Il punto di svolta non è un nuovo modello da cento miliardi di parametri, ma un flusso di nove passaggi che mette insieme pezzi già noti: llama.cpp come runtime per l'inference, il protocollo MCP per collegare l'LLM agli strumenti e FreeCAD come ambiente di modellazione. La guida pubblicata dall'utente DevelopmentBorn3978 descrive un loop locale in cui il modello genera solidi, li controlla attraverso screenshot e può produrre geometrie destinate alla stampa 3D o alla fresatura.

Il cuore del setup è la doppia via di controllo. Da una parte si può usare pi coding agent come assistente di modellazione; dall'altra llama-server legge una configurazione MCP dedicata per dialogare con il server di FreeCAD. Il modello scelto, Qwen3.8-27B nella versione quantizzata Q4_K_M, viene caricato con un proiettore visivo mmproj-F16. Non è un dettaglio: è la parte che permette al modello di leggere gli screenshot dell'interfaccia di FreeCAD e di verificare se le operazioni geometriche richieste sono state eseguite correttamente. Non siamo davanti a un semplice chatbot che scrive codice; siamo davanti a un assistente che osserva il risultato.

Il dato strutturale è l'uso di MCP come collante. Non serve un plugin proprietario: il server freecad-mcp espone il controllo del CAD al modello locale tramite un'interfaccia aperta. Questo sposta il problema dall'integrazione commerciale alla composizione di componenti aperti. Chi ha già una workstation con GPU locale e un modello quantizzato può iniziare senza cedere i file di progetto a un cloud. La sovranità non è un tema astratto: per chi progetta pezzi meccanici, il file CAD è spesso il bene più prezioso.

La quantization Q4_K_M su un modello da 27 miliardi di parametri è un compromesso tipico. Riduce la VRAM necessaria, ma può introdurre approssimazioni nel ragionamento spaziale. Il proiettore visivo interviene proprio qui: chiude il cerchio di feedback e permette al modello di correggere le operazioni geometriche. Un errore su un'estrusione o su un profilo a stella non resta invisibile. Questo è il passaggio che rende il flusso credibile per compiti di progettazione, non solo per script dimostrativi.

I beneficiari immediati sono progettisti meccanici, maker e piccole officine che trattano i modelli come proprietà industriale. Il file non esce dalla macchina e non passa per API di terze parti. I produttori di hardware per inference locale trovano un nuovo caso d'uso: non serve solo generare testo, ma pilotare applicativi che producono manufatti fisici. Chi perde posizione sono le integrazioni CAD basate esclusivamente su cloud, almeno laddove la riservatezza del progetto pesa più della comodità.

Il tutorial non promette miracoli: le geometrie complesse, come due ingranaggi con raggi sinusoidali, richiedono prompt precisi e iterazioni. Ma la semplice esistenza del flusso segnala che l'agentic CAD locale sta diventando accessibile. Non è una questione di se, ma di quanto presto i team di progettazione lo tratteranno come uno strumento di lavoro, non come un esperimento.