Edge0 Edge0-145B open source il 12 novembre 2026, insieme a un Edge0-120B più piccolo, un framework di inferenza unificato e strumenti di distribuzione. La startup descrive Edge0-145B come il primo modello di intelligenza artificiale on-device open source con 145 miliardi di parametri e afferma che offre capacità di codifica, ragionamento e agente che competono con i modelli cloud di frontiera nell'hardware consumer.

Il rilascio è arrivato lo stesso giorno in cui è salito a 219 punti su Hacker News, dove la prospettiva di un modello di parametri da oltre 100 miliardi in esecuzione senza server ha attirato notevole attenzione da parte degli sviluppatori che seguono l'inferenza locale. Per maggiori informazioni su questa storia, consulta la nostra tendenze IA.

I numeri dietro la rivendicazione del laptop

Secondo l'annuncio dell'azienda, Edge0-145B funziona su un laptop personale compatibile come un MacBook Pro con i seguenti risultati riportati:

  • Memoria di picco da 29 GB, sufficientemente bassa da adattarsi a macchine consumer di fascia alta senza server dedicato
  • Precompilazione di oltre 1.100 token al secondo, consentendo al processo del modello di richiedere decine di pagine di codice prima dell'inizio della generazione
  • Decodificazione di oltre 80 token al secondo, che secondo l'azienda è più veloce di quanto una persona legge
  • Potenza tipica di circa 120 W, funzionamento sostenuto senza limitazioni nella configurazione riportata
  • Contesto da 128K a 256K, con velocità di generazione sostanzialmente invariata su input lunghi

Queste cifre provengono dai benchmark pubblicati da Edge0 piuttosto che da test indipendenti, e la società ha rilasciato lo stack completo (pesi, struttura di inferenza e strumenti di distribuzione) in modo che gli sviluppatori possano riprodurre le misurazioni sul proprio hardware.

Perché i modelli integrati nel dispositivo sono rimasti piccoli

L'annuncio include un contesto utile sul motivo per cui i modelli di grandi dimensioni sono storicamente assenti dai laptop. Prima di settembre 2026, i limiti di memoria mantenevano la maggior parte dei modelli presenti sui dispositivi al di sotto dei 10 miliardi di parametri. Il modello di base su dispositivo di Apple Intelligence aveva circa 3 miliardi di parametri, mentre Gemini Nano di Google veniva fornito nelle versioni 1.8B e 3.25B.

Il vincolo è fisico: i pesi dei modelli devono essere letti dalla memoria durante ogni fase di generazione, competendo per la larghezza di banda con il sistema operativo e altre applicazioni. Anche un modello 35B compresso in modo aggressivo potrebbe richiedere circa 20 GB di memoria, che è ben oltre ciò che i telefoni potrebbero allocare.

La versione precedente di Edge0 mostrava dove stava andando l'approccio dell'azienda. Il modello di telefono Edge0-35B ha riportato un picco di memoria inferiore a 2,5 GB, offrendo oltre 37 token al secondo su un iPhone 18 Pro Max. Edge0-145B ha circa quattro volte i parametri di quel modello mentre la configurazione del suo laptop riporta circa il doppio della velocità di decodifica con 28 GB di memoria: l'azienda fa attenzione a notare che queste misurazioni si applicano a diversi modelli e hardware.

Un assistente che porta a termine il lavoro

Al di là della pura velocità, Edge0 posiziona il modello come un agente piuttosto che come un chatbot. L'annuncio descrive un sistema che pianifica, scrive ed esegue codice, esegue il debug degli errori e controlla visivamente i risultati per progetti come scene 3D, giochi, programmi hardware e progetti PCB.

L'azienda riferisce che i risultati di codifica, ragionamento e seguito delle istruzioni sono competitivi con specifici modelli di cloud di frontiera, sebbene i confronti pubblicati non siano stati ancora verificati in modo indipendente. Come per qualsiasi benchmark riportato dai fornitori, gli sviluppatori vorranno vedere valutazioni di terze parti prima di trarre conclusioni sulla parità a livello di frontiera.

La questione della privacy e dei costi

La proposta si basa su tre vantaggi rispetto ai flussi di lavoro cloud. L'inferenza locale non comporta costi API per token, i dati sensibili possono rimanere sul dispositivo e le funzionalità principali continuano a funzionare offline. Per le aziende che gestiscono dati regolamentati e per gli sviluppatori in ambienti con vincoli di larghezza di banda, tali proprietà possono superare le capacità grezze di un modello di frontiera ospitato.

L'hardware e l'elettricità non sono gratuiti, ovviamente. Edge0 lo riconosce direttamente, sottolineando che i suoi dati energetici riflettono un consumo sostenuto di circa 120 W, paragonabile a quello di un laptop ad alte prestazioni che esegue un carico di lavoro impegnativo, che ha implicazioni reali sulla durata della batteria e sulla temperatura.

Cosa significa per l'ecosistema locale dell'intelligenza artificiale

L'analisi che accompagna l'annuncio traccia 67 modelli aperti di almeno 1 miliardo di parametri provenienti da 14 laboratori destinati a telefoni, laptop e PC AI, e la traiettoria è ripida. Se i numeri riportati reggeranno sotto una revisione indipendente, Edge0-145B rappresenterebbe un cambiamento radicale in ciò che l'hardware consumer può ospitare: una classe di modelli che fino ad ora richiedeva che le GPU dei data center diventassero disponibili sulle macchine che gli utenti già possiedono.

I concorrenti si stanno muovendo nella stessa direzione. Meta ha distribuito il suo modello ad agenti aperto Muse Glimmer costruito per funzionare su GPU consumer, e il framework Foundation Models di Apple ha rinnovato l'interesse degli sviluppatori per l'inferenza sul dispositivo. La differenza è la scala: nulla nell'attuale ecosistema open-weight si avvicina ai parametri di 145B destinati a budget di memoria di classe laptop.

Il comunicato arriva anche nel mezzo di un dibattito sempre più intenso sulla centralizzazione. Dai browser incentrati sulla privacy che aggiungono flussi di pagamento agenti ai framework di inferenza local-first, il campo aperto del settore ha trascorso il 2026 sostenendo che un'intelligenza artificiale capace non ha bisogno di vivere nel data center di un hyperscaler. Edge0-145B è il punto dati più aggressivo finora in questo argomento.

Gli sviluppatori possono scaricare i pesi del modello, esplorare il quadro di inferenza o provare l'app Edge0 tramite il sito dell'azienda. Se i benchmark sopravvivranno al controllo della comunità è la questione aperta, ma con l'intero stack rilasciato per la riproduzione, tale controllo non dovrebbe richiedere molto tempo.

---

Rimani Aggiornato sull'IA

Le ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.

Leggi altre notizie sull'IA →