{"id":36177,"date":"2026-07-14T16:48:48","date_gmt":"2026-07-14T14:48:48","guid":{"rendered":"https:\/\/www.codemotion.com\/magazine\/?p=36177"},"modified":"2026-07-14T16:48:50","modified_gmt":"2026-07-14T14:48:50","slug":"dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale","status":"publish","type":"post","link":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/","title":{"rendered":"DwarfStar: la stella nana che illumina l’AI di frontiera locale"},"content":{"rendered":"\n

*C’\u00e8 una scena nel romanzo *Neuromancer* di William Gibson in cui il protagonista si collega direttamente a un’intelligenza immensa, distribuita su server inaccessibili, attraverso una connessione che lui non controlla e non possiede. Era fantascienza nel 1984. Nel 2026 \u00e8, pi\u00f9 o meno, la realt\u00e0 quotidiana di chiunque usi ChatGPT, Claude o Gemini: modelli giganteschi, ospitati su infrastrutture da miliardi di dollari, raggiungibili solo attraverso una connessione a internet e a fronte di un abbonamento mensile o di un costo per token. La tua conversazione, i tuoi dati, il tuo ragionamento: tutto passa da qualche parte che non vedi e che non gestisci.*<\/p>\n\n\n\n

DwarfStar \u00e8, nella sua essenza, un tentativo di ribaltare questa equazione. Non un’alternativa commerciale, non un wrapper attorno a qualcos’altro: un motore di inferenza scritto da zero, in C, ottimizzato maniacalmente per un singolo modello, distribuito gratuitamente con licenza MIT. E dietro c’\u00e8 una firma che la comunit\u00e0 tech riconosce immediatamente: quella di Salvatore Sanfilippo, alias antirez<\/em>, il programmatore siciliano che nel 2009 invent\u00f2 Redis.<\/p>\n\n\n\n

Antirez: il programmatore che fa una cosa sola, e la fa bene<\/h2>\n\n\n\n

Salvatore Sanfilippo nasce a Campobello di Licata, in Sicilia, il 7 marzo 1977. Sviluppa fin da giovanissimo un interesse per la programmazione, iniziando a scrivere codice all’et\u00e0 di cinque anni su un computer Texas Instruments regalato dal padre. Da l\u00ec in poi \u00e8 una storia di deviazioni fruttuose: lascia l’architettura per l’informatica, approda alla sicurezza di rete negli anni Novanta, inventa l’idle scan<\/em>, una tecnica di scansione furtiva delle porte di rete ancora oggi implementata in nmap, e poi, quasi per caso, costruisce Redis.<\/p>\n\n\n\n

Redis \u00e8 un data store in-memory open source, creato da Sanfilippo e rilasciato per la prima volta il 26 febbraio 2009. Invece di limitarsi ad essere una cache chiave-valore, offre strutture dati native ricche, stringhe, hash, liste, insiemi ordinati, stream, operate atomicamente dal server. La filosofia che lo governa \u00e8 quella che antirez porta in ogni progetto: fare meno. Un sistema piccolo e semplice che puoi tenere in testa batte un sistema grande e completo.<\/p>\n\n\n\n

Redis \u00e8 oggi utilizzato da praticamente tutte le aziende di internet, da Airbnb a Uber, da Snapchat a Meta, fino ad Amazon e Twitch. Nonostante questo, Sanfilippo ha sempre scelto di vivere a Catania, lontano dalla frenesia della Silicon Valley, dando priorit\u00e0 alla famiglia e agli stimoli intellettuali. Nel giugno 2020 annuncia il ritiro dalla manutenzione di Redis per dedicarsi ad altri progetti, per poi tornare nel dicembre 2024 nel ruolo di Redis evangelist, sviluppando il nuovo tipo di dati Vector Set.<\/p>\n\n\n\n

Il rispetto che la comunit\u00e0 tech nutre nei suoi confronti non deriva soltanto dalla grandezza tecnica di Redis. Deriva da qualcosa di pi\u00f9 raro: la coerenza. Antirez non insegue trend, non accumula startup, non monetizza la sua reputazione. Scrive software perch\u00e9 gli piace scrivere software, e quando qualcosa lo appassiona lo costruisce con una cura quasi artigianale. DwarfStar \u00e8 esattamente questo.<\/p>\n\n\n\n

Il problema: i modelli di frontiera vivono su Saturno<\/h2>\n\n\n\n

Per capire cosa rende DwarfStar un progetto straordinario, bisogna prima capire il problema che affronta. I modelli linguistici pi\u00f9 capaci, DeepSeek V4 Flash, ma anche i vari GPT e Claude, non sono piccoli programmi. Sono reti neurali con centinaia di miliardi di parametri, ciascuno dei quali \u00e8 un numero in virgola mobile che occupa spazio in memoria. Un modello come DeepSeek V4 Flash ha 284 miliardi di parametri totali. Se li volessimo caricare tutti in memoria nella loro forma originale a precisione piena, avremmo bisogno di circa 568 gigabyte di RAM. La RAM dei server GPU di fascia alta, le famose VRAM delle schede NVIDIA, si misura in decine di gigabyte per scheda. Servirebbero pi\u00f9 macchine collegate in rete, infrastrutture da decine di migliaia di euro, consumi elettrici da piccola industria.<\/p>\n\n\n\n

Il MacBook da 128 GB, che va detto non \u00e8 alla portata di tutti, sembra comunque lontano anni luce da questa realt\u00e0. Eppure DeepSeek V4 Flash appartiene a una famiglia di architetture che contiene, nascosta nella sua struttura, la chiave della soluzione.<\/p>\n\n\n\n

Mixture of Experts: quando la specializzazione diventa un vantaggio<\/h2>\n\n\n\n

DeepSeek V4 Flash \u00e8 costruito su un’architettura chiamata Mixture of Experts, o MoE. L’idea, ormai nota, \u00e8 abbastanza intuitiva: invece di avere una singola rete neurale densa che elabora ogni token, il modello \u00e8 composto da decine di reti specializzate, gli “esperti”, e per ogni token ne vengono attivati solo alcuni, selezionati da un meccanismo di routing. DeepSeek V4 Flash ha 284 miliardi di parametri totali ma solo 13 miliardi di parametri attivi per ogni token generato. \u00c8 come avere un’enciclopedia di mille volumi, ma dover leggere solo pochi libri per rispondere a una domanda specifica.<\/p>\n\n\n\n

Questo ha una conseguenza pratica enorme: la velocit\u00e0 di generazione non dipende da tutti i 284 miliardi di parametri, ma solo dai 13 miliardi attivi. Ed \u00e8 qui che si innesta la prima grande intuizione di DwarfStar.<\/p>\n\n\n\n

Le quantizzazioni a 2 bit fornite per DwarfStar non sono una scorciatoia: si comportano bene, funzionano con gli agenti di codice, eseguono le chiamate agli strumenti in modo affidabile. Le quantizzazioni a 2 bit usano una compressione molto asimmetrica: solo gli esperti MoE instradati vengono quantizzati, gate e up a IQ2_XXS, down a Q2_K. Questi costituiscono la maggior parte dello spazio del modello: gli altri componenti, esperti condivisi, proiezioni, routing, vengono lasciati intatti per garantire la qualit\u00e0.<\/p>\n\n\n\n

In termini concreti: le parti del modello che vengono usate spesso e che portano pi\u00f9 “segnale” vengono preservate alla precisione originale. Gli esperti che vengono attivati raramente e che contribuiscono meno alla qualit\u00e0 del risultato finale vengono compressi aggressivamente. Il risultato \u00e8 un file GGUF di circa 81 gigabyte che mantiene una qualit\u00e0 sorprendentemente vicina al modello originale. Ma come si determina quale parte del modello porta pi\u00f9 segnale? Attraverso un processo empirico chiamato imatrix calibration<\/em>: il modello viene fatto girare su dataset reali che coprono coding, matematica, ragionamento e tool calling, e si misura come si attivano le varie parti della rete. Questa mappa di importanza guida poi le decisioni di compressione.<\/p>\n\n\n\n

\u00c8 la differenza tra tagliare un albero con una motosega e potarlo con cura. La differenza \u00e8 una pianta viva anzich\u00e9 morta.<\/p>\n\n\n\n

Quando la RAM non basta: il disco come estensione della memoria<\/h2>\n\n\n\n

Anche con 81 gigabyte di pesi compressi, il problema non \u00e8 risolto del tutto. Un MacBook con 64 o 96 GB di RAM deve trovare un modo per gestire un modello che non ci sta completamente. E il contesto, la memoria della conversazione in corso, occupa ulteriore spazio man mano che la conversazione cresce.<\/p>\n\n\n\n

DwarfStar introduce una modalit\u00e0 di SSD streaming solo per Metal: in questa modalit\u00e0 i pesi non instradati rimangono residenti, mentre gli esperti MoE instradati vengono tenuti in una cache in-memory e caricati dal file GGUF al verificarsi di cache miss. Lo streaming non \u00e8 veloce come caricare l’intero modello in RAM, ma \u00e8 utile perch\u00e9 gli esperti instradati dominano la dimensione del modello e i moderni SSD dei Mac sono abbastanza veloci da rendere i cache miss tollerabili.<\/p>\n\n\n\n

Il meccanismo \u00e8 elegante nella sua semplicit\u00e0 concettuale: DwarfStar mantiene in RAM i pesi degli esperti chiamati pi\u00f9 frequentemente, quelli “caldi”, e carica dal disco gli altri solo quando il router decide di attivarli. Gli SSD NVMe moderni, quelli montati sui MacBook e sui Mac Studio, raggiungono velocit\u00e0 di lettura sequenziale nell’ordine dei 7-10 GB\/s. Abbastanza veloci da non rendere il caricamento il collo di bottiglia principale, almeno per i task che non richiedono latenza minima.<\/p>\n\n\n\n

Questo significa che, in pratica, un MacBook da 64 GB pu\u00f2 eseguire un modello da 284 miliardi di parametri. Non alla stessa velocit\u00e0 di un Mac Studio con 512 GB di RAM unificata, certamente, ma a velocit\u00e0 sufficiente per lavori reali.<\/p>\n\n\n\n

Contesto, sessioni e la memoria che sopravvive al riavvio<\/h2>\n\n\n\n

I modelli linguistici moderni parlano di “finestre di contesto” come se fossero ovviamente illimitate. Non lo sono. Ogni token nella conversazione occupa spazio nella KV cache, la struttura dati che il modello usa per ricordare quello che \u00e8 stato detto, e la KV cache cresce linearmente con la lunghezza del contesto. DeepSeek V4 Flash ha una finestra di contesto di 1 milione di token, e la KV cache \u00e8 incredibilmente compressa, permettendo inferenza su contesti lunghi su computer locali e la persistenza della KV cache su disco.<\/p>\n\n\n\n

DwarfStar sfrutta questa caratteristica con un sistema di sessioni persistenti su disco. Quando una conversazione viene interrotta, il server viene riavviato, si cambia sessione, si vuole riprendere il lavoro il giorno dopo, il sistema non deve rielaborare da zero tutti i token precedenti. La sessione salvata contiene lo stato esatto della KV cache, il checkpoint dei token, persino la distribuzione di probabilit\u00e0 dell’ultimo token generato. La ripresa \u00e8 quasi istantanea.<\/p>\n\n\n\n

Questo risolve uno dei problemi pi\u00f9 frustranti degli agenti AI locali: il fatto che ogni nuova chiamata all’API deve spedire nuovamente l’intero contesto, pagando il costo computazionale del prefill<\/em> ogni volta. Con DwarfStar, i prefill costosi vengono salvati e riutilizzati. Un agente di codice che usa un system prompt lungo 25.000 token, come fa Claude Code, paga quel costo una volta sola.<\/p>\n\n\n\n

Due macchine valgono pi\u00f9 di una<\/h2>\n\n\n\n

Il punto pi\u00f9 recente dell’evoluzione di DwarfStar riguarda la distribuzione dell’inferenza su pi\u00f9 macchine. Il branch distribuito \u00e8 ora nel codice principale: l’inferenza distribuita passa dalla teoria al codice eseguibile. Il file GGUF risiede su ogni macchina, ma ogni nodo carica solo la sua porzione di layer attraverso il flag –layers con range inclusivi, senza tenere in RAM i pesi che non gli appartengono. Architettura coordinatore\/worker: una macchina agisce da coordinatore (tokenizzazione, campionamento e il prompt iniziale), le altre sono worker che processano la propria porzione e inoltrano le attivazioni via TCP.<\/p>\n\n\n\n

L’approccio \u00e8 quello del layer split<\/em>: la macchina A carica e processa i primi N layer del transformer, passa le attivazioni alla macchina B che processa i restanti layer, e il risultato torna al coordinatore per il campionamento. Il trasferimento di dati tra le macchine \u00e8 minimo, perch\u00e9 si trasferiscono solo le attivazioni intermedie, vettori relativamente piccoli, e non i pesi del modello.<\/p>\n\n\n\n

Con DwarfStar, il Mac Studio M3 Ultra da 512 GB pu\u00f2 eseguire DeepSeek V4 PRO a 150 token\/s di prefill e circa 10-13 token\/s di decodifica, non eccezionale ma a un livello utilizzabile per certi casi d’uso. Due Mac Studio collegati potrebbero distribuire il modello pi\u00f9 grande, DeepSeek V4 PRO a piena precisione, e godere di un prefill pi\u00f9 veloce grazie al micro-batching. Chi ha due MacBook M5 Max da 128 GB pu\u00f2 ora dividersi il carico di un singolo modello invece di usarli separatamente.<\/p>\n\n\n\n

Antirez sta anche esplorando approcci pi\u00f9 sperimentali: l’ensemble di modelli, dove due istanze dello stesso (o di modelli diversi) girano su macchine separate e combinano i loro logit, la distribuzione di probabilit\u00e0 sui token successivi, per produrre un output migliore di quello che ciascuno produrrebbe da solo. \u00c8 una tecnica studiata in letteratura ma raramente implementata in modo pratico.<\/p>\n\n\n\n

I numeri: cosa aspettarsi nella pratica<\/h2>\n\n\n\n

I benchmark di DwarfStar sono misurabili e pubblicati nella documentazione ufficiale del progetto. Su un MacBook Pro M3 Max da 128 GB con quantizzazione a 2 bit:<\/p>\n\n\n\n

Su prompt corti il prefill raggiunge 58.52 token\/s e la generazione 26.68 token\/s. Su prompt lunghi da circa 11.700 token il prefill sale a 250.11 token\/s grazie al chunked prefill, mentre la generazione scende a 21.47 token\/s per effetto del contesto crescente.<\/p>\n\n\n\n

Su Mac Studio M3 Ultra da 512 GB i numeri sono pi\u00f9 generosi: prefill a 84.43 token\/s su prompt corti, generazione a 36.86 token\/s, e su prompt lunghi il prefill raggiunge 468.03 token\/s con generazione a 27.39 token\/s.<\/p>\n\n\n\n

Il MacBook M5 Max da 128 GB, secondo antirez, pu\u00f2 eseguire DeepSeek V4 Flash in quantizzazione 2-bit a circa 460 token\/s di prefill e 25 token\/s di generazione, con una curva di degradazione accettabile all’aumentare del contesto.<\/p>\n\n\n\n

Per dare un riferimento concreto: leggere ad alta voce significa pronunciare circa 150 parole al minuto, corrispondenti a circa 200 token. A 26 token al secondo, DwarfStar genera testo a poco pi\u00f9 di un ottavo di quella velocit\u00e0, lento rispetto ai servizi cloud, ma abbastanza veloce per un utilizzo interattivo reale.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n



Immagine tratta dal repository GitHub<\/a><\/p>\n\n\n\n

GLM 5.2 e la rotta del progetto<\/h2>\n\n\n\n

DwarfStar nasce come motore volutamente stretto: una sola famiglia di modelli, supportata in modo profondo e corretto invece di supportare tutto superficialmente.<\/p>\n\n\n\n

Ma le ambizioni crescono. Nelle ultime ore, antirez ha pubblicato un video intitolato “Considerazioni sull’implementazione di GLM 5.2 in DwarfStar”. \u00c8 esplicitamente un lavoro in corso, il segnale \u00e8 chiaro: il progetto non intende fermarsi a DeepSeek. L’architettura MoE con KV cache compressa \u00e8 diventata una caratteristica condivisa da pi\u00f9 modelli di frontiera, e DwarfStar \u00e8 attrezzato per inseguirla.<\/p>\n\n\n\n

Va detto con onest\u00e0: il progetto \u00e8 ancora in qualit\u00e0 beta, come antirez stesso dichiara nel README. Alcune funzionalit\u00e0 sono sperimentali, il supporto CUDA \u00e8 pi\u00f9 recente di quello Metal, e certi comportamenti potrebbero cambiare. Ma la traiettoria \u00e8 quella di un progetto che ha gi\u00e0 dimostrato di saper fare cose che sembravano impossibili poche settimane fa.<\/p>\n\n\n\n

La frontiera, aperta a tutti (quasi)<\/h2>\n\n\n\n

C’\u00e8 una parola che ricorre ossessivamente in qualsiasi discussione su DwarfStar: democratizzazione<\/em>. \u00c8 una parola inflazionata, spesso usata per coprire prodotti commerciali con un velo di retorica progressista. Qui il termine ha un senso pi\u00f9 preciso e pi\u00f9 onesto.<\/p>\n\n\n\n

DwarfStar \u00e8 gratuito. Il codice \u00e8 MIT. Le quantizzazioni sono pubblicate su Hugging Face senza restrizioni. Non c’\u00e8 una versione Pro, non c’\u00e8 un piano Enterprise, non c’\u00e8 una chiave API da comprare. Chiunque abbia un Mac con 96 GB di RAM o un DGX Spark da 5.000 dollari, o, con lo streaming SSD, anche meno, pu\u00f2 scaricare il tutto, e avere un agente AI da quasi 300 miliardi di parametri che gira localmente, offline, senza mandare un singolo token a un server remoto.<\/p>\n\n\n\n

La privacy non \u00e8 un argomento secondario. Un agente che conosce il codice della tua azienda, i tuoi documenti, le tue conversazioni interne non dovrebbe necessariamente transitare per i server di Anthropic o OpenAI. Con DwarfStar, non lo fa.<\/p>\n\n\n\n

Certo, l’hardware rimane un ostacolo reale. 128 GB di RAM unificata non \u00e8 una configurazione da cinquanta euro. Un MacBook Pro M3 Max nella versione che serve parte da circa 4.000 euro; un Mac Studio M3 Ultra da 192 GB supera i 7.000. Non \u00e8 alla portata di tutti, ed \u00e8 onesto dirlo. Ma \u00e8 alla portata di molti professionisti, studi, PMI, ricercatori. E il costo della stessa potenza computazionale in cloud, su base annua, supera abbondantemente il costo dell’hardware, senza contare il valore della privacy e dell’indipendenza.<\/p>\n\n\n\n

C’\u00e8 poi una dimensione pi\u00f9 sottile. Ogni volta che un modello di frontiera gira su hardware consumer, ogni volta che qualcuno dimostra che non serve un data center per fare ragionamento serio, il piano inclinato si sposta leggermente. Gli hardware migliorano: il MacBook M5 Max con 128 GB \u00e8 gi\u00e0 il miglior equilibrio costo-prestazioni disponibile per l’inferenza locale nel 2026. I modelli migliorano e diventano pi\u00f9 efficienti. E ci sono persone come Sanfilippo che lavorano, per il gusto di farlo, per la soddisfazione di farlo bene, per restringere ulteriormente il divario.<\/p>\n\n\n\n

Redis ha impiegato anni per diventare il database pi\u00f9 amato del mondo. DwarfStar ha gi\u00e0 15.500 stelle su GitHub a poche settimane dal lancio, con contributor attivi, port per CUDA e ROCm, benchmark pubblicati su DGX Spark, MacBook e Mac Studio. La velocit\u00e0 di adozione dice qualcosa sull’urgenza del bisogno che soddisfa.<\/p>\n\n\n\n

C’\u00e8 un personaggio nei fumetti di Alan Moore, From Hell<\/em>, non la versione hollywoodiana, che osserva che il tempo \u00e8 sempre adesso, che tutto accade contemporaneamente. Il passato del local AI movement e il suo futuro si toccano in un file da 81 gigabyte che puoi scaricare adesso, su un computer che hai sulla scrivania. Antirez l’ha costruito. Il resto, come si dice, \u00e8 storia.<\/p>\n\n\n\n

\n\n\n\n

Il repository ufficiale di DwarfStar \u00e8 disponibile su GitHub<\/a>. Le quantizzazioni ufficiali per DeepSeek V4 Flash sono pubblicate su Hugging Face<\/a>. Il blog di Salvatore Sanfilippo \u00e8 raggiungibile su antirez.com<\/a>.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

*C’\u00e8 una scena nel romanzo *Neuromancer* di William Gibson in cui il protagonista si collega direttamente a un’intelligenza immensa, distribuita su server inaccessibili, attraverso una connessione che lui non controlla e non possiede. Era fantascienza nel 1984. Nel 2026 \u00e8, pi\u00f9 o meno, la realt\u00e0 quotidiana di chiunque usi ChatGPT, Claude o Gemini: modelli giganteschi,… Read more<\/a><\/p>\n","protected":false},"author":336,"featured_media":36178,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_editorskit_title_hidden":false,"_editorskit_reading_time":0,"_editorskit_is_block_options_detached":false,"_editorskit_block_options_position":"{}","_uag_custom_page_level_css":"","_genesis_hide_title":false,"_genesis_hide_breadcrumbs":false,"_genesis_hide_singular_image":false,"_genesis_hide_footer_widgets":false,"_genesis_custom_body_class":"","_genesis_custom_post_class":"","_genesis_layout":"","footnotes":""},"categories":[10261],"tags":[14060,14058,14062],"collections":[],"class_list":{"0":"post-36177","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-intelligenza-artificiale","8":"tag-benchmark","9":"tag-dwarfstar","10":"tag-modelli","11":"entry"},"yoast_head":"\nDwarfStar: la stella nana che illumina l'AI di frontiera locale - Codemotion Magazine<\/title>\n<meta name=\"description\" content=\"DwarfStar \u00e8, nella sua essenza, un tentativo di ribaltare questa equazione. Non un'alternativa commerciale, non un wrapper attorno a qualcos'altro: un motore di inferenza scritto da zero, in C, ottimizzato maniacalmente per un singolo modello, distribuito gratuitamente con licenza MIT.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"DwarfStar: la stella nana che illumina l'AI di frontiera locale\" \/>\n<meta property=\"og:description\" content=\"DwarfStar \u00e8, nella sua essenza, un tentativo di ribaltare questa equazione. Non un'alternativa commerciale, non un wrapper attorno a qualcos'altro: un motore di inferenza scritto da zero, in C, ottimizzato maniacalmente per un singolo modello, distribuito gratuitamente con licenza MIT.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/\" \/>\n<meta property=\"og:site_name\" content=\"Codemotion Magazine\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/Codemotion.Italy\/\" \/>\n<meta property=\"article:published_time\" content=\"2026-07-14T14:48:48+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-07-14T14:48:50+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"896\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Dario Ferrero\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@CodemotionIT\" \/>\n<meta name=\"twitter:site\" content=\"@CodemotionIT\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dario Ferrero\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"13 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\\\/\"},\"author\":{\"name\":\"Dario Ferrero\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#\\\/schema\\\/person\\\/d3aecf71fcce8c6de1ae67518f3f1de1\"},\"headline\":\"DwarfStar: la stella nana che illumina l’AI di frontiera locale\",\"datePublished\":\"2026-07-14T14:48:48+00:00\",\"dateModified\":\"2026-07-14T14:48:50+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\\\/\"},\"wordCount\":2574,\"publisher\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/wp-content\\\/uploads\\\/2026\\\/07\\\/dwarfstar-antirez.jpg\",\"keywords\":[\"benchmark\",\"DwarfStar\",\"modelli\"],\"articleSection\":[\"Intelligenza artificiale\"],\"inLanguage\":\"en-US\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\\\/\",\"url\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\\\/\",\"name\":\"DwarfStar: la stella nana che illumina l'AI di frontiera locale - Codemotion Magazine\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/wp-content\\\/uploads\\\/2026\\\/07\\\/dwarfstar-antirez.jpg\",\"datePublished\":\"2026-07-14T14:48:48+00:00\",\"dateModified\":\"2026-07-14T14:48:50+00:00\",\"description\":\"DwarfStar \u00e8, nella sua essenza, un tentativo di ribaltare questa equazione. Non un'alternativa commerciale, non un wrapper attorno a qualcos'altro: un motore di inferenza scritto da zero, in C, ottimizzato maniacalmente per un singolo modello, distribuito gratuitamente con licenza MIT.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\\\/#breadcrumb\"},\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/wp-content\\\/uploads\\\/2026\\\/07\\\/dwarfstar-antirez.jpg\",\"contentUrl\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/wp-content\\\/uploads\\\/2026\\\/07\\\/dwarfstar-antirez.jpg\",\"width\":1200,\"height\":896},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Intelligenza artificiale\",\"item\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/it\\\/intelligenza-artificiale\\\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"DwarfStar: la stella nana che illumina l’AI di frontiera locale\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#website\",\"url\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/\",\"name\":\"Codemotion Magazine\",\"description\":\"We code the future. Together\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"en-US\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#organization\",\"name\":\"Codemotion\",\"url\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/wp-content\\\/uploads\\\/2019\\\/11\\\/codemotionlogo.png\",\"contentUrl\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/wp-content\\\/uploads\\\/2019\\\/11\\\/codemotionlogo.png\",\"width\":225,\"height\":225,\"caption\":\"Codemotion\"},\"image\":{\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/Codemotion.Italy\\\/\",\"https:\\\/\\\/x.com\\\/CodemotionIT\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/#\\\/schema\\\/person\\\/d3aecf71fcce8c6de1ae67518f3f1de1\",\"name\":\"Dario Ferrero\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/860e20df873940f3a6bb7f64e995c70b9fd9d18f64e3233dd779168cc6a75dca?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/860e20df873940f3a6bb7f64e995c70b9fd9d18f64e3233dd779168cc6a75dca?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/860e20df873940f3a6bb7f64e995c70b9fd9d18f64e3233dd779168cc6a75dca?s=96&d=mm&r=g\",\"caption\":\"Dario Ferrero\"},\"sameAs\":[\"https:\\\/\\\/www.verbanianotizie.it\\\/\"],\"url\":\"https:\\\/\\\/www.codemotion.com\\\/magazine\\\/author\\\/dario-ferrero\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"DwarfStar: la stella nana che illumina l'AI di frontiera locale - Codemotion Magazine","description":"DwarfStar \u00e8, nella sua essenza, un tentativo di ribaltare questa equazione. Non un'alternativa commerciale, non un wrapper attorno a qualcos'altro: un motore di inferenza scritto da zero, in C, ottimizzato maniacalmente per un singolo modello, distribuito gratuitamente con licenza MIT.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/","og_locale":"en_US","og_type":"article","og_title":"DwarfStar: la stella nana che illumina l'AI di frontiera locale","og_description":"DwarfStar \u00e8, nella sua essenza, un tentativo di ribaltare questa equazione. Non un'alternativa commerciale, non un wrapper attorno a qualcos'altro: un motore di inferenza scritto da zero, in C, ottimizzato maniacalmente per un singolo modello, distribuito gratuitamente con licenza MIT.","og_url":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/","og_site_name":"Codemotion Magazine","article_publisher":"https:\/\/www.facebook.com\/Codemotion.Italy\/","article_published_time":"2026-07-14T14:48:48+00:00","article_modified_time":"2026-07-14T14:48:50+00:00","og_image":[{"width":1200,"height":896,"url":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez.jpg","type":"image\/jpeg"}],"author":"Dario Ferrero","twitter_card":"summary_large_image","twitter_creator":"@CodemotionIT","twitter_site":"@CodemotionIT","twitter_misc":{"Written by":"Dario Ferrero","Est. reading time":"13 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/#article","isPartOf":{"@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/"},"author":{"name":"Dario Ferrero","@id":"https:\/\/www.codemotion.com\/magazine\/#\/schema\/person\/d3aecf71fcce8c6de1ae67518f3f1de1"},"headline":"DwarfStar: la stella nana che illumina l’AI di frontiera locale","datePublished":"2026-07-14T14:48:48+00:00","dateModified":"2026-07-14T14:48:50+00:00","mainEntityOfPage":{"@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/"},"wordCount":2574,"publisher":{"@id":"https:\/\/www.codemotion.com\/magazine\/#organization"},"image":{"@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/#primaryimage"},"thumbnailUrl":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez.jpg","keywords":["benchmark","DwarfStar","modelli"],"articleSection":["Intelligenza artificiale"],"inLanguage":"en-US"},{"@type":"WebPage","@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/","url":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/","name":"DwarfStar: la stella nana che illumina l'AI di frontiera locale - Codemotion Magazine","isPartOf":{"@id":"https:\/\/www.codemotion.com\/magazine\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/#primaryimage"},"image":{"@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/#primaryimage"},"thumbnailUrl":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez.jpg","datePublished":"2026-07-14T14:48:48+00:00","dateModified":"2026-07-14T14:48:50+00:00","description":"DwarfStar \u00e8, nella sua essenza, un tentativo di ribaltare questa equazione. Non un'alternativa commerciale, non un wrapper attorno a qualcos'altro: un motore di inferenza scritto da zero, in C, ottimizzato maniacalmente per un singolo modello, distribuito gratuitamente con licenza MIT.","breadcrumb":{"@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/#breadcrumb"},"inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/"]}]},{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/#primaryimage","url":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez.jpg","contentUrl":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez.jpg","width":1200,"height":896},{"@type":"BreadcrumbList","@id":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/dwarfstar-la-stella-nana-che-illumina-lai-di-frontiera-locale\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.codemotion.com\/magazine\/"},{"@type":"ListItem","position":2,"name":"Intelligenza artificiale","item":"https:\/\/www.codemotion.com\/magazine\/it\/intelligenza-artificiale\/"},{"@type":"ListItem","position":3,"name":"DwarfStar: la stella nana che illumina l’AI di frontiera locale"}]},{"@type":"WebSite","@id":"https:\/\/www.codemotion.com\/magazine\/#website","url":"https:\/\/www.codemotion.com\/magazine\/","name":"Codemotion Magazine","description":"We code the future. Together","publisher":{"@id":"https:\/\/www.codemotion.com\/magazine\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.codemotion.com\/magazine\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"en-US"},{"@type":"Organization","@id":"https:\/\/www.codemotion.com\/magazine\/#organization","name":"Codemotion","url":"https:\/\/www.codemotion.com\/magazine\/","logo":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/www.codemotion.com\/magazine\/#\/schema\/logo\/image\/","url":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2019\/11\/codemotionlogo.png","contentUrl":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2019\/11\/codemotionlogo.png","width":225,"height":225,"caption":"Codemotion"},"image":{"@id":"https:\/\/www.codemotion.com\/magazine\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/Codemotion.Italy\/","https:\/\/x.com\/CodemotionIT"]},{"@type":"Person","@id":"https:\/\/www.codemotion.com\/magazine\/#\/schema\/person\/d3aecf71fcce8c6de1ae67518f3f1de1","name":"Dario Ferrero","image":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/secure.gravatar.com\/avatar\/860e20df873940f3a6bb7f64e995c70b9fd9d18f64e3233dd779168cc6a75dca?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/860e20df873940f3a6bb7f64e995c70b9fd9d18f64e3233dd779168cc6a75dca?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/860e20df873940f3a6bb7f64e995c70b9fd9d18f64e3233dd779168cc6a75dca?s=96&d=mm&r=g","caption":"Dario Ferrero"},"sameAs":["https:\/\/www.verbanianotizie.it\/"],"url":"https:\/\/www.codemotion.com\/magazine\/author\/dario-ferrero\/"}]}},"featured_image_src":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez-600x400.jpg","featured_image_src_square":"https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez-600x600.jpg","author_info":{"display_name":"Dario Ferrero","author_link":"https:\/\/www.codemotion.com\/magazine\/author\/dario-ferrero\/"},"uagb_featured_image_src":{"full":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez.jpg",1200,896,false],"thumbnail":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez-150x150.jpg",150,150,true],"medium":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez-300x224.jpg",300,224,true],"medium_large":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez-768x573.jpg",768,573,true],"large":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez-1024x765.jpg",1024,765,true],"1536x1536":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez.jpg",1200,896,false],"2048x2048":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez.jpg",1200,896,false],"small-home-featured":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez-100x100.jpg",100,100,true],"sidebar-featured":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez-180x128.jpg",180,128,true],"genesis-singular-images":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez-896x504.jpg",896,504,true],"archive-featured":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez-400x225.jpg",400,225,true],"gb-block-post-grid-landscape":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez-600x400.jpg",600,400,true],"gb-block-post-grid-square":["https:\/\/www.codemotion.com\/magazine\/wp-content\/uploads\/2026\/07\/dwarfstar-antirez-600x600.jpg",600,600,true]},"uagb_author_info":{"display_name":"Dario Ferrero","author_link":"https:\/\/www.codemotion.com\/magazine\/author\/dario-ferrero\/"},"uagb_comment_info":0,"uagb_excerpt":"*C’\u00e8 una scena nel romanzo *Neuromancer* di William Gibson in cui il protagonista si collega direttamente a un’intelligenza immensa, distribuita su server inaccessibili, attraverso una connessione che lui non controlla e non possiede. Era fantascienza nel 1984. Nel 2026 \u00e8, pi\u00f9 o meno, la realt\u00e0 quotidiana di chiunque usi ChatGPT, Claude o Gemini: modelli giganteschi,……","lang":"it","_links":{"self":[{"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/posts\/36177","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/users\/336"}],"replies":[{"embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/comments?post=36177"}],"version-history":[{"count":2,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/posts\/36177\/revisions"}],"predecessor-version":[{"id":36213,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/posts\/36177\/revisions\/36213"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/media\/36178"}],"wp:attachment":[{"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/media?parent=36177"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/categories?post=36177"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/tags?post=36177"},{"taxonomy":"collections","embeddable":true,"href":"https:\/\/www.codemotion.com\/magazine\/wp-json\/wp\/v2\/collections?post=36177"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}