Tutorial sui LLM

Impara a creare un server MCP usando il Model Context Protocol di Anthropic per collegare Claude con GitHub e Notion.

Scopri come usare l'API unificata di OpenRouter per accedere a vari modelli di IA e implementare funzionalità come streaming, reasoning tokens o output strutturati.

Scopri come la nuova funzionalità di Function Calling di OpenAI consente ai modelli GPT di generare output JSON strutturati, risolvendo problemi comuni dovuti a output irregolari.

Scopri come installare, configurare ed eseguire Qwen3 in locale con Ollama e creare una semplice applicazione basata su Gradio.

Esegui GLM-5, il miglior modello AI open-weight, su una singola GPU con llama.cpp e collegalo ad Aider per trasformarlo in un potente agente di coding locale.

Esegui GLM 4.7 Flash in locale (RTX 3090) con Claude Code e Ollama in pochi minuti: niente cloud, niente lock-in, solo velocità e controllo.

Configura un ambiente Docker multi-GPU con parallelismo di tensori e decoding speculativo EAGLE per servire Mistral Medium 3.5 128B tramite un’API compatibile con OpenAI.

Scopri come usare Claude Code di Anthropic per migliorare i flussi di sviluppo software con un esempio pratico basato sulla libreria Python di Supabase.

Esegui Qwen3.6 27B su una RTX 3090 e scopri come la Multi-Token Prediction (MTP) con llama.cpp può quasi raddoppiare l'inferenza locale degli LLM senza aggiornare la tua GPU.

Scopri le differenze tra gpt-realtime-2, gpt-realtime-translate e gpt-realtime-whisper di OpenAI, poi mettile alla prova con codice Python WebSocket funzionante.

Scopri come eseguire l’intero modello DeepSeek V4 Flash su una singola GPU usando una build modificata di llama.cpp e un file GGUF compatibile in questo tutorial pratico.

Impara a fare fine-tuning di NVIDIA Nemotron-3-Nano-4B su un dataset di Q&A di psicologia con una GPU RTX 3090 usando LoRA e TRL dopo aver scaricato il modello da Hugging Face.