Per mesi Qwen3.6-35B-A3B è stato il punto di riferimento per chi voleva un coding agent da eseguire in locale senza una fattoria di GPU. Ora un nuovo modello, Recursive Flint, si presenta con numeri che ribaltano la gerarchia: 40 miliardi di parametri totali, 2,5 miliardi attivi per token, contesto da 262k token e un'attenzione divisa 3:1 tra finestra scorrevole e attenzione completa. Nei benchmark TerminalBench 2.1 e SWE-bench Pro v2, secondo i dati pubblicati nel repository Hugging Face, supera nettamente Qwen3.6-35B-A3B e nei restanti test mostrati pareggia o migliora.

Per chi lavora con hardware modesto, la combinazione è cruciale. Pochi parametri attivi riducono il costo computazionale di ogni inference; la finestra scorrevole limita la crescita della memoria quando il contesto si allunga, un problema tipico dei flussi agentici che coinvolgono terminale, file system e più turni di tool calling. L'annuncio di supporto in llama.cpp e i file GGUF preparati da Unsloth segnalano che la comunità del self-hosted punta a farlo girare su GPU consumer, dove ogni gigabyte di VRAM conta.

La tesi che emerge non è solo 'un altro modello'. È che la prossima generazione di coding agent locali non sarà trainata da modelli densi più grandi, ma da architetture sparse con attenzione ibrida e contesti molto lunghi, ottimizzate per compiti interattivi piuttosto che per il completamento di codice isolato. I benchmark citati — TerminalBench e SWE-bench Pro — misurano proprio la capacità di operare in un ambiente reale, non di rispondere a domande teoriche. Se i numeri reggeranno alla verifica indipendente, il divario tra assistenti cloud e soluzioni self-hosted si ridurrà non solo sul piano qualitativo, ma sul costo per task completato.

Chi ci guadagna sono i team che non vogliono o non possono inviare il proprio codice a API di terze parti: mantenere l'agente sull'infrastruttura interna diventa più realistico quando il modello consuma meno risorse per ogni passo di ragionamento. Chi ci perde, almeno nella fascia media, sono i servizi cloud che vendono coding agent basati su LLM proprietari; la concorrenza aperta e quantizzabile erode il loro vantaggio di costo marginale. Qwen3.6-35B-A3B, modello venerabile, rischia di perdere lo status di default per il coding locale.

Per chi valuta deployment on-premise, esistono trade-off tra costo dell'hardware, manutenzione e controllo dei dati. AI-RADAR pubblica framework analitici su /llm-onpremise per orientarsi in queste scelte senza semplificazioni.

Resta un punto di cautela: l'autore del post sta ancora scaricando il modello e promette benchmark propri nei prossimi giorni. Fino ad allora, le tabelle nel repository HF sono dichiarazioni del produttore, non verità indipendenti. Ma se anche solo una parte dei risultati venisse confermata, la domanda non sarebbe più se un coding agent locale possa competere con il cloud, ma fino a che punto possa spingersi con hardware che sta sotto una scrivania e una bolletta elettrica domestica.