Qwen 3.5 è finalmente arrivato ed è il nuovo standard per gli agenti AI locali. Se cerchi un modello che sia veloce, preciso nel seguire le istruzioni e capace di girare su hardware consumer, questa guida Qwen 3.5 + Ollama è la soluzione definitiva per il 2026.
Ho passato le ultime 48 ore a testare le diverse varianti di Qwen 3.5 sul mio server locale e i risultati sono impressionanti. Rispetto alla versione 2.5, il salto di qualità nel "tool calling" e nella comprensione dei task complessi è netto. In questa guida Qwen 3.5 + Ollama ti mostro come configurarlo con OpenClaw per creare il tuo team di agenti autonomi.
L'integrazione di guida Qwen 3.5 + Ollama permette di gestire carichi di lavoro complessi senza dipendere da servizi esterni. Con questa guida Qwen 3.5 + Ollama, avrai il pieno controllo del tuo stack AI.
Perché scegliere Qwen 3.5 per i tuoi agenti
Fino a ieri, far girare un agente AI complesso in locale richiedeva hardware di fascia alta o pesanti compromessi sulla velocità. Qwen 3.5 cambia le regole del gioco grazie a un'architettura ottimizzata che brilla particolarmente nei modelli "small" da 0.8B e 4B.
Questi modelli non sono solo leggeri: sono incredibilmente bravi a seguire i manifest degli agenti OpenClaw. Durante i miei test, la variante da 8B ha superato modelli molto più grandi nella precisione delle risposte tecniche, rendendola il perfetto "workhorse" per compiti di ricerca e automazione quotidiana.
Vuoi integrare AI nel tuo business?
Contattami per una consulenza su come implementare strumenti AI nella tua azienda utilizzando modelli locali e OpenClaw.
Passo 1: Scaricare Qwen 3.5 con Ollama
Ollama ha già aggiunto il supporto ufficiale per tutte le varianti di Qwen 3.5. A seconda del tuo hardware, puoi scegliere tra diverse dimensioni. Ecco i comandi per scaricare le versioni che ti consiglio:
# Per agenti ultra-veloci o compiti semplici (gira su quasi tutto)
ollama pull qwen3.5:0.8b
# Il miglior compromesso tra intelligenza e velocità (consigliato per la maggior parte)
ollama pull qwen3.5:8b
# Per task di ragionamento complessi (richiede almeno 24GB di VRAM)
ollama pull qwen3.5:35b-a3bIl mio setup preferito? Uso la 0.8B per il routing veloce dei task e la 8B per l'esecuzione vera e propria. La variante MoE (35B-A3B) è eccezionale se hai una GPU con abbastanza memoria, poiché offre prestazioni da modello "large" con una frazione della latenza. Nei benchmark BFCL-V4, Qwen 3.5 ha superato modelli come GPT-5 mini del 30%, dimostrando una capacità di function-calling senza precedenti.
FAQ: Domande frequenti su Qwen 3.5 e Ollama
Per approfondire l'orchestrazione locale, leggi anche la mia guida su HiClaw e i team di agenti.
Qwen 3.5 è meglio di GPT-4 per il coding?
Per i task locali e la programmazione assistita (soprattutto con le versioni Coder), Qwen 3.5 offre una latenza quasi nulla e una privacy totale. Nei benchmark tecnici, si posiziona costantemente tra i migliori modelli open-weight del 2026.
Quali sono i requisiti minimi di sistema?
La versione da 0.8B gira su quasi ogni computer moderno (anche con soli 8GB di RAM). Per la 8B consigliamo almeno 16GB di RAM, mentre la 35B-A3B richiede una GPU con 24GB di VRAM per prestazioni ottimali.
Qwen 3.5 supporta il tool calling in Ollama?
Sì, Qwen 3.5 è stato addestrato specificamente per il tool calling e la comprensione dei manifest. Ollama supporta nativamente queste funzionalità, rendendolo perfetto per l'integrazione con OpenClaw. Puoi trovare maggiori informazioni sui modelli gratuiti configurabili qui. In questa guida Qwen 3.5 + Ollama, abbiamo visto quanto sia semplice configurarli.
Passo 2: Configurare OpenClaw
Una volta che il modello è pronto in Ollama, dobbiamo dire a OpenClaw come usarlo. Se hai già seguito la mia guida all'installazione di OpenClaw e Ollama, questo passaggio sarà semplicissimo. Apri il tuo file di configurazione ~/.openclaw/openclaw.json e aggiungi Qwen 3.5 sotto il provider Ollama.
Ecco un esempio di configurazione pronta all'uso:
{
"models": {
"providers": {
"ollama": {
"baseUrl": "http://127.0.0.1:11434/v1",
"api": "ollama",
"models": [
{
"id": "qwen3.5:8b",
"name": "Qwen 3.5 8B",
"contextWindow": 32768,
"maxTokens": 8192
}
]
}
}
},
"agents": {
"defaults": {
"model": {
"primary": "ollama/qwen3.5:8b"
}
}
}
}Assicurati che baseUrl punti correttamente alla tua istanza locale di Ollama. Dopo aver salvato, puoi verificare che tutto funzioni lanciando un semplice comando: openclaw run "Ciao, quale modello stai usando?".
Creare un Agente Ricercatore con Qwen 3.5
La vera potenza di Qwen 3.5 emerge quando gli diamo degli strumenti. Grazie alla sua capacità di tool calling migliorata, è perfetto per agenti che devono navigare il web o analizzare file locali.
Ecco un esempio di un semplice agente ricercatore definito in OpenClaw:
name: ricercatore-locale
task: "Ricerca informazioni tecniche e sintetizza i risultati."
tools: ["web_search", "web_fetch"]
model: "ollama/qwen3.5:8b"Con questo stack, hai un assistente che non solo risponde alle tue domande, ma va a cercare i dati freschi su internet, li legge e ti propone una sintesi - tutto senza che i tuoi dati lascino mai il tuo computer. La privacy non è più un optional.
Scopri i miei progetti
Dai un occhio ai progetti su cui sto lavorando e alle tecnologie che utilizzo, inclusi agenti AI locali e OpenClaw.
Performance e Privacy: Il vantaggio locale
Perché non usare semplicemente GPT-4? Se sei un CTO o un founder, sai che la latenza e i costi delle API possono scalare velocemente. Ma il motivo principale è la privacy dei dati.
Usando Qwen 3.5 e OpenClaw in locale, puoi dare in pasto all'agente documenti aziendali sensibili, codice sorgente privato o dati dei clienti senza alcun rischio di leak verso server di terze parti. Nel 2026, la sovranità dei dati è un vantaggio competitivo fondamentale.
In termini di velocità, sul mio Mac Mini M4, la versione da 8B risponde quasi istantaneamente. È un'esperienza d'uso fluida che rende l'interazione con l'AI naturale e non interrotta da lunghi caricamenti. Per compiti ancora più specifici, puoi dare un'occhiata alla guida su Qwen 2.5 Coder, che rimane imbattibile per la programmazione pura.
Conclusioni
Qwen 3.5 è il tassello mancante per chi vuole costruire agenti AI seri in locale. La combinazione con Ollama per la gestione dei pesi e OpenClaw per l'orchestrazione dei task crea una piattaforma di sviluppo imbattibile per flessibilità e controllo. Per maggiori dettagli tecnici, consulta la documentazione ufficiale di Ollama.
Se non l'hai ancora fatto, scarica la versione da 8B e prova a delegargli il tuo prossimo task di ricerca. Non tornerai più indietro.
Scritto da Matteo Giardino, CTO e founder. Costruisco agenti AI per piccole e medie imprese in Italia. I miei progetti.