Claude Code gratis: 3 metodi che funzionano nel 2026

Partiamo da un fatto scomodo: Claude Code non è gratis. È incluso nei piani Pro e Max di Claude oppure si paga a consumo via API, e il piano Free non lo include. Eppure "claude code gratis" è una delle ricerche più frequenti tra gli sviluppatori italiani, e la risposta esiste: puoi usare l'interfaccia di Claude Code, che è open e configurabile, con un modello diverso da Claude dietro.

Nel 2026 ci sono tre modi che funzionano davvero per farlo a costo zero:

• Ollama in locale: modelli open-source sul tuo PC, zero costi, zero limiti, funziona offline
• OpenRouter: tier gratuito di modelli cloud, nessun hardware richiesto, ma con rate limit
• NVIDIA NIM: crediti gratuiti sui modelli NVIDIA, tramite un proxy come LiteLLM

In questa guida trovi il setup di tutti e tre, i modelli che ti consiglio, i requisiti hardware e, alla fine, cosa perdi rispetto al Claude vero. Il metodo principale resta Ollama, perché è l'unico senza limiti di token: partiamo da lì. Meta nel frattempo ha rilasciato Muse Spark 1.3, a pesi chiusi ma con un tier economico: ne ho analizzato prezzi e limiti.

Se hai già provato e non ha funzionato, salta direttamente alla sezione sul contesto: nove volte su dieci il problema è quello, e non è colpa del modello.

Cos'è Claude Code e Perché è Così Potente

Claude Code è lo strumento di coding agentivo sviluppato da Anthropic che vive direttamente nel tuo terminale. A differenza dei semplici assistenti di chat, Claude Code può analizzare interi repository, creare e modificare file, eseguire comandi e ragionare su problemi complessi di programmazione. È diventato rapidamente il benchmark per quello che un agente di coding può fare oltre il semplice autocomplete.

Il punto chiave per questa guida: Claude Code parla con il modello tramite un endpoint API, e quell'endpoint si può cambiare con una variabile d'ambiente (ANTHROPIC_BASE_URL). Tutto ciò che espone un'API compatibile con il formato Anthropic Messages può fare da "cervello" al posto dei server Anthropic. Se non hai ancora installato Claude Code, nella cheatsheet trovi installazione e comandi base.

Metodo 1: Claude Code gratis in locale con Ollama (senza limiti, offline)

Dalla versione 0.14.0 Ollama espone nativamente un endpoint compatibile con l'Anthropic Messages API. Claude Code continua a funzionare esattamente come prima, gestendo pianificazione, navigazione del codice e modifiche, ma le richieste vengono indirizzate a un modello locale invece che ai server Anthropic. Se ti interessa il lato normativo della privacy dei dati, ho raccontato il voto europeo su Chat Control e cosa cambia per chi usa modelli in locale.

Questo approccio ti offre diversi vantaggi significativi. Privacy totale: il tuo codice non lascia mai la tua macchina. Zero costi operativi: niente più tariffe per token dopo l'investimento hardware iniziale. Nessun rate limit: l'unico limite è la velocità del tuo hardware. Funziona offline: una volta scaricato il modello non serve connessione.

Requisiti Hardware: Cosa Ti Serve per Iniziare

Prima di procedere con l'installazione, è fondamentale capire quali risorse hardware sono necessarie. I modelli AI per coding richiedono memoria significativa, e la scelta del modello giusto dipende dalla tua configurazione.

Per modelli piccoli (7B-14B) come Qwen2.5-Coder:7b, servono almeno 8-16 GB di RAM e preferibilmente una GPU con 8 GB di VRAM. Questi modelli sono ideali per laptop e PC di fascia media, e offrono prestazioni sorprendentemente buone per task di coding quotidiani.

Per modelli medi (30B) come Qwen3-Coder:30b, il requisito sale a 20+ GB di VRAM o 32 GB di RAM per l'esecuzione su CPU con quantizzazione. Ad agosto 2026 il tag qwen3-coder:30b pesa circa 19 GB di download. Questi modelli offrono capacità agentiche molto più avanzate ma richiedono hardware dedicato.

Per modelli grandi (480B) come Qwen3-Coder-480B, parliamo di 250+ GB di memoria unificata. Questi sono pensati per data center o per l'utilizzo tramite Ollama Cloud, non per hardware consumer.

La quantizzazione gioca un ruolo cruciale: un modello 7B in formato Q4_K_M occupa circa 4-5 GB invece dei 26 GB della versione FP16, con una perdita di qualità minima (stimata intorno al 5%). Se il tuo hardware è limitato, preferisci sempre versioni quantizzate. Se stai valutando di comprare una macchina apposta, ho messo insieme una guida per fasce di prezzo, e qui trovi quando l'hardware conviene davvero rispetto al cloud.

Installazione: Guida Passo Passo

Partiamo dall'installazione di Ollama. Se non l'hai già fatto, scarica l'ultima versione (0.14.0 o superiore) dal sito ufficiale. L'installazione è disponibile per Windows, macOS e Linux.

Una volta installato Ollama, scarica un modello adatto al coding. Per iniziare, ti consiglio Qwen3-Coder che è specificamente ottimizzato per task agentici. Apri il terminale ed esegui:

ollama pull qwen3-coder:30b

Se hai hardware più limitato, opta per la versione più leggera:

ollama pull qwen2.5-coder:7b

Verifica che Ollama sia in esecuzione con:

ollama serve

Il server si avvierà sulla porta 11434 per default.

Configurazione di Claude Code con Ollama

Ora viene la parte interessante: collegare Claude Code a Ollama. Hai due opzioni per la configurazione.

Opzione 1: Variabili d'ambiente temporanee

Imposta le variabili d'ambiente prima di lanciare Claude Code:

export ANTHROPIC_BASE_URL=http://localhost:11434
export ANTHROPIC_AUTH_TOKEN=ollama
export ANTHROPIC_API_KEY=ollama

Poi lancia Claude Code specificando il modello:

claude --model qwen3-coder

Le versioni recenti di Ollama hanno anche una scorciatoia che imposta tutto e ti fa scegliere il modello da una lista:

ollama launch claude

Opzione 2: Configurazione permanente

Per rendere la configurazione permanente, aggiungi le variabili al tuo file di profilo shell (~/.bashrc, ~/.zshrc o equivalente):

echo 'export ANTHROPIC_BASE_URL=http://localhost:11434' >> ~/.bashrc
echo 'export ANTHROPIC_AUTH_TOKEN=ollama' >> ~/.bashrc
echo 'export ANTHROPIC_API_KEY=ollama' >> ~/.bashrc
source ~/.bashrc

Nota importante: i valori di AUTH_TOKEN e API_KEY sono placeholder necessari ma non vengono effettivamente validati da Ollama. Puoi usare qualsiasi stringa.

Il passo che quasi tutti saltano: alzare la finestra di contesto

Se hai seguito i passaggi qui sopra e il risultato è deludente, il modello che si inventa file inesistenti o che entra in loop, quasi certamente non è colpa del modello: è il contesto troppo corto. È il singolo motivo per cui la maggior parte dei setup con Claude Code e Ollama viene abbandonata dopo mezz'ora.

Il problema in due righe: Claude Code invia un system prompt da circa 18.000 token prima ancora che tu scriva qualcosa. Se la finestra di contesto del server è più piccola, Ollama taglia in silenzio quello che avanza. Non ricevi nessun errore: il modello risponde comunque, e risponde bene, ma ha letto solo la coda del tuo input. Da lì nascono le allucinazioni.

Quanto vale il default? Dipende dalla build, e la documentazione di Ollama stessa non è concorde: le FAQ indicano 4.096 token, il riferimento del Modelfile parla di 2.048, e la pagina sulla context length dice che il valore viene scelto in base alla VRAM disponibile (4K sotto i 24 GiB, 32K tra 24 e 48 GiB, 256K oltre). La lezione utile è proprio questa discordanza: leggi il valore dal tuo server invece di fidarti di una pagina, inclusa questa.

La raccomandazione di Ollama per Claude Code è di almeno 32K token, con 64K come soglia comoda per il lavoro agentico.

Prova rapida. Se Ollama gira come servizio, fermalo e riavvialo a mano con il contesto alzato:

sudo systemctl stop ollama.service
OLLAMA_CONTEXT_LENGTH=65536 ollama serve

Attenzione al nome: OLLAMA_CONTEXT_LENGTH è la variabile attuale. Molte guide più vecchie usano OLLAMA_NUM_CTX, che nelle versioni recenti potrebbe non avere effetto.

Soluzione permanente. Il modo più solido è cucire il contesto dentro una variante del modello con un Modelfile. Sopravvive ai riavvii e vale per qualsiasi client si colleghi:

# Salva come Modelfile (senza estensione)
FROM qwen3-coder:30b
PARAMETER num_ctx 65536

Poi costruisci la variante e passala a Claude Code:

ollama create qwen3-coder-cc-64k -f ./Modelfile
claude --model qwen3-coder-cc-64k

Non ti riscarica i 19 GB del modello: applica solo un nuovo layer di configurazione sopra quello esistente.

Due trappole da conoscere. La prima: num_ctx si scrive con l'underscore, non con il trattino, e se sbagli fallisce in silenzio senza dirti niente. La seconda: l'ordine di precedenza è parametro API, poi variabile d'ambiente, poi PARAMETER del Modelfile, poi default. Se un modello ha già num_ctx fissato nel suo Modelfile, quel valore batte la variabile d'ambiente.

Come verificare che sia servito a qualcosa. Su alcune build ollama ps mostra il contesto applicato in una colonna dedicata. Il metodo che funziona ovunque è guardare prompt_eval_count nella risposta dell'API: è il numero di token effettivamente letti in ingresso. Se resta inchiodato su un valore molto più basso di quello che hai mandato, il troncamento c'è ancora.

Il prezzo da pagare è VRAM. La KV cache cresce con la finestra di contesto, e raddoppiare num_ctx raddoppia grosso modo la memoria occupata dal contesto, che si somma a quella dei pesi. Su una scheda da 24 GB, 64K è gestibile con un 30B quantizzato a Q4. Se la KV cache non entra più in VRAM, Ollama sposta parte del carico sulla RAM di sistema: continua a funzionare, ma la generazione può rallentare di un ordine di grandezza. Sali per gradi tenendo d'occhio nvidia-smi e ollama ps, invece di fidarti di una formula fissa: il consumo per token cambia parecchio da un'architettura all'altra.

Modelli Consigliati per Claude Code

Non tutti i modelli sono uguali quando si tratta di coding agentivo. Prima ancora di scegliere, però, c'è un requisito che non puoi ignorare.

Il modello deve supportare il tool calling. Un agente lavora così: legge un file, scrive una patch, lancia il test, legge l'errore, riprova. Un modello che non sa emettere una chiamata a strumento descriverà la modifica a parole invece di applicarla, e l'agente si blocca o gira a vuoto. Prima di scaricare qualsiasi cosa, cerca l'etichetta tools nella pagina del modello su ollama.com. È il filtro più veloce per evitare mezza giornata persa.

Vale la pena essere onesti anche su un altro punto, che molti tutorial saltano: anche con i modelli giusti l'aderenza al formato non è perfetta. Diversi sviluppatori riportano che Qwen3-Coder ogni tanto risponde con costrutti che Claude Code non si aspetta, e l'agente inciampa. Funziona, ma non con la fluidità del Claude originale.

Qwen3-Coder resta il riferimento tra i modelli open-source per coding. Disponibile da 30B a 480B parametri, offre 256K token di contesto nativi (estendibili con YaRN) e capacità agentiche avanzate. La versione 30B è il sweet spot per la maggior parte degli sviluppatori.

Devstral Small 2 è l'alternativa che la community indica quando Qwen dà problemi di tool calling: nato per il lavoro agentico su codebase reali, con risultati solidi su SWE-bench.

Granite 4 è l'opzione da valutare se sei stretto di VRAM ma ti serve contesto lungo: è pensato proprio per ridurre l'occupazione di memoria a parità di finestra.

Qwen2.5-Coder è l'alternativa più leggera, da 0.5B a 32B parametri. La versione 7B offre un ottimo rapporto qualità/risorse ed è perfetta per hardware consumer.

GLM 5.2 è la sorpresa del 2026 per chi ha poca RAM: nella guida dedicata spiego come farlo girare con 25 GB.

DeepSeek-Coder-V2 introduce un'architettura MoE (Mixture of Experts) con la versione Lite che offre 128K di contesto con soli 2.4B parametri attivi su 16B totali.

Utilizzo con Ollama Cloud

Se non hai hardware sufficiente per far girare modelli localmente, Ollama offre anche modelli cloud accessibili con la stessa configurazione. I modelli cloud mantengono sempre la loro context length completa e non richiedono risorse locali: è il modo più rapido per aggirare tutto il capitolo VRAM di cui sopra.

claude --model glm-4.7:cloud
claude --model minimax-m2.1:cloud

MiniMax M2, in particolare, è costruito per workflow di coding e agentici. Questa opzione è utile per task che richiedono context length estese o modelli più potenti di quelli che puoi eseguire localmente. Attenzione: il tier cloud di Ollama ha limiti d'uso gratuiti, oltre i quali serve un piano.

Trucchi per Mappare i Nomi dei Modelli

Alcuni tool e script si aspettano nomi di modelli nel formato Anthropic. Se ti serve compatibilità con qualcosa di già scritto, puoi creare un alias con ollama cp:

ollama cp qwen3-coder-cc-64k claude-sonnet-4-5

Da quel momento, quando il tool richiede quel nome, Ollama servirà la tua variante locale. Usalo solo se hai davvero uno script legacy da accontentare: per l'uso normale è più chiaro passare il nome reale a claude --model.

Metodo 2: Claude Code gratis con OpenRouter (nessun hardware)

Se il tuo laptop non regge un modello da 30B, OpenRouter è la via più semplice: è un aggregatore di modelli cloud con un tier gratuito (modelli con suffisso :free) e, cosa fondamentale, espone anche un endpoint compatibile con il formato Anthropic. Claude Code ci si collega senza proxy.

Setup in tre passi:

1. Crea un account gratuito su openrouter.ai e genera una API key dalla sezione Keys
2. Imposta le variabili d'ambiente puntando a OpenRouter
3. Lancia Claude Code con un modello free

export ANTHROPIC_BASE_URL=https://openrouter.ai/api
export ANTHROPIC_AUTH_TOKEN=sk-or-la-tua-chiave
claude --model deepseek/deepseek-r1:free

Modelli free che nei miei test reggono bene i task agentici: DeepSeek R1 e le varianti Qwen3-Coder quando disponibili nel tier gratuito. La lista cambia spesso: controlla il filtro "free" su OpenRouter prima di scegliere.

Il rovescio della medaglia sono i rate limit: indicativamente 20 richieste al minuto e 200 al giorno per modello. Per una sessione di coding con Claude Code, che fa decine di chiamate per un singolo task, 200 richieste finiscono in fretta. Un trucco è alternare più modelli free, oppure caricare pochi euro di credito che alzano i limiti anche sui modelli gratuiti. Ricorda anche che il codice passa dai server del provider del modello: niente privacy totale come con Ollama.

Metodo 3: Claude Code con NVIDIA NIM (crediti gratis + proxy)

NVIDIA NIM offre API sui modelli NVIDIA e open (Nemotron, Llama, Qwen) con crediti gratuiti all'iscrizione su build.nvidia.com. Il problema: l'API di NIM è in formato OpenAI, non Anthropic, quindi Claude Code non ci parla direttamente. Serve un traduttore in mezzo, e il più usato è LiteLLM.

pip install litellm

export NVIDIA_NIM_API_KEY=nvapi-la-tua-chiave
litellm --model nvidia_nim/qwen/qwen2.5-coder-32b-instruct --port 4000

Lascia il proxy in esecuzione e, in un altro terminale, punta Claude Code a LiteLLM:

export ANTHROPIC_BASE_URL=http://localhost:4000
export ANTHROPIC_AUTH_TOKEN=nim
claude

LiteLLM riceve la richiesta in formato Anthropic da Claude Code, la converte in formato OpenAI e la inoltra a NIM. Lo stesso schema funziona con qualsiasi provider OpenAI-compatibile: Groq, Together, Mistral, o un vLLM che gira su un server tuo. È il metodo più flessibile, ma anche quello con un pezzo in più da tenere acceso.

Confronto rapido: quale metodo scegliere

Cosa perdi rispetto a Claude vero (onestamente)

Vale la pena dirlo chiaro, perché su questo molti tutorial glissano. L'interfaccia di Claude Code resta identica, ma il modello dietro non è Claude, e si sente in tre situazioni: task agentici lunghi con decine di step, ragionamento su codebase grandi, e strumenti che richiedono la modalità "thinking". Per bugfix, refactoring locale, script e boilerplate la differenza è marginale; per rifattorizzare un monolite da solo, no.

C'è poi il tema dell'aderenza al protocollo di cui parlavo sopra: gran parte di quello che rende Claude Code efficace non è solo il modello, ma il modo in cui gli strumenti sono cablati insieme. Un modello open che non segue quelle convenzioni alla lettera ti costringe a più tentativi per lo stesso risultato.

Se lo usi per lavoro tutti i giorni, il piano Pro a 20$ al mese include Claude Code con i modelli veri e spesso costa meno dell'elettricità di una GPU accesa otto ore. Qui spiego come tenere bassi i consumi di token se decidi di passare al piano ufficiale. La combinazione che uso io: Ollama per esplorazione e task ripetitivi, Claude vero per il lavoro che conta.

Integrazione con SDK Esistenti

Se hai già applicazioni che usano l'Anthropic SDK, la migrazione è semplicissima: basta cambiare il base URL.

Esempio in Python:

import anthropic

client = anthropic.Anthropic(
    base_url='http://localhost:11434',
    api_key='ollama',  # richiesto ma ignorato
)

message = client.messages.create(
    model='qwen3-coder',
    max_tokens=1024,
    messages=[
        {'role': 'user', 'content': 'Scrivi una funzione Python per controllare se un numero è primo'}
    ]
)

print(message.content[0].text)

Esempio in JavaScript/TypeScript:

import Anthropic from '@anthropic-ai/sdk';

const anthropic = new Anthropic({
  baseURL: 'http://localhost:11434',
  apiKey: 'ollama',
});

const message = await anthropic.messages.create({
  model: 'qwen3-coder',
  max_tokens: 1024,
  messages: [
    { role: 'user', content: 'Implementa un binary search tree in TypeScript' }
  ],
});

console.log(message.content[0].text);

Troubleshooting: Problemi Comuni e Soluzioni

Durante la configurazione potresti incontrare alcuni problemi. Ecco le soluzioni ai più comuni.

Il modello si inventa file, ignora istruzioni o entra in loop: è il sintomo classico del contesto troppo corto. Non è un problema di qualità del modello. Vai alla sezione sulla finestra di contesto qui sopra e alza num_ctx a 64K.

Il modello descrive le modifiche invece di applicarle: il modello non supporta il tool calling. Controlla l'etichetta tools sulla pagina del modello su ollama.com e cambiane uno.

Errore "does not support thinking": alcuni modelli più piccoli non supportano la modalità "thinking" di Claude Code. In questo caso, prova con un modello più capace come qwen3-coder:30b.

Risposte lente o timeout: verifica che il modello sia effettivamente caricato in memoria con ollama list. Se hai appena alzato il contesto, controlla che la KV cache non abbia spinto parte del modello in RAM di sistema: è la causa più frequente di un rallentamento improvviso.

Errori 500 con richieste grandi: richieste molto grandi (18KB+ di system prompt, 20+ tool) possono causare errori con alcuni modelli cloud. In questi casi, prova con modelli locali o riduci la complessità della richiesta.

Errore 429 su OpenRouter: hai esaurito il rate limit del modello free. Cambia modello o aspetta il reset giornaliero.

Errori di header con proxy o gateway: alcune configurazioni beta di Claude Code mandano header che LiteLLM o altri gateway non gestiscono. Prova a impostare CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS=1 e DISABLE_PROMPT_CACHING=1.

Alternative: Olla e Altri Proxy

Oltre alla compatibilità nativa di Ollama e a LiteLLM, esistono progetti come Olla che fungono da traduttori API più avanzati. Olla supporta load balancing tra più backend (Ollama, LM Studio, vLLM), failover automatico e unificazione dei modelli. È particolarmente utile in setup enterprise dove hai più server GPU.

Un'altra opzione è ollama-anthropic-shim, un progetto GitHub che offre un layer di compatibilità più leggero con mapping configurabile dei modelli. Se invece vuoi un agente di coding nativamente gratuito e multi-provider, OpenCode è l'alternativa che ho confrontato con Claude Code: diversi sviluppatori lo preferiscono proprio perché è nato per parlare con modelli diversi, invece di aspettarsi le convenzioni di Anthropic.

Leggi anche

• AI in locale: quanto costa davvero e quando conviene (2026)
• Miglior computer per AI 2026: guida per fasce di prezzo
• PC per AI in locale: workstation, mini PC e benchmark
• GLM 5.2 in locale con 25 GB di RAM: la guida
• Claude Code vs Codex vs OpenCode: confronto AI coding 2026
• Ralph Loop: Il Plugin Claude Code per lo sviluppo autonomo

Conclusioni

Claude Code gratis non esiste in senso stretto, ma l'interfaccia di Claude Code con un modello gratuito dietro sì, e nel 2026 funziona bene. Ollama è la scelta se hai l'hardware e vuoi zero limiti e privacy totale; OpenRouter se vuoi partire in cinque minuti senza GPU; NIM con LiteLLM se vuoi la massima flessibilità sui provider.

Se dovessi ridurre tutta questa guida a una riga: alza la finestra di contesto a 64K e scegli un modello con il tag tools. Sono i due passaggi che separano un setup che funziona da uno che abbandoni dopo mezz'ora. E sapere cosa perdi rispetto a Claude vero ti evita di scoprirlo a metà di un refactoring importante.

Se stai cercando supporto per implementare workflow di sviluppo con AI nel tuo team o vuoi esplorare soluzioni di sviluppo web app che integrano intelligenza artificiale, contattami per una consulenza personalizzata.