Come Eseguire Qwen 3.5 0.8B in Locale con OpenClaw e Ollama su CPU

Ho installato e configurato Qwen 3.5 0.8B con OpenClaw e Ollama su Ubuntu, tutto su CPU. Nessuna GPU coinvolta. Il modello pesa circa 1 GB e risponde via Telegram in pochi secondi.

Se stai cercando un modello piccolo, veloce e completamente locale, questa guida ti mostra come integrare Qwen 3.5 0.8B con OpenClaw. Il setup funziona su qualsiasi macchina recente con CPU decente, ideale per test, sviluppo o deployment su VPS economici.

Perché Qwen 3.5 0.8B

800 milioni di parametri. Non è un gigante come GPT-4 o Claude, ma per molti use case va più che bene:

• Risposte rapide su domande semplici
• Assistente Telegram per comandi base
• Prototipazione e test di agenti AI
• Deploy su macchine senza GPU (VPS, Raspberry Pi 5, vecchi laptop)

Il modello è della famiglia Qwen di Alibaba, rilasciato a inizio 2026. Supporta contesto fino a 32k token (circa 24.000 parole), ragionamento multilingue decente (italiano incluso), e inferenza veloce su CPU grazie alla dimensione ridotta.

Caso d'uso reale: l'ho installato sul mio Mac Mini M4 per gestire un bot Telegram di testing che risponde a domande base sulla documentazione di OpenClaw. Non serve per ragionamento complesso, ma per query semplici è veloce e costa zero.

Prerequisiti

Prima di iniziare, assicurati di avere:

• Ollama installato e aggiornato - controlla la versione con ollama --version
• Ubuntu o macOS - la guida è testata su Ubuntu 24.04, ma funziona su qualsiasi distro recente e su Mac
• Almeno 2 GB di RAM libera - il modello occupa circa 1 GB, OpenClaw e Ollama ne aggiungono altri 500 MB
• Node.js 18+ - richiesto da OpenClaw

Se non hai Ollama, installalo da ollama.com. Su Ubuntu:

curl -fsSL https://ollama.com/install.sh | sh

Verifica l'installazione:

ollama --version

Scaricare e Testare Qwen 3.5 0.8B

Usa Ollama per scaricare il modello. Il tag esatto è qwen3.5:0.8b:

ollama pull qwen3.5:0.8b

Ollama scarica il modello, verifica il checksum, e lo rende disponibile per inferenza locale. Ci vogliono 1-2 minuti su una connessione decente.

Testa subito il modello in modalità interattiva:

ollama run qwen3.5:0.8b

Scrivi una domanda base per verificare che funzioni:

>>> Chi ha scritto "I promessi sposi"?

Se ricevi una risposta sensata (Alessandro Manzoni), il modello è attivo. Esci con /bye o Ctrl+D.

Verifica che il modello sia nella lista locale:

ollama list

Dovresti vedere qwen3.5:0.8b nell'output. Annota il nome esatto - lo userai nella configurazione di OpenClaw.

Installare o Aggiornare OpenClaw

Se hai già OpenClaw installato, aggiornalo alla versione più recente:

npm install -g openclaw@latest

Se è la prima installazione, vai su github.com/openclaw/openclaw e segui le istruzioni ufficiali. L'installer prepara l'ambiente, installa le dipendenze e configura il gateway.

L'installazione può richiedere qualche minuto per scaricare aggiornamenti e plugin. Una volta completata, verifica lo stato:

openclaw status

Se vedi "Gateway: running", sei pronto. Se il gateway non è attivo, avvialo manualmente:

openclaw gateway start

Configurare OpenClaw per Ollama

Apri il file di configurazione di OpenClaw:

nano ~/.config/openclaw/config.yaml

Aggiungi o modifica la sezione providers per puntare a Ollama locale e specifica il modello:

gateway:
  host: 127.0.0.1
  port: 3000

providers:
  ollama:
    type: ollama
    base_url: http://localhost:11434
    model: qwen3.5:0.8b

agents:
  default:
    provider: ollama
    system_prompt: Sei un assistente utile.

channels:
  telegram:
    bot_token: IL_TUO_TOKEN_TELEGRAM

Punti chiave:

• base_url: http://localhost:11434 - endpoint locale di Ollama (porta di default)
• model: qwen3.5:0.8b - deve corrispondere ESATTAMENTE al nome in ollama list
• provider: ollama - dice a OpenClaw di usare il provider Ollama locale

Salva il file (Ctrl+O, Enter, Ctrl+X su nano).

Riavvia il gateway per applicare le modifiche:

openclaw gateway restart

Configurare Telegram

Apri Telegram e cerca @BotFather. Avvia una chat e crea un nuovo bot:

/newbot

Segui le istruzioni:

1. Scegli un nome per il bot (es. "Qwen Assistant")
2. Scegli uno username univoco che termina con bot (es. qwen_assistant_bot)

BotFather ti darà un token API. Copialo - è lungo, inizia con numeri e contiene il carattere :.

Importante: ruota il token dopo i test se lo esponi in repository pubblici o screenshot.

Ora aggiungi il token al file di configurazione di OpenClaw (lo abbiamo già preparato sopra nella sezione channels.telegram.bot_token). Se preferisci usare il wizard interattivo:

openclaw configure

Seleziona:

• Gateway type: local
• Channel: telegram
• Incolla il token quando richiesto

Salva e riavvia il gateway:

openclaw gateway restart

Testare il Modello Locale

Avvia l'interfaccia terminale di OpenClaw:

openclaw tui

Oppure usa la dashboard web se preferisci:

openclaw dashboard

La dashboard si apre su http://localhost:3000. Se vedi "Unauthorized", genera un token di accesso con openclaw token create e usalo per autenticarti.

Per accoppiare Telegram, vai su Telegram e cerca il bot che hai creato (lo trovi cercando lo username che hai scelto, es. @qwen_assistant_bot). Clicca /start.

Se tutto è configurato correttamente, il bot risponderà immediatamente usando il modello Qwen 3.5 0.8B locale via Ollama.

Test pratico: invia un messaggio semplice come:

Ciao! Come funzioni?

Dovresti ricevere una risposta in pochi secondi. La risposta arriva sia nell'interfaccia terminale/dashboard di OpenClaw che direttamente su Telegram.

Verifica latenza: su un Mac Mini M4 con CPU M4, la latenza media è di 2-3 secondi per risposta (dipende dalla complessità della query). Su un VPS con CPU Intel Xeon, conta 5-8 secondi.

Limitazioni e Quando NON Usare Qwen 3.5 0.8B

Questo modello NON è adatto per:

• Ragionamento complesso (matematica, logica avanzata)
• Code generation avanzata (meglio Qwen Coder 7B o Claude Sonnet)
• Summarization di documenti lunghi (il contesto è limitato a 32k token)
• Output creativi o narrativi elaborati

Usalo per:

• Chatbot semplici (FAQ, supporto base)
• Assistenti Telegram per comandi rapidi
• Prototipazione di agenti AI (testa workflow prima di passare a modelli grandi)
• Deploy su hardware limitato (VPS economici, Raspberry Pi)

Se hai bisogno di ragionamento più avanzato, considera Qwen 2.5 7B (sempre su Ollama) o passa a modelli cloud come Claude 3.5 Sonnet via OpenRouter.

Alternative e Modelli Simili

Altri modelli piccoli da provare con Ollama + OpenClaw:

• Phi-4 3.8B (Microsoft) - ottimo per code generation su CPU
• Gemma 2 2B (Google) - bilanciato tra dimensione e qualità
• Llama 3.2 3B (Meta) - buon compromesso per uso generale

Per confrontare modelli locali:

ollama list
ollama run <model-name>

Cambia il model nel config di OpenClaw e riavvia il gateway. Tutto il resto rimane identico.

Risorse e Approfondimenti

• Repository GitHub di OpenClaw
• Ollama model library
• Documentazione Qwen
• Guida completa OpenClaw + Ollama

Conclusioni

Ho installato Qwen 3.5 0.8B su CPU con OpenClaw e Ollama. Il setup è veloce (15 minuti totali), il modello risponde in pochi secondi, e l'integrazione con Telegram funziona senza configurazioni esotiche.

Quando usarlo: prototipi rapidi, bot semplici, test di agenti AI, deployment su hardware limitato.

Quando evitarlo: ragionamento complesso, code generation avanzata, output creativi elaborati.

Se vuoi un modello locale, piccolo e funzionante senza GPU, Qwen 3.5 0.8B è un ottimo punto di partenza. Parti da qui, testa il tuo workflow, e poi scala a modelli più grandi se serve.