Self Hosting

Mistral Large 4: 1,05 mila miliardi di parametri, 52 mld attivi per token. Misurati sul cluster 4× DGX Spark: 23,0 tok/s, 42,2 aggregati, 0,553 € per 1M token output.

Qwen3.8-Flash-Next dalla RTX 3090 alla RTX PRO 6000: tutte le misurazioni fianco a fianco. Perché i salti non sono lineari e il prefill la ricompensa segreta.

Da «ho un computer» a «il mio endpoint gira»: valutare l'hardware, scegliere lo stack, collegare un caso d'uso, misurare da soli — con ricette per ogni livello.

Acquisto, corrente, throughput e controcalcolo API: ai prezzi Flash il locale non è un programma di risparmio — è un programma di controllo. Ogni numero calcolato.

Decode vs. prefill, mean wall TPS, fedeltà dei quant: 4 trappole nei numeri di benchmark — e l'autoverifica in 5 minuti. Con misurazioni reali da 300 ricette.

GLM-5.3-Flash, DeepSeek V4.1 Flash e Qwen3.8-Flash-Next a confronto — e l'onestà matrice hardware: cosa gira su laptop, Mac Studio, DGX Spark e nodo multi-GPU?

Pipeline video IA self-hosted: MiniMax-H3 su DGX Spark, voice clone tedesco, lip-sync testato. Tutte le metriche e gli errori documentati.

NVIDIA conferma l'acquisizione di Hugging Face per 12,93 miliardi di dollari. Un'analisi su cosa significa questo accordo per l'infrastruttura Open-Weights e come mitigare i rischi di vendor lock-in.