Vai al contenuto principale
← Torna alle notizie

Tutor: un tutor LLM self-hosted che insegna i tuoi libri e documenti

On-device e edge
Fonte:Hacker News / GitHub
Progetto Open Source su GitHub: un tutor locale che studia i libri e i documenti che gli dai e ti insegna il contenuto con quiz e domande, usando un LLM locale. Pensato per chi vuole apprendere senza mandare i propri materiali a un cloud.
Leggi l'articolo originale

Articoli correlati

Nemotron-Parse: la famiglia OCR di NVIDIA per leggere i documenti in locale

NVIDIA ha rieditato Nemotron Parse (v1.1, v1.2, 2.0) nella stessa settimana del 20 ottobre: meno di 1 miliardo di parametri, struttura della pagina inclusa. Setup in locale con vLLM e limiti onesti.

RAG: fai domande ai tuoi documenti

RAG, Retrieval Augmented Generation, è il modo più semplice per far rispondere un modello locale a domande sui tuoi documenti: embedding, database vettoriale e ciclo di recupero, con un esempio concreto.

IA locale per la tua attività: 5 casi d'uso pratici

Cinque scenari concreti in cui l'IA locale porta valore immediato a un'azienda: supporto clienti sui propri documenti, estrazione dati da PDF, ricerca interna, CRM e generazione di contenuti — con i tool da usare e l'hardware necessario.

Ricevi il prossimo punto sull'IA locale

Ogni settimana, la selezione del meglio di iaLocale: articoli, notizie e risorse sull'IA locale, e altro ancora.

Dopo l'iscrizione ricevi una email di conferma (double opt-in). Senza conferma non inviamo nulla. Nessuno spam, ti promettiamo.

Risorse correlate

Strumenti e risorse dell'archivio iaLocale pertinenti a questo contenuto.

🤖

OpenAI gpt-oss-20b

Modelli

Il modello di ragionamento open-weight di OpenAI: MoE con 21B di parametri totali e 3,6B attivi (32 esperti, top-4), contesto 128K e quantizzazione MXFP4 nativa. Licenza Apache 2.0: i pesi partono già quantizzati a 4 bit, senza passo di conversione. Sta in 16GB di VRAM e gira anche su RAM unificata o CPU.

🧭

OpenRouter

Inferenza

Gateway cloud per l'inferenza LLM: un unico endpoint API per centinaia di modelli (inclusi i MoE open-weight) con prezzi per token e routing automatico tra provider. Per Ling 3.1 Flash: 0,075 $/M input, 0,225 $/M output.

🎨

Qwen-Image 2.1

Modelli

Modello open-weight da 7B (DiT da 32 layer) che unisce generazione da testo fino a 2048x2048, editing con fino a 10 immagini di riferimento e trasparenza RGBA nativa. Pensato per girare in locale su 16GB+ di VRAM; supportato da diffusers e ComfyUI.

🟠

Anthropic Claude

Inferenza

API di inferenza per i modelli Claude di Anthropic (Claude 1 dal 2023). Come OpenAI si paga al token, in ingresso e in uscita, con limiti di richiesta per piano: la via frontier senza server propri.

Sfoglia tutte le risorse