Qwen 3.5 0.8B Locale: Guida OpenClaw e Ollama su CPU

Eseguire Qwen 3.5 0.8B in locale su CPU è la soluzione perfetta per chi vuole un LLM veloce senza hardware costoso. Ho configurato questo modello da 800 milioni di parametri con OpenClaw e Ollama sul mio server, ottenendo risposte rapide via Telegram.

Se cerchi una guida su come usare Qwen 3.5 0.8B in locale, sei nel posto giusto. Analizzeremo le prestazioni su CPU, il consumo di RAM (circa 1 GB) e il potenziale di questo micro-modello per agenti AI. Il setup funziona su qualsiasi macchina con CPU decente, ideale per sviluppo o deployment su VPS.

Qwen 3.5 0.8B con OpenClaw e Ollama - architettura locale

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.

Vuoi integrare AI nel tuo business?

Contattami per una consulenza su come implementare strumenti AI nella tua azienda.

Contattami

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

Verifica versione Ollama da terminale

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.

Download del modello Qwen 3.5 0.8B con Ollama

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.

Lista modelli Ollama installati localmente

Scopri i miei progetti

Dai un occhio ai progetti su cui sto lavorando e alle tecnologie che utilizzo.

Vedi Progetti

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.

Installazione di OpenClaw da repository ufficiale

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).

File di configurazione OpenClaw con provider Ollama

Riavvia il gateway per applicare le modifiche:

openclaw gateway restart

Riavvio del gateway OpenClaw dopo configurazione

Vuoi automatizzare il tuo workflow con AI?

Parliamo di come costruire agenti AI personalizzati per la tua azienda.

Prenota una Call

Configurare Telegram

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

/newbot

Segui le istruzioni:

Scegli un nome per il bot (es. "Qwen Assistant")
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.

Creazione bot Telegram con BotFather

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.

Test del bot Telegram con modello Qwen 3.5 locale

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.

Hai domande su OpenClaw?

Scrivimi per consulenze tecniche su setup, deployment e ottimizzazione di agenti AI.

Contattami

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

Risorse e documentazione per Qwen e OpenClaw

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.

Domande frequenti

Come eseguire Qwen 3.5 0.8B in locale con OpenClaw e Ollama su CPU?

Basta installare Ollama, scaricare il modello tramite il comando ollama pull qwen3.5:0.8b e impostare il provider ollama nel file di configurazione config.yaml di OpenClaw. Questo setup funziona interamente su processori tradizionali senza richiedere schede video dedicate.

Qual è la latenza media su un sistema senza GPU?

Le prestazioni variano in base al processore. Su un Mac Mini con chip M4, i tempi di risposta medi si aggirano intorno ai 2-3 secondi, mentre su un server Linux virtuale di fascia economica (VPS) i tempi arrivano a circa 5-8 secondi.

Quanta memoria RAM serve per Qwen 3.5 0.8B?

Il modello Qwen 3.5 0.8B è estremamente leggero e pesa solo circa 1 GB. Con l'aggiunta di OpenClaw e Ollama, è possibile far girare l'intero ambiente in modo stabile con appena 2 GB di RAM libera, risultando ideale per Raspberry Pi o vecchi portatili.