Quando l’intelligenza artificiale lavora sul nostro computer, i dati restano davvero in casa?
Codex può utilizzare LM Studio come fornitore di un modello linguistico eseguito direttamente sul proprio computer. L’integrazione permette di impiegare Codex per analizzare codice, creare script e lavorare sui file senza affidare necessariamente l’elaborazione del modello ai server di OpenAI.
È però importante distinguere tre aspetti diversi:
- dove viene eseguito il modello;
- quali strumenti esterni vengono utilizzati;
- quali dati tecnici possono essere trasmessi dal programma che ospita il modello.
Dire semplicemente «uso un modello locale» non è sufficiente per concludere che nessuna informazione lasci il computer.
Come funziona l’integrazione
LM Studio può esporre sul computer un servizio compatibile con l’API Responses utilizzata da Codex. Normalmente il servizio viene pubblicato all’indirizzo locale:
http://localhost:1234Codex invia le richieste a questo indirizzo invece di trasmetterle a un modello ospitato sui server di OpenAI.
Il percorso diventa quindi:
Utente
↓
Codex installato sul computer
↓
LM Studio su localhost
↓
Modello caricato nella RAM o nella GPU
↓
Risposta restituita a CodexLa documentazione ufficiale di LM Studio conferma che Codex può collegarsi al suo endpoint locale /v1/responses. La modalità può essere avviata tramite il parametro --oss.
[LM Studio – Integrazione con Codex]
Un esempio essenziale è:
lms server start --port 1234
codex --oss --local-provider lmstudioÈ anche possibile indicare espressamente un modello già scaricato:
codex --oss --local-provider lmstudio -m nome-del-modelloCodex supporta ufficialmente lmstudio come provider locale e consente di impostarlo come predefinito nella configurazione personale. [OpenAI – Comandi di Codex]
I dati restano davvero in locale?
La risposta corretta è: sì, ma soltanto se l’intero percorso di elaborazione è configurato per essere locale.
Secondo l’informativa privacy di LM Studio, quando si scarica un modello e lo si esegue localmente, messaggi, documenti e cronologia non vengono trasmessi da LM Studio verso i suoi server. L’elaborazione avviene sul dispositivo e i dati vengono eventualmente conservati localmente.
In una configurazione correttamente locale:
- il prompt viene inviato da Codex a
localhost; - l’inferenza viene eseguita dalla CPU o dalla GPU del computer;
- la risposta torna a Codex attraverso la rete locale interna;
- OpenAI non riceve la richiesta attraverso i propri server di inferenza;
- non si sostengono costi API a token per quella elaborazione.
Ci sono però alcune eccezioni importanti.
La telemetria di Codex
La documentazione di OpenAI indica che Codex invia per impostazione predefinita una quantità limitata di dati anonimi relativi all’utilizzo e allo stato del programma. OpenAI dichiara che queste metriche non contengono informazioni personali. Possono comprendere, per esempio, versione dell’applicazione, modello selezionato, modalità di autenticazione e tipo di strumento utilizzato.
Questa telemetria è separata dal contenuto del prompt e può essere disabilitata. [OpenAI – Configurazione avanzata di Codex]
Nel file personale:
C:\Users\<utente>\.codex\config.tomlsi può inserire:
oss_provider = "lmstudio"
web_search = "disabled"
[analytics]
enabled = false
[feedback]
enabled = falseQuesta configurazione:
- seleziona LM Studio come provider locale predefinito;
- disabilita la ricerca web;
- disabilita le metriche analitiche;
- disabilita l’invio di feedback.
Gli strumenti esterni
Anche con un modello locale, i dati possono uscire dal computer se Codex utilizza:
- ricerca sul Web;
- browser;
- plugin o connettori;
- server MCP remoti;
- repository o servizi cloud;
- modelli OpenAI o altri modelli cloud;
- LM Link verso un altro computer;
- funzioni cloud o Web Search di LM Studio.
Un modello locale non rende automaticamente locali anche gli strumenti che può richiamare.
Questa chat non diventa locale
La conversazione svolta nell’applicazione ChatGPT o attraverso un servizio OpenAI non deve essere confusa con una sessione Codex CLI collegata direttamente a LM Studio.
Il fatto di installare LM Studio non rende retroattivamente locale una chat già trasmessa a un servizio cloud. Per lavorare realmente in locale bisogna avviare Codex con il provider LM Studio e verificare che la sessione utilizzi effettivamente quel provider.
Locale non significa cancellato
I dati possono non uscire dal computer ma rimanere memorizzati sul disco sotto forma di:
- cronologia delle conversazioni;
- sessioni Codex;
- log;
- cache;
- file temporanei;
- risultati prodotti;
- cronologie conservate da LM Studio.
Quindi «resta in locale» non significa necessariamente «non viene conservato». Significa che la conservazione avviene sul proprio dispositivo e deve essere gestita con adeguate politiche di accesso, cifratura, backup e cancellazione.
Quattro possibili scenari
| Configurazione | Dove avviene l’elaborazione | I dati possono uscire dal PC? |
|---|---|---|
| Codex CLI, LM Studio locale, strumenti esterni disabilitati | Sul computer | Non per l’inferenza; può restare telemetria se non disabilitata |
| Codex con LM Studio e ricerca Web | Modello sul PC, ricerca su Internet | Sì, attraverso il servizio di ricerca |
| Codex con modello OpenAI | Server OpenAI | Sì, secondo le condizioni del servizio utilizzato |
| LM Studio con modello cloud | Infrastruttura cloud di LM Studio | Sì, anche se LM Studio dichiara Zero Data Retention per tali servizi |
Configurazione minima del computer
I requisiti ufficiali di LM Studio per Windows prevedono:
- sistema x64 oppure ARM supportato;
- CPU x64 con istruzioni AVX2;
- almeno 16 GB di RAM raccomandati;
- GPU con almeno 4 GB di memoria video dedicata raccomandati.
Questi requisiti permettono di avviare LM Studio, ma non garantiscono prestazioni adeguate per un modello destinato ad attività complesse di programmazione. [LM Studio – Requisiti di sistema]
Una configurazione pratica può essere valutata così:
| Componente | Minimo funzionale | Minimo pratico per Codex | Configurazione consigliata |
|---|---|---|---|
| CPU | x64 con AVX2 | 6 core moderni | 8–16 core moderni |
| RAM | 16 GB | 32 GB | 64 GB |
| GPU dedicata | 4 GB VRAM | 12–16 GB VRAM | 24 GB VRAM |
| Disco | SSD | NVMe con almeno 100 GB liberi | NVMe con 200 GB o più |
| Sistema | Windows x64/ARM supportato | Windows 11 a 64 bit | Windows 11 aggiornato |
| Modelli indicativi | 3–4 miliardi di parametri | 7–20 miliardi quantizzati | modelli più grandi o contesti più estesi |
La colonna “minimo funzionale” deriva dai requisiti ufficiali; le altre due sono raccomandazioni pratiche e non requisiti dichiarati dal produttore.
Per gpt-oss-20b, una guida OpenAI archiviata indicava almeno 16 GB di VRAM. Per gpt-oss-120b indicava circa 60 GB o più, collocandolo fuori dalla portata di un normale PC. Questi valori devono essere considerati indicativi perché dipendono da quantizzazione, contesto e versione del runtime. [OpenAI – Esecuzione di gpt-oss con LM Studio]
Prima di caricare un modello si può ottenere una stima delle risorse:
lms load --estimate-only nome-del-modelloLM Studio calcola la memoria prevista considerando modello, contesto e utilizzo della GPU.
[LM Studio – Caricamento dei modelli]
Costi
Costi che si riducono
Con un modello locale non si paga a OpenAI o a LM Studio un prezzo per ogni token generato localmente.
Il piano gratuito di LM Studio comprende l’esecuzione dei modelli locali. I modelli locali non consumano crediti destinati all’inferenza cloud. [LM Studio – Prezzi]
Questo può risultare conveniente quando:
- vengono eseguite molte elaborazioni;
- si analizzano frequentemente repository estesi;
- il computer è già sufficientemente potente;
- non occorre sempre la qualità di un modello cloud di frontiera;
- la riservatezza è più importante della velocità.
Costi che rimangono
L’elaborazione locale non è completamente gratuita. I costi vengono trasferiti dal consumo a token all’infrastruttura:
- acquisto o aggiornamento della GPU;
- maggiore quantità di RAM;
- spazio su disco per i modelli;
- consumo elettrico;
- manutenzione e aggiornamenti;
- tempo necessario per scegliere e collaudare i modelli;
- prestazioni generalmente inferiori rispetto ai migliori modelli cloud;
- eventuale abbonamento OpenAI utilizzato per funzioni separate da quelle locali.
La convenienza dipende quindi dal carico di lavoro. Per un uso occasionale, il cloud può essere economicamente più conveniente. Per attività frequenti e ripetitive, un computer già disponibile può ridurre il costo marginale di ogni elaborazione.
Benefici principali
Maggiore controllo sui dati
Codice sorgente, documenti e prompt possono essere elaborati senza inviarli a un servizio di inferenza esterno.
Funzionamento offline
Dopo aver scaricato applicazione, runtime e modelli, LM Studio può funzionare senza connessione Internet. La connessione rimane necessaria per scaricare modelli, controllare aggiornamenti o usare funzioni cloud. [LM Studio – Funzionamento offline]
Nessun costo per token locale
È possibile effettuare molte prove senza incrementare il costo di una API cloud.
Scelta del modello
Si possono confrontare modelli, quantizzazioni e configurazioni differenti in base alle risorse disponibili e al tipo di lavoro.
Controllo tecnico verificabile
È possibile misurare utilizzo di RAM, GPU, prestazioni e traffico di rete, costruendo una configurazione sottoposta a controlli tecnici anziché affidarsi soltanto a una dichiarazione di riservatezza.
Limiti e svantaggi
Qualità non sempre equivalente
Un modello locale di piccole o medie dimensioni può essere meno affidabile di un modello cloud avanzato nel:
- comprendere repository molto estesi;
- coordinare numerosi strumenti;
- mantenere contesti lunghi;
- produrre modifiche complesse;
- individuare errori sottili;
- seguire istruzioni articolate per molte fasi.
Hardware necessario
Le prestazioni dipendono direttamente da GPU, memoria disponibile, quantizzazione e lunghezza del contesto.
Maggiore responsabilità dell’utente
Chi usa il modello deve gestire:
- aggiornamenti;
- sicurezza del server locale;
- accesso ai file;
- backup e cronologie;
- licenze dei modelli;
- verifica della qualità;
- protezione della rete.
Compatibilità variabile
Non tutti i modelli supportano nello stesso modo ragionamento, chiamata degli strumenti e generazione strutturata. La compatibilità con l’API non garantisce che un modello sappia usare Codex con la stessa efficacia di un modello progettato specificamente per attività agentiche.
Configurazione prudente per dati riservati
Per avvicinarsi a un ambiente realmente locale conviene:
- usare Codex CLI con
--oss --local-provider lmstudio; - mantenere il server LM Studio su
127.0.0.1; - non abilitarne l’accesso dalla rete locale;
- disabilitare Web Search, plugin e MCP remoti;
- non selezionare modelli cloud;
- disabilitare analytics e feedback;
- cifrare il disco e proteggere l’account Windows;
- controllare log e cronologie locali;
- limitare a Codex l’accesso alle sole directory necessarie;
- verificare il traffico di rete con firewall o strumenti di monitoraggio.
Se il server LM Studio viene esposto in rete, è opportuno abilitarne l’autenticazione mediante token. Per impostazione predefinita, infatti, il server locale non richiede autenticazione. [LM Studio – Autenticazione del server]
Per requisiti particolarmente rigorosi, la garanzia non dovrebbe dipendere soltanto dalla configurazione dichiarata: l’accesso alla rete dovrebbe essere tecnicamente bloccato o limitato e il comportamento verificato osservando il traffico effettivo.
Conclusione
Codex e LM Studio permettono di costruire un ambiente nel quale il modello elabora codice e documenti direttamente sul proprio computer. In questa configurazione OpenAI non riceve il prompt attraverso i propri server di inferenza e non applica un costo API per i token generati localmente.
Non basta però selezionare un modello locale per rendere locale l’intero processo. Telemetria, ricerca Web, plugin, MCP remoti, servizi cloud e cronologie devono essere considerati separatamente.
La soluzione più affidabile consiste nel combinare modello locale, strumenti locali, telemetria disabilitata, accesso alla rete controllato e verifiche tecniche. La riservatezza non deve dipendere esclusivamente da una promessa software: deve essere sostenuta da una configurazione nella quale le comunicazioni non autorizzate siano impedite e quelle consentite possano essere controllate.
Fonti consultate
Fonti ufficiali verificate l’11 ottobre 2026:
- OpenAI – Comandi di Codex e provider locali
- OpenAI – Configurazione avanzata, modalità OSS e telemetria
- OpenAI – Riferimento della configurazione Codex
- LM Studio – Integrazione con Codex
- LM Studio – Requisiti di sistema
- LM Studio – Funzionamento offline
- LM Studio – Informativa privacy
- LM Studio – Prezzi
- LM Studio – Autenticazione del server
