Ci sono gli agenti e ci sono gli LLM, ecco perché serve una separazione netta.

Guillermo Rauch, CEO di Vercel, ha puntato di recente il riflettore su un problema particolare dei moderni LLM e dei sistemi agentici. Il problema è che c’è una tendenza a vincolare il sistema agentico con uno specifico LLM.

Il caso più evidente è Claude Cowork, che funziona solo con Claude. Ma possiamo prendere anche GPTCodex, l’agente di OpenAI che gira su ChatGPT, o il recentissimo Google Spark, legato a Gemini. Molti forse pensano che sia una cosa naturale e inevitabile, ma in verità non è così: sistemi come OpenClaw o Hermes Agent, piattaforme come OpenRouter o strumenti come N8N dimostrano l’esatto contrario: posso realizzare un sistema di AI agentica usando il modello che mi pare.

L’idea di “unire mattoncini” di diversa provenienza è in effetti la base della cultura informatica. Si prendono pezzi di qua e di là e li si mette insieme per ottenere il miglior risultato possibile. È una “cultura” su cui si basano quasi tutte le aziende del mondo, e grazie alla quale sono nati nuovi tipi di aziende come i System Integrator o gli MSP.

Allo stesso tempo non sono mai mancati, e probabilmente mai mancheranno, fornitori che cercano di accentrare tutto su sé stessi. Di diventare l’unica alternativa possibile, creando una situazione di lock-in da cui è difficile anche solo immaginare una via di uscita.

È un racconto basato su affermazioni che creano la realtà in modo assertivo, e si finisce per credere che lo stato delle cose sia l’unico possibile, naturale persino. Come se ci fosse qualcosa di naturale in macchine e software prodotti da qualcuno per essere venduti a qualcun altro.

Ovviamente non è naturale, e ovviamente si può fare diversamente.

Agenti ed LLM, un amore difficile

Un’app di AI agentica non è troppo diversa da un client di posta elettronica. Puoi usare Outlook, Spark, Apple Mail, Thunderbird. Ognuno ha i suoi pregi e difetti, ma nessuno ti obbligherà a usare uno specifico indirizzo email fornito da uno specifico provider.

Applicazioni come OpenClaw o HermesAgent sono in un certo senso dei client anche loro, perché mi consentono di fare quello che desidero, affidandomi al fornitore che preferisco. Posso collegare la mia API di DeepSeek o quella di OpenRouter, o Mistral o tanto altro.

L’applicazione in sé è un semplice intermediario: quando scrivo qualcosa nella chat o configuro i file di un progetto, lei “chiama” un LLM remoto. Anzi, in teoria potrebbe persino chiamare un modello locale, se avessi un sistema abbastanza potente dove eseguirlo.

Sì, ma se si usa Claude Cowork, l’applicazione agentica per antonomasia, si può usare solo Claude. Non è una cosa sbagliata di per sé, anzi è del tutto normale. Ma ricorda, alla lontana, il modo in cui Microsoft metteva il browser in Windows o le operazioni che Google fa con Android e le sue app. Non è la stessa cosa solo per un tema di dimensioni e diffusioni, e di certo non si può accusare Anthropic di essere monopolista.

Tuttavia c’è un’altra questione importante: l’abitudine. Già nel 2005 Jakob Nielsen ci aveva istruito su quanto sono potenti le impostazioni di default, e a tutela del consumatore sono poi arrivate le (noiose) schermate per scegliere il browser e il motore di ricerca di default.

L’abitudine è qualcosa di simile, ma ancora più profondo e radicato. Lo sa bene chiunque abbia provato a proporsi come alternativa a un fornitore esistente: puoi essere più bravo e costare meno, ma il cliente semplicemente non ha voglia di affrontare la fatica del cambiamento.

Ed ecco perché sarebbe importante intervenire subito, ora che l’AI agentica sta muovendo i primi passi. Prima che la gente si abitui, prima che la potenza dei default metta radici. Ora sarebbe il momento di spingere per un mondo di protocolli aperti, dove le persone non abbiano solo una banale possibilità di scegliere, ma siano abituate a farlo e lo trovino normale e sano. Ora è il momento per piantare questo seme.

Rauch ha i suoi interessi nel dire quello che dice, ma non ha torto. Noi tutti stiamo scoprendo un po’ alla volta una nuova dipendenza, un nuovo problema di lock-in, legati agli LLM.

L’unica consolazione, se così si può dire, è che i file di configurazione, un mucchio di .md con un sacco di roba dentro, stanno sul mio computer e volendo posso riciclarli. Sapendo, ovviamente, che il nuovo assistente avrà delle differenze anche notevoli rispetto a quello precedente.

Modello e agente non sono la stessa cosa

Un agente è il sistema che orchestra: prende un obiettivo, lo scompone in passi, chiama strumenti, mantiene memoria, gestisce errori. Il modello linguistico è il motore di ragionamento che l’agente interroga a ogni passo. Sono due strati diversi, e finora li abbiamo trattati come un pacchetto unico perché i primi agenti utili sono nati dentro le piattaforme dei grandi laboratori.

Ora dobbiamo parlare della loro separazione, una cosa che tra l’altro è già più che evidente agli utenti più avanzati: esistono sistemi che ti legano a un solo fornitore, ed esistono sistemi che trattano il modello come un pezzo intercambiabile.

Ed è questo secondo tipo di agente quello a cui dovremmo dare la precedenza. Ora come ora è una scelta difficile perché, almeno nella mia esperienza, Claude Cowork ha prestazioni ineguagliate dai concorrenti Open. Ma se colleghi Claude a Hermes o OpenClaw ti ci puoi avvicinare parecchio, magari spendendo meno perché riesci a gestire meglio le attività usando anche modelli gratuiti, quando possibile.

Chi progetta un sistema basato sull’idea di modello intercambiabile avrà un’arma in più per difendersi quando (non “se”) i prezzi aumenteranno ancora. Non averlo, invece, significa trovarsi legati a un solo fornitore, che a quel punto potrà fare i prezzi che vuole senza preoccuparsi delle conseguenze.

Certo, ci sono casi estremi come quello di VMWare/Broadcom, dove una revisione delle licenze ha di fatto innescato la fortuna di Proxmox, Kubernetes, Docker, Nutanix e altre soluzioni alternative. Ma è una cosa che si trascina da anni e la maggior parte dei vecchi clienti sta ancora pagando il sovrapprezzo, senza sapere se e quando la situazione potrà cambiare. Per molti, forse la maggior parte, l’ostacolo maggiore è proprio la fatica del cambiamento, più che la sua fattibilità.

Allora, prima di trovarsi punto e a capo con agenti ed LLM, meglio mettere le mani avanti e pensarci oggi che siamo ancora in tempo.

Cowork è il migliore ma le alternative ci sono

Cowork, il sistema agentico di Anthropic, funziona meglio di quasi tutto quello che ho provato quest’anno. L’esecuzione dei task multi-step è solida, l’integrazione con i tool esterni è curata, l’esperienza d’uso è quella di un prodotto pensato con criterio. Non ha alcun interesse a fare da megafono ad Anthropic, ma devo ammettere che Cowork è oggi il miglior prodotto della sua categoria.

Ma è un sistema chiuso. Cowork usa solo modelli Anthropic, e l’utente non ha voce in capitolo su quale motore linguistico stia elaborando le sue richieste, né su quanto quel motore costi rispetto alle alternative. La qualità del prodotto e la qualità del modello sottostante sono due variabili distinte, e Cowork ha risolto benissimo la prima lasciando all’utente zero margine sulla seconda.

Fuori dai laboratori proprietari, il disaccoppiamento di cui parla Rauch esiste già, ed è maturo. Hermes Agent, rilasciato a febbraio 2026 da Nous Research con licenza MIT, si collega a Nous Portal, a OpenRouter, a OpenAI o a qualunque endpoint compatibile: si cambia modello senza toccare una riga di codice. Gira su CLI, Telegram, Discord, Slack, WhatsApp, Signal, ha memoria persistente e dichiara di non raccogliere telemetria.

OpenClaw segue una logica simile. Nato a novembre 2025 come Clawdbot dal lavoro dello sviluppatore austriaco Peter Steinberger, è diventato open source, MIT-licensed, local-first: i dati restano su file Markdown sul computer dell’utente. È cresciuto in fretta, superando le 196.000 stelle su GitHub entro febbraio 2026.

A quel punto Steinberger è passato a OpenAI e il progetto è confluito nella OpenClaw Foundation, una fondazione no-profit, ma l’architettura agnostica rispetto al modello è rimasta intatta. Questi due progetti provano che si può avere un buon agente e la libertà di scegliere il modello insieme. Qualcuno lo sta già facendo.

Anthropic ha reso più complicato usare Claude altrove, e la CLI è l’unica porta rimasta aperta

Il 20 febbraio 2026 Anthropic ha aggiornato i termini legali per vietare l’uso dei token OAuth degli abbonamenti Claude Pro e Max in prodotti di terze parti. Dal 4 aprile 2026, alle 12:00 ora del Pacifico, ha reso operativo il blocco: le credenziali di abbonamento non funzionano più con tool come OpenClaw o OpenCode. Anthropic giustifica la misura con l’onere infrastrutturale: i tool di terze parti aggirerebbero la cache dei prompt di Claude Code, aumentando il carico di calcolo lato server.

Considerando che il prodotto è venduto sottocosto e implica spese folli, non è una questione da poco.

Ma è anche una spiegazione che regge fino a un certo punto, e l’effetto pratico è che chi pagava un abbonamento flat non può più usare quella stessa sottoscrizione per orchestrare Claude dentro un agente a sua scelta. Va detto per correttezza che una via resta aperta: l’autenticazione con chiave API standard a consumo, oppure il riuso del login della CLI di Claude Code sullo stesso host. È stata una restrizione mirata contro un uso specifico, non una chiusura totale, ma è comunque una porta che si è ristretta in un momento in cui il mercato si muoveva nella direzione opposta.

Il motivo è comprensibile: i grandi lab vendono sottocosto e corrono verso l’IPO

Qui va fatta una concessione, perché la finanza dei laboratori non è un dettaglio marginale. Anthropic ha depositato la richiesta riservata di IPO l’1 giugno 2026, dopo un Series H da 65 miliardi di dollari che ne ha portato la valutazione a 965 miliardi. Il conto economico racconta una crescita quasi verticale: da 9 miliardi di ricavi annualizzati a dicembre 2025 a 47 miliardi a maggio 2026, con una proiezione di 10,9 miliardi nel solo secondo trimestre e il primo trimestre in utile operativo della sua storia.

OpenAI, che ha depositato anch’essa l’8 giugno ma starebbe valutando di spostare la quotazione a marzo 2027 dopo il debutto turbolento di SpaceX in Borsa, sta peggio: le perdite dichiarate si fermano a 14 miliardi di dollari nel 2026 su base non-GAAP, ma includendo le stock option quella cifra sale a 25-26 miliardi su base GAAP, l’80% in più. L’utile resta un’ipotesi che pochi analisti collocano prima del 2029. In questo contesto, restringere l’uso gratuito o sussidiato dei propri modelli fuori dall’ecosistema ufficiale ha una logica di bilancio precisa: ogni token consumato altrove è una spesa a cui corrisponde un incasso minore. Anche Alex Karp, CEO di Palantir, ha attaccato il costo dei modelli proprietari di OpenAI e Anthropic, pur avendo un interesse commerciale evidente a dirlo.

Ma all’utente non interessa la finanza dei lab, vuole libertà di scegliere il modello giusto

Ok, quindi queste aziende non stanno benissimo finanziariamente. Ma non è che se ne debbano preoccupare gli utenti; anzi, ognuno ha il dovere di cercare per sé stesso le soluzioni più economiche, quelle che possano dare il risultato con la minore spesa possibile. Non è compito dell’utente finanziare la corsa all’IPO di Anthropic o coprire il burn rate di OpenAI scegliendo per forza il loro prodotto più costoso. L’utente vuole uno strumento che funzioni, a un prezzo che abbia senso per il compito da svolgere, con la libertà di cambiare fornitore se ne trova uno migliore.

Ed è qui che i grandi Laboratori potrebbero avere un problema, perché se finora Claude, ChatGPT e Gemini hanno avuto campo libero, ora i prodotti open stanno cominciando ad avere prestazioni interessanti. Per tante cose Mistral, DeepSeek, Qwen e molti altri possono fare il lavoro a una frazione del prezzo. Non per tutto, certo, ed è qui che trovi il valore di un agente aperto: puoi usare Fable dove serve, senza rinunciare per questo a Llama o Gemma, per le cose che sono in grado di fare.

La maggior parte di chi usa Cowork ogni giorno non sa che, per buona parte dei compiti che gli assegna, potrebbe ottenere un risultato comparabile con DeepSeek o Qwen montati su un’infrastruttura aperta come Hermes, spendendo una frazione di quello che paga oggi. Non per tutto: sui ragionamenti più complessi resta sensato pagare il modello migliore disponibile. Ma su una fetta enorme di lavoro quotidiano quella differenza di prezzo esiste, ed è ignorata per pigrizia o per mancanza di alternative comode.

Parlando di modelli cinesi bisogna affrontare il tema geopolitico. Usare un modello cinese come DeepSeek o Qwen apre una domanda legittima su dove finiscono i dati e sotto quale giurisdizione vengono trattati. Per questo Hermes, che ha base europea, è un’alternativa intermedia interessante: non necessariamente più economica, ma capace di spostare il trattamento dei dati su un terreno diverso, meno esposto a quella domanda specifica. Non risolve ogni contesto d’uso, ma nel dibattito attuale resta un’opzione citata raramente.

Non serve Fable 5 per ogni azione minore

Chiedere al modello più potente sul mercato di riassumere un’email o formattare una tabella è come pagare un consulente da 300 euro l’ora di fare fotocopie. Si può fare, ma non è una buona idea.

Bastano modelli gratuiti o open per buona parte del lavoro quotidiano, e la differenza percepita dall’utente finale è quasi sempre minima; bisogna, di conseguenza, capire per quali lavori serve il top di gamma, dove basta quello medio, e dove invece se la cava quello gratuito. Sapendo che tutti possono convivere dentro lo stesso sistema agentico.

Il confronto tra costo e prestazioni vale anche dentro il catalogo Anthropic: lo mostra il paragone tra Fable 5 e Sonnet 5, così come le alternative open source che replicano gran parte delle funzioni di Claude Code a costo zero.

Chi vuole mettere ordine tra questi strumenti ha già a disposizione risorse mature, anche se poco conosciute fuori dagli ambienti più tecnici. OpenRouter ha raccolto 113 milioni di dollari in una Serie B guidata da CapitalG, con una valutazione vicina a 1,3 miliardi di dollari, e dà accesso a oltre 400 modelli con una sola chiave API. n8n, piattaforma di automazione low-code, è già usata in azienda per flussi concreti come le notifiche di tracking clienti. Nessuno dei due è uno strumento nuovo o sperimentale, eppure restano sconosciuti (o quasi) alla maggioranza di chi decide gli acquisti tecnologici in azienda. È un problema di consapevolezza più che di offerta, e nessuno dei grandi lab ha interesse a colmarlo.

La separazione tra agenti e LLM deve avvenire prima nella testa delle persone, poi nel software

La libertà di scegliere il modello non è un dettaglio tecnico da lasciare agli sviluppatori. È una condizione di mercato che decide chi controlla il prezzo e chi controlla la qualità del proprio lavoro. Finché la maggioranza degli utenti continua a pensare “agente” e “modello” come un unico blocco indistinguibile, i laboratori hanno tutto l’interesse a mantenerli così: ogni pacchetto chiuso è un cliente che non confronta i prezzi.

La separazione di cui parla Rauch, tra chi orchestra il lavoro e chi genera il testo, deve avvenire prima nella testa di chi decide cosa comprare, e solo dopo negli strumenti che finisce per comprare. Chi coglie la differenza smette di pagare per un pacchetto indivisibile e comincia a scegliere pezzo per pezzo, come si fa da sempre con qualunque altra tecnologia. Gli strumenti per farlo esistono già. Manca, in troppi, l’abitudine a usarli.