LLM locali per la programmazione nel 2026
MarkdownGli 8 migliori LLM locali per la programmazione nel 2026 — punteggi HumanEval, dimensioni dei file e valutazioni pratiche dei modelli che puoi usare su un Mac o un PC da gaming.
← Torna alla raccolta del blog
Quando diciamo «LLM locali per la programmazione», intendiamo modelli che puoi eseguire sul tuo portatile, Mac o PC da gaming: nessuna chiamata API, nessun cloud e nessun invio del tuo codice proprietario a terzi.
Vai alla tabella. Vuoi usare questi modelli dalla CLI di Claude Code? Consulta la guida all’uso di Claude Code con modelli locali.
Di seguito trovi i benchmark completi.
PocketLLM sarà disponibile a breve. IA privata sul dispositivo, inizialmente su iPhone e iPad, con altre piattaforme previste. Non serve un account, non c’è tracciamento nell’app e l’elaborazione delle chat resta sul tuo dispositivo. Iscriviti alla lista di lancio per essere tra i primi.
Come abbiamo fatto il confronto
I benchmark, le dimensioni dei file e le licenze riportati qui sotto sono i dati pubblicati per ciascun modello, verificabili nella relativa scheda o repository.
Un’indicazione approssimativa del livello, che non sostituisce una prova sul tuo codice.
- Dimensioni del file: con quantizzazione Q4. Il punto fondamentale dell’esecuzione locale è che il modello «stia sulla tua macchina».
- Licenza: Apache e MIT sono ai primi posti; le licenze non commerciali sono più in basso.
- Ecosistema: indica se esistono conversioni funzionanti per llama.cpp, Ollama, MLX e Core ML, che determinano se puoi effettivamente eseguire il modello.
LLM locali per la programmazione nel 2026
Qwen 2.5 Coder 32B
Richiede una workstation (Mac Studio, PC con più GPU o MacBook Pro M3 Max con 48 GB), ma questo investimento ti offre un’assistenza alla programmazione che si avvicina a Claude 3.5 Sonnet. La scelta giusta se il tuo codice è riservato e il budget consente hardware da workstation.
DeepSeek Coder V2 Lite 16B
Richiede circa 10 GB di RAM con Q4. Su un MacBook Pro da 16 GB è il punto di equilibrio ideale. La licenza segue i termini personalizzati di DeepSeek: permissiva per la maggior parte degli usi, ma da leggere prima di un uso commerciale.
Qwen 2.5 Coder 14B
Il livello intermedio della gamma Qwen 2.5 Coder. Entra comodamente in un portatile da 16 GB, lasciando spazio libero. Nei benchmark è leggermente sotto DeepSeek V2 Lite, ma ha una licenza più chiara e un’architettura a trasformatore denso più semplice.
Qwen 2.5 Coder 7B
Funziona su un MacBook Air da 8 GB (al limite) o comodamente su una macchina da 16 GB. Se hai un M2 Air e vuoi lavorare davvero sul codice in locale, questo è il modello che fa per te.
Mistral Codestral 22B
Il modello di Mistral dedicato alla programmazione. Elevata capacità in Python e TypeScript, discreta negli altri linguaggi. La licenza Mistral Non-Commercial è restrittiva: leggila attentamente se usi il modello per prodotti di lavoro. Circa 14 GB con Q4; funziona su un Mac da almeno 24 GB.
StarCoder 2 15B
Modello di programmazione sviluppato congiuntamente da Hugging Face, ServiceNow e NVIDIA. È stato addestrato su codice con licenze permissive, un aspetto importante se ti preoccupano le domande sulla provenienza dei dati, come «da cosa ha imparato questo modello?».
Phi-3.5 Mini 3.8B
Licenza MIT, 2.4 GB con Q4, abbastanza piccolo da funzionare su un telefono. PocketLLM è progettato per distribuirlo come download con un solo tocco (in arrivo): iscriviti alla lista di lancio.
Qwen 2.5 Coder 1.5B
Il più piccolo modello dedicato alla programmazione che valga la pena eseguire. Apache 2.0. 900 MB con Q4. Perfetto come modello locale veloce per i suggerimenti in linea oppure come modello di bozza per la decodifica speculativa davanti a un modello di programmazione più grande.
Tabella riepilogativa
| Modello | Dimensioni (Q4) | RAM minima | Licenza |
|---|---|---|---|
| Qwen 2.5 Coder 32B | 20 GB | 32 GB | Apache 2.0 |
| DeepSeek Coder V2 Lite 16B | 10 GB | 16 GB | DeepSeek |
| Qwen 2.5 Coder 14B | 9 GB | 16 GB | Apache 2.0 |
| Qwen 2.5 Coder 7B | 4.5 GB | 8 GB | Apache 2.0 |
| Mistral Codestral 22B | 14 GB | 24 GB | Mistral NC |
| StarCoder 2 15B | 9 GB | 16 GB | BigCode OpenRAIL |
| Phi-3.5 Mini 3.8B | 2.4 GB | 4 GB | MIT |
| Qwen 2.5 Coder 1.5B | 0.9 GB | 2 GB | Apache 2.0 |
Come scegliere un modello locale per la programmazione
Mac Studio / PC workstation (32 GB o più): Qwen 2.5 Coder 32B. Nessun compromesso.
MacBook Pro da 16 GB / portatile da gaming: DeepSeek Coder V2 Lite 16B. L’architettura MoE lo fa sembrare molto più leggero di quanto suggerisca il numero di parametri.
MacBook Air da 8 GB: Qwen 2.5 Coder 7B. Al limite, ma utilizzabile. Chiudi tutto il resto mentre lo esegui.
iPhone o Mac meno recente: Phi-3.5 Mini o Qwen 2.5 Coder 1.5B. Non creerai un’app Rails con un solo prompt, ma riceverai sicuramente aiuto per comprendere e modificare codice esistente. Entrambi sono inclusi in PocketLLM.
Distribuzione commerciale in cui la licenza è importante: scegli la famiglia Qwen 2.5 Coder: al momento Apache 2.0 è la soluzione più chiara per la programmazione locale.
Come eseguirli concretamente
Su Mac: installa LM Studio o Ollama, scegli il modello dal catalogo e fai clic su Download. Consulta il confronto Ollama vs LM Studio vs PocketLLM. Su Linux con una GPU: llama.cpp compilato dal sorgente oppure Ollama. Su iPhone: un’app nativa che funziona sul dispositivo; consulta la nostra raccolta di app per iPhone.
L’integrazione con il tuo editor è una questione a sé e merita un articolo dedicato. In breve: i plugin in stile Continue.dev, Cody e Cursor supportano tutti Ollama o un endpoint localhost compatibile con OpenAI, e questo copre ogni modello dell’elenco.
Riepilogo
32B se hai una workstation, 14B su un portatile da gaming, 7B su un portatile economico, 1.5B su un telefono. DeepSeek Coder V2 Lite è l’eccezione: se hai esattamente 16 GB di RAM, la sua architettura MoE offre una qualità sensibilmente migliore rispetto al Qwen 14B, con un ingombro di memoria pressoché identico. Tutti gli altri modelli dell’elenco sono specialistici.
Assistenza locale alla programmazione sul tuo iPhone.
PocketLLM è progettato per distribuire Phi-3.5 Mini e Qwen 2.5 Coder 1.5B come download con un solo tocco. Privato, veloce, senza account. In arrivo: iscriviti alla lista di lancio.
Metti in pratica questa guida con Ailoot
Collega modelli di IA alle tue applicazioni, ai tuoi agenti e alle tue automazioni tramite un’unica API Ailoot. Scegli il modello adatto al tuo compito e consulta la documentazione di Ailoot per iniziare.