Alle 13 ora locale, quando l'abbonamento Pro a Claude Code è scaduto, l'utente Reddit SOC_FreeDiver ha cambiato stack senza fare marcia indietro. Sette ore dopo, il suo ambiente di lavoro ruota attorno a Qwen3.8-27b, una GPU 5090M con 24GB di VRAM e Pi, usati per sostituire le attività che prima erano delegate al servizio cloud.

Il banco di prova più interessante è arrivato la sera stessa: un prompt scritto da ChatGPT per un predittore di aurore boreali destinato al Canada, inviato sia a Pi locale sia a Claude Sonnet 5. I tempi di risposta sono stati simili. L'app di Pi era visivamente migliore, quella di Claude più solida sul piano scientifico. Interrogati a vicenda, entrambi i modelli hanno indicato Claude come vincitore; Pi ha poi incorporato la parte scientifica migliore in un aggiornamento.

La libertà si paga in pianificazione

Il passaggio non è un semplice cambio di interfaccia: cambia il centro di gravità delle risorse. Con Claude Code il lavoro di sviluppo non impegnava la GPU. Con il nuovo stack, l'inference grava sulla 5090M e sui suoi 24GB di VRAM. Non è un problema di potenza assoluta, ma di concorrenza: se la stessa macchina deve eseguire edit, test e inference, diventa necessario pianificare quando il modello può occupare la memoria video e quando deve lasciarla libera.

È il punto più sottovalutato delle migrazioni locali. Il costo non è solo il canone che sparisce o l'hardware che si compra. È il tempo di orchestrazione, la gestione dei vincoli di VRAM e la scelta dei formati di quantization per far stare il modello nella memoria disponibile. In ottica TCO, la convenienza non si misura sulla singola GPU ma sull'intero flusso di lavoro.

Chi guadagna e chi perde

Storie come questa segnalano un incentivo strutturale: i vendor di GPU consumer e i produttori di modelli compatti trovano un segmento di sviluppatori disposti a investire in autonomia operativa. Chi vende coding assistant in abbonamento, invece, perde la parte di utenza più tecnica se il costo di coordinamento dei sistemi locali scende abbastanza.

Il risultato non è però una dittatura del self-hosted. Per chi valuta deployment on-premise, la vicenda conferma che i trade-off non sono solo hardware ma di organizzazione del lavoro. AI-RADAR dedica ai framework analitici su /llm-onpremise un approfondimento, ma il punto resta: sette ore senza Claude Code non sono la prova che il cloud sia morto, sono la dimostrazione che la soglia di praticabilità locale si è spostata. SOC_FreeDiver non esclude di riabbonarsi se un'app di produzione lo richiederà; per ora la migrazione regge.