Puoi fare self-hosting di Claude? La risposta onesta

Puoi ospitare Claude autonomamente? No, e questo è il motivo

Non puoi ospitare Claude autonomamente. Anthropic non pubblica i pesi del modello, quindi non esiste alcun file da scaricare, alcun container da eseguire né alcuna licenza che consenta di servirlo dal tuo hardware. Ogni richiesta a Claude viene inviata all'API di Anthropic o a un partner di hosting come Amazon Bedrock, Google Vertex AI o Microsoft Foundry. Eseguirlo su una macchina di tua proprietà non è un problema di configurazione. L'artefatto semplicemente non esiste al di fuori di Anthropic.

Questa è la risposta breve. La risposta completa è che la maggior parte delle persone che pongono questa domanda in realtà non vuole i pesi del modello. Vuole una delle tre soluzioni seguenti, tutte realizzabili su un server sotto il proprio controllo: un modello capace eseguito localmente, un gateway che custodisca le chiavi API e limiti la spesa, oppure un agente di programmazione che risieda sul proprio server invece che sul laptop. Questa guida tratta tutte e tre le soluzioni, con i relativi comandi.

Che cosa significa di solito "Claude self-hosted"

Il traffico di ricerca per "Claude self-hosted" riflette diverse esigenze, che richiedono risposte diverse.

Alcuni cercano la privacy. Non vogliono che i prompt lascino la loro rete. Solo un modello open weight locale risolve questo problema, perché ogni richiesta a Claude è per definizione una richiesta ad Anthropic.

Altri cercano il controllo dei costi. Temono che un agente incontrollato consumi rapidamente i crediti. Un gateway risolve il problema e funziona con Claude, quindi puoi mantenere la qualità del modello.

Altri ancora vogliono non dipendere da un laptop. Vogliono un agente che continui a lavorare mentre chiudono il coperchio. Un VPS risolve questo problema e Claude Code funziona senza problemi su di esso.

Alcuni cercano la soluzione indicata dall'espressione "OpenRouter self-hosted". Anche in questo caso si tratta di un gateway e la risposta più comune è LiteLLM.

Stabilisci in quale categoria rientri, perché la configurazione corretta è diversa in ogni caso.

Ospitare autonomamente un modello open con Ollama

Se è necessario che nessun prompt lasci il server, esegui un modello open weight. Le famiglie effettivamente utilizzabili oggi su un server a noleggio sono Llama, Qwen, Mistral, Gemma e DeepSeek. Tutte pubblicano i pesi che puoi scaricare ed eseguire.

Ollama è il modo più rapido per iniziare. Lo script di installazione è composto da una sola riga e configura un servizio systemd su Ubuntu.

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

systemctl status ollama dovrebbe stampare active (running). Scarica quindi un modello e interagisci con esso.

ollama pull qwen3:8b
ollama run qwen3:8b "Summarise what a reverse proxy does in two sentences."

Il primo pull scarica diversi gigabyte. Prima di poter rispondere, quindi, il modello deve rientrare nella RAM o nella memoria della GPU. Una regola approssimativa per i modelli quantizzati: un modello con 8 miliardi di parametri richiede circa 6 GB liberi, un modello con 14 miliardi di parametri circa 10 GB, mentre un modello con 70 miliardi di parametri richiede più memoria di quella disponibile nella maggior parte dei piani VPS per uso generico. Se la memoria disponibile non è sufficiente, il kernel termina il processo e viene visualizzato Error: llama runner process has terminated, con una riga relativa alla memoria insufficiente in dmesg. Controlla free -h prima di attribuire il problema al modello.

Ollama espone anche un'API HTTP su 127.0.0.1:11434. Questo la rende utile per altri software, non solo come strumento per chattare.

curl http://127.0.0.1:11434/api/generate -d '{"model":"qwen3:8b","prompt":"ping","stream":false}'

Mantieni quella porta associata a localhost. Una porta Ollama aperta su un IP pubblico offre gratuitamente una GPU a chiunque la trovi. La configurazione completa, inclusa l'unità systemd, il rilevamento della GPU e la configurazione di un reverse proxy, è descritta in la guida all'esecuzione di Ollama su un VPS. Se servi più di un utente alla volta, leggi prima il confronto tra Ollama e vLLM, perché il design a flusso singolo di Ollama diventa il collo di bottiglia molto prima dell'hardware.

Sii realistico sulle differenze. Un buon modello open su un VPS di fascia media è realmente utile per riassumere, classificare, preparare bozze ed eseguire semplici estrazioni. Nel ragionamento lungo a più passaggi, su codebase di grandi dimensioni e nell'uso agentico degli strumenti, non è paragonabile a un modello hosted di frontiera e nessuna quantità di ottimizzazione dei prompt colma questa differenza. Scegli il modello locale per le attività che svolge bene e usa il modello hosted quando la difficoltà lo richiede.

Esegui il tuo gateway con LiteLLM

Questo è il "self-hosted OpenRouter" che molti stanno cercando. Un gateway si interpone tra le applicazioni e tutti i provider di modelli. Le applicazioni usano una sola chiave, configurata per il tuo server. Le chiavi dei provider reali risiedono solo su quel server. Puoi limitare la spesa per chiave, instradare applicazioni diverse verso modelli diversi e registrare ogni richiesta in un unico punto.

LiteLLM è la scelta più comune perché espone un'API compatibile con OpenAI e fa da proxy per Anthropic, Ollama e la maggior parte degli altri provider tramite lo stesso endpoint. Eseguilo in Docker con un file di configurazione.

model_list:
  - model_name: claude
    litellm_params:
      model: anthropic/claude-sonnet-5
      api_key: os.environ/ANTHROPIC_API_KEY
  - model_name: local
    litellm_params:
      model: ollama/qwen3:8b
      api_base: http://127.0.0.1:11434

Salva il file come litellm_config.yaml e avvia il proxy. Rimane in ascolto sulla porta 4000.

docker run -v $(pwd)/litellm_config.yaml:/app/config.yaml \
  -e ANTHROPIC_API_KEY=$ANTHROPIC_API_KEY \
  -e LITELLM_MASTER_KEY=sk-1234 \
  -p 4000:4000 docker.litellm.ai/berriai/litellm:latest \
  --config /app/config.yaml

LITELLM_MASTER_KEY è la credenziale amministrativa. Trattala come una password di root e non utilizzare il valore di esempio in produzione. Chiama il proxy esattamente come chiameresti un'API ospitata.

curl http://localhost:4000/v1/chat/completions \
  -H 'Authorization: Bearer sk-1234' \
  -H 'Content-Type: application/json' \
  -d '{"model": "claude","messages": [{"role": "user","content": "Say hello in five words."}]}'

Una risposta corretta è un normale JSON con un array choices. Un 401 indica che l'header Authorization non corrisponde alla master key. Un 400 che specifica il modello indica che model nella richiesta non corrisponde a nessun model_name nel file di configurazione.

Il motivo per costruire questo gateway invece di chiamare direttamente Anthropic è il limite di spesa. Crea una chiave virtuale separata per ogni applicazione, ciascuna con il proprio budget.

curl 'http://0.0.0.0:4000/key/generate' \
--header 'Authorization: Bearer sk-1234' \
--header 'Content-Type: application/json' \
--data-raw '{"models": ["claude"], "max_budget": 100}'

Quella chiave può spendere cento dollari e accedere a un solo modello, senza altro accesso. Quando un agent si comporta in modo anomalo alle tre del mattino, l'impatto è limitato a una chiave invece di coinvolgere l'intero account. Questo schema, insieme al monitoraggio associato, è descritto in come tenere sotto controllo i costi degli agent su un VPS. Se stai ancora decidendo se pagare a consumo per token, il confronto dei costi tra API e abbonamento analizza i calcoli.

Tieni presente cosa non fa il gateway. Non rende Claude locale e non nasconde i prompt ad Anthropic. Le richieste lasciano comunque il tuo server e raggiungono il provider. Ottieni invece il controllo su chiavi, spesa, instradamento e log.

Eseguire Claude Code sul proprio VPS

Il terzo desiderio è il più facile da soddisfare. Claude Code è un client. Viene eseguito ovunque sia installato Node.js e comunica con l'API tramite HTTPS. Installarlo su un server di cui si dispone significa che l'agent continua a funzionare dopo lo spegnimento del laptop. Significa anche che l'ambito di un'eventuale compromissione è limitato a una macchina che si può ricreare, invece di coinvolgere il computer principale.

npm install -g @anthropic-ai/claude-code
claude --version

Eseguirlo all'interno di tmux evita che una connessione SSH interrotta termini un'attività lunga. Questa configurazione, inclusa la gestione della sessione, è descritta in eseguire Claude Code su un VPS con tmux. Assegnare all'agent un utente senza privilegi propri. Leggere le regole di sicurezza per eseguire Claude Code su un server prima di concedergli l'accesso in scrittura a dati o file importanti.

Questa è l'installazione autonoma dell'agent, non del modello. È importante essere precisi su questo punto, perché spesso i due aspetti vengono confusi. Si controllano il processo, il filesystem, il traffico di rete in uscita e i log. Anthropic continua a gestire l'inferenza.

Quanto ti costa realmente ogni opzione

I prezzi cambiano, quindi considera questi valori come un riferimento, non come un preventivo. A luglio 2026, Claude Sonnet 5 ha un prezzo di $3 per milione di token di input e $15 per milione di token di output, mentre Claude Opus 5 ha un prezzo di $5 e $25. Un modello locale non ha costi per token, ma comporta il costo mensile del server, che rimane attivo anche quando non lo utilizzi.

Il punto di pareggio arriva prima di quanto molti pensino. Un VPS con memoria sufficiente per eseguire un modello open utile costa realmente ogni mese e rimane inattivo per la maggior parte del tempo. Se l'utilizzo è discontinuo, l'API ospitata è generalmente più economica. Se l'utilizzo è costante o i dati non possono lasciare la rete, il modello locale è preferibile sotto entrambi gli aspetti.

La risposta ibrida è quella a cui arrivano la maggior parte dei team. Esegui localmente un modello open per le attività ad alto volume e bassa difficoltà. Inoltra le richieste più complesse a un modello frontier ospitato. Inserisci un gateway davanti a entrambi, così le applicazioni non devono sapere quale modello viene utilizzato e puoi modificare la suddivisione senza intervenire sul codice delle applicazioni. Questa architettura è la versione pratica di "Claude self-hosted" e, a differenza della versione letterale, esiste. Se vuoi eseguire autonomamente anche l'intero stack dell'agente, la raccolta di agenti AI self-hosted descrive le opzioni disponibili.

FAQ

Posso scaricare i pesi del modello Claude ed eseguirli localmente?

No. Anthropic non ha mai rilasciato i pesi di alcun modello Claude e non esiste alcuna licenza che consenta l'hosting autonomo. Qualsiasi elemento pubblicizzato online come "modello Claude" scaricabile è un modello diverso con un nome fuorviante oppure un wrapper che chiama l'API. Se richiede una chiave API, non è locale.

Qual è il modello open più simile a Claude?

Non esiste una corrispondenza esatta e i modelli migliori cambiano ogni pochi mesi. Le famiglie open weight che vale la pena testare sono Llama, Qwen, Mistral, Gemma e DeepSeek. Per la sintesi, la classificazione e le semplici modifiche al codice, un buon modello open con 8-14 miliardi di parametri è realmente utile. Nel ragionamento complesso su più passaggi e nell'uso agentico degli strumenti, il divario rispetto a un modello frontier ospitato è ancora ampio. Esegui i test sui tuoi prompt invece di affidarti a una classifica.

LiteLLM è un OpenRouter self-hosted?

Dal punto di vista funzionale sì, per quanto riguarda il routing e la gestione delle chiavi. LiteLLM viene eseguito sul tuo server, espone un endpoint compatibile con OpenAI e fa da proxy per Anthropic, Ollama e la maggior parte degli altri provider. Ottieni limiti di spesa per chiave, routing dei modelli e un unico punto per leggere i log. Non fornisce però l'inferenza locale: le richieste a Claude passano comunque da Anthropic.

L'esecuzione di Claude Code sul mio server mantiene privato il mio codice?

No. Claude Code invia i contenuti dei file che legge all'API di Anthropic, indipendentemente dal server su cui viene eseguito il processo. Un VPS fornisce l'isolamento dell'agente, non la riservatezza dei contenuti. Assegna all'agente un utente dedicato senza privilegi, impediscigli l'accesso alle credenziali e ai repository non correlati e considera tutto ciò che può leggere come contenuto che lascia il server.