChatGPT, tutta in locale, con upload di documenti.
- 4. Mettilo alla prova su lavoro vero: un riassunto, una email in italiano, uno script. Se la qualità ti basta, hai appena azzerato una spesa mensile.
Per chi vuole andare oltre, nella mia rassegna dei migliori repository GitHub per LLM trovi RAG, agenti e tool di inference pronti per la produzione.
Conclusione: fai i conti sul tuo caso, non sull'hype
L'AI in locale nel 2026 è matura, gratuita nel software e sorprendente su hardware normale. Ma la domanda giusta non è "si può fare?", è "conviene a me?". La risposta breve: l'AI in locale conviene se l'hardware ce l'hai già, se i volumi sono alti, o se i tuoi dati non possono uscire. Non conviene se dovresti comprare una macchina apposta per risparmiare 20 euro al mese.
Io la uso così: modelli locali sul server e sul laptop per automazioni e dati riservati, cloud per il lavoro di punta. È il compromesso che fa quadrare qualità e bolletta.
Vuoi capire se un'AI in locale, in cloud o ibrida conviene alla tua azienda, con i numeri del tuo caso specifico? Contattami: faccio i conti sul tuo caso, partendo dai tuoi volumi reali.
Leggi anche
- Top PC per Intelligenza Artificiale: Guida Completa Acquisto 2026
- Colibrì: GLM-5.2 da 744B in locale con 25 GB di RAM
- Quanta RAM serve per un LLM in locale: la tabella
- Migliori LLM in locale nel 2026: quale modello scegliere
- Prezzi RAM 2026: comprare ora o aspettare
- Xiaomi AI Cube: il mini PC per gli LLM locali
- Come risparmiare token con Claude: guida Fable 5
- Top 20 Repository GitHub per LLM: Guida Completa 2026



