Deep Research è diventato una categoria software a sé stante, e non è più soltanto un modello indirizzato verso una casella di ricerca. Questo articolo confronta dodici sistemi self-hosted e le architetture di ricerca che li sottendono.

Nel settembre 2026, il fronte efficiente dei modelli open source si colloca tra i 25 e i 34 miliardi di parametri: lavoro agenziale quasi al livello di frontiera su una singola GPU da 24 GB, a una frazione dell’hardware di classe 70B.

Mnemosyne è un provider di memoria local-first per Hermes Agent, che archivia memoria operativa, fatti strutturati, dati temporali e storico episodico in SQLite locale — nessun servizio gestito, nessuna chiamata di rete obbligatoria e un controllo delle scritture insolitamente granulare.

La memoria persistente trasforma un agente da uno strumento che va continuamente spiegato a uno che porta avanti il contesto — ma apre un modello di guasto che la chat stateless evita: un’interpretazione può diventare memoria, essere recuperata come fatto e giustificare una versione più forte di sé stessa.

Un agente che ha proposto e implementato “spostare la persistenza in una libreria condivisa” sei mesi fa proporrà volentieri di nuovo la stessa idea il prossimo trimestre, a meno che non esista un registro durevole che gli indichi come l’idea sia già stata indagata e rifiutata – e OpenSpec al momento non ha uno stato interno per questo scopo.

OpenSpec è una CLI gratuita e open source di Fission AI che consente a te e al tuo agente di coding di concordare una modifica in Markdown semplice prima che venga scritto qualsiasi codice, evitando la cerimoniale fase-gated dei framework spec-driven più pesanti.

Migrare un assistente AI non è la stessa cosa di copiare la configurazione di un’applicazione. La parte difficile è preservare l’identità, la memoria, il comportamento degli strumenti, i lavori programmati e l’accesso alla messaggistica senza che due gateway agiscano come lo stesso bot.

Ollama e llama.cpp vengono spesso confrontati come se fossero motori di inferenza rivali. La scelta reale è tra un servizio di modelli gestito e un toolkit che si opera direttamente.

ROCm e Vulkan accelerano entrambe le GPU AMD per l’hosting locale di LLM, ma non sono intercambiabili. La scelta giusta dipende dal motore, dalla GPU e dal carico di lavoro.

Un modello può pubblicizzare una finestra di contesto da 128K eppure fallire a 40K token su una GPU da 16 GB. Il limite architetturale non ha mai promesso che pesi, KV cache, buffer di calcolo e il compositor desktop potessero coesistere sulla stessa scheda.

L’eccitazione attorno all’IA segue un ritmo: all’incirca ogni tre anni, l’architettura su cui tutti stanno scommettendo viene sostituita da qualcosa di più recente. La prossima transizione si sta già delineando nei laboratori di ricerca.

Le competenze degli agenti e i server MCP vengono spesso presentati come modi alternativi per estendere un agente AI. Questa inquadratura è errata: una competenza insegna all’agente come lavorare, mentre un server MCP gli fornisce accesso governato a funzionalità live.

L’interfaccia a riga di comando di OpenCode è progettata per la scripting, le pipeline CI e l’esecuzione non supervisionata di agenti. Questo articolo è una guida pratica al suo utilizzo nel lavoro quotidiano.

Superpowers incapsula un’intera metodologia guidata da specifiche in Claude Skills installabili, imponendo il brainstorming, la pianificazione, l’implementazione guidata da subagenti e il TDD rigoroso, invece di lasciare quella struttura a tua discrezione.

Pi Coding Agent è un’interfaccia di coding terminale minimale e open-source che include quattro strumenti predefiniti e lascia la maggior parte del comportamento a estensioni, abilità e al tuo stesso flusso di lavoro.

Sembra che Markdown sia una sola lingua, finché lo stesso file non viene renderizzato in modo diverso su GitHub, Hugo, Obsidian o Pandoc. E il problema non è che Markdown sia inaffidabile.