Freebuff: il coding agent gratuito con la pubblicità

Nel pezzo dedicato al confronto tra agenti di coding open source avevamo raccontato, tra gli altri, di OpenCode e Pi Agent, due strumenti gratuiti che non chiedono login e non toccano la carta di credito. La domanda che era rimasta in sospeso riguardava i modelli di frontiera, quelli davvero costosi da servire. Si può offrire un agente di coding gratuito, senza limiti stringenti, usando gli stessi modelli che alimentano i prodotti da centinaia di euro l'anno? Freebuff prova a rispondere di sì, con una scommessa che fino a poco tempo fa sarebbe sembrata bizzarra persino nel mondo dei developer tool, notoriamente allergico a qualsiasi forma di pubblicità: pagare i conti con annunci testuali infilati tra un turno e l'altro dell'agente.

Un modello diverso

Freebuff è il prodotto di CodebuffAI, team passato per Y Combinator (batch F24) e guidato da James Grugett, già fondatore di Manifold Markets. Il progetto si articola in cinque prodotti, Desktop, CLI, Web, Cloud e Chat, tutti costruiti sopra Codebuff, il framework multi-agente open source (licenza Apache 2.0) da cui Freebuff eredita l'architettura. Le due tagline che accompagnano il lancio, "we make coding 100% free" e "it's free because it should be", non sono solo marketing: nelle prime settimane dal debutto di agosto 2026 il prodotto ha superato i 230mila sviluppatori, come racconta lo stesso Carbon Ads nel profilo dedicato al suo publisher più insolito.

Il meccanismo economico è tanto semplice quanto insolito per il settore. Tra i turni dell'agente, mai dentro il codice generato, mai come popup invasivo, compaiono annunci testuali in stile Carbon Ads, la rete pubblicitaria nata nel 2010 e specializzata in audience tecniche. La pubblicità è contestuale e non comportamentale, sul modello storico di Carbon: se si sta scrivendo un backend, è più probabile vedere un annuncio su un database vettoriale che su uno strumento di marketing automation, senza che questo implichi la costruzione di un profilo del singolo sviluppatore. Il ragionamento di fondo, per come lo raccontano i materiali di CodebuffAI, è che il costo dei modelli linguistici capaci di scrivere codice è crollato molto più velocemente del prezzo degli strumenti che li impacchettano. Gli abbonamenti dei concorrenti lo confermano: OpenCode, che offre dei modelli gratuiti, per il piano a pagamento parte da 120 dollari l'anno, mentre Cursor, Claude Code e Devin si attestano tutti attorno ai 240 dollari l'anno nei piani base, con i livelli premium che salgono ben oltre. Freebuff costa zero, e per chi proprio non vuole vedere pubblicità resta comunque una via di fuga a pagamento, Codebuff Pro, con piani da 100, 200 o 500 dollari al mese pensati più per team e uso intensivo che per lo sviluppatore occasionale.

Dentro Freebuff

L'architettura non affida tutto a un unico modello monolitico, ma coordina agenti specializzati: un File Picker Agent che esplora la codebase, un Planner Agent che decide cosa modificare e in che ordine, un Editor Agent che scrive le modifiche e un Reviewer Agent che le convalida. È lo stesso schema di Codebuff, che nei suoi benchmark interni dichiara di battere Claude Code 61% a 53% su oltre 175 task di coding reale distribuiti su repository open source. Sono numeri di parte, va detto senza ambiguità, prodotti dallo stesso team che vende il prodotto, ma danno comunque la misura di quanto l'approccio multi-agente sia centrale nella proposta.

Il catalogo dei modelli, al momento in cui scriviamo, comprende GLM 5.3 Flash per il ragionamento profondo, DeepSeek V4 Flash 07/31 per la scrittura veloce e l'uso di tool, GPT-5.6 Luna e MiMo 2.5 con supporto alle immagini, Solar Pro 4 con un contesto da 524mila token ma disponibile solo per un periodo di prova limitato, e Muse Spark 1.2, il modello agentico di Meta da un milione di token di contesto, condiviso da tutta la base utenti e quindi soggetto a code nei momenti di traffico alto. L'accesso segue due sistemi paralleli: quello storico a sessioni, sei blocchi da un'ora al giorno estendibili con referral e bounty, e quello più recente a Freebucks, dove ogni ora matura un piccolo budget che si consuma in proporzione al costo del modello scelto. GLM 5.3 Flash, DeepSeek V4 Flash, MiMo 2.5 e Solar Pro 4 restano comunque non misurati per chi ha accesso pieno, garantito in Stati Uniti, Canada, Regno Unito, Unione Europea e altri paesi selezionati; altrove, o dietro VPN, l'accesso si riduce a un sottoinsieme di modelli.

Nell'uso quotidiano dalla CLI, installabile con npm install -g freebuff, la logica ricorda da vicino OpenCode e Pi Agent: si lancia il comando nella cartella del progetto e si descrive cosa serve. Una particolarità operativa merita di essere segnalata perché non è ovvia: la sessione a tempo parte quando viene creata, non al primo prompt inviato, quindi aprirla e lasciarla inattiva consuma comunque il minutaggio. Alla scadenza l'input si blocca, ma l'agente continua a lavorare in background fino a completare il task in corso, e il comando /history permette di recuperare il contesto già costruito in una sessione successiva, così che il lavoro di preparazione non vada perduto. Tutto resta sui file locali, quindi nulla si perde davvero, e il tool non tocca i repository remoti a meno che non gli venga chiesto esplicitamente. Sul fronte della privacy, CodebuffAI dichiara che i dati vengono usati per addestrare modelli solo quando una funzione lo segnala in modo esplicito, che prompt e messaggi possono essere analizzati per personalizzare gli annunci, che i file caricati separatamente e i repository collegati non vengono ceduti agli inserzionisti, e che solo un numero ristretto di partner può valutare repository Cloud o codice associato a modelli etichettati come utilizzabili per l'addestramento AI. Screenshot della home page del sito ufficiale

GLM 5.3 Flash, il caso Ox Alpha

Il modello che abbiamo scelto di mettere alla prova è GLM 5.3 Flash, e la sua storia recente vale la pena raccontarla perché dice qualcosa sul modo in cui oggi si affermano i modelli open weight. Il 20 agosto 2026 un modello senza nome e senza azienda dichiarata è comparso su OpenRouter e OpenCode con un contesto da un milione di token. Nel giro di pochi giorni gli sviluppatori lo hanno ribattezzato Ox Alpha e lo hanno messo alla prova su task reali, dall'audit di pull request ai flussi multi-agente. In tre giorni ha processato oltre 11mila miliardi di token solo su OpenRouter, il lancio più imponente mai tracciato dalla piattaforma, e ha chiuso il regno durato 56 giorni di DeepSeek in cima alle classifiche di OpenCode. Il 26 agosto Zhipu AI, che opera a livello internazionale con il marchio Z.ai, ha confermato che Ox Alpha era in realtà GLM 5.3 Flash, pubblicando contestualmente i pesi su Hugging Face con licenza MIT. Patrick Collison, cofondatore di Stripe (che proprio il giorno prima aveva concordato l'acquisizione di OpenRouter), ha commentato la vicenda definendola "molto impressionante".

Tecnicamente si tratta di un modello Mixture-of-Experts da 320 miliardi di parametri totali, di cui solo 18 miliardi attivi per ogni inferenza, il primo della famiglia GLM-5 nativamente multimodale, capace cioè di accettare testo, immagini, video e file. L'architettura ibrida, che combina attenzione lineare e sparsa, riduce il calcolo per l'attenzione di circa tre volte e la cache KV di oltre quattro volte rispetto al fratello maggiore GLM-5.3, permettendo di sostenere il contesto da un milione di token senza far esplodere i costi di serving. Il training è avvenuto su 30mila miliardi di token multimodali. Sul fronte dei benchmark, Artificial Analysis assegna a GLM 5.3 Flash un punteggio di 57 sull'Intelligence Index, contro il 60 del modello maggiore GLM-5.3, ma a un costo per task di circa 0,09 dollari contro 0,68, grosso modo un settimo. Sul Terminal-Bench 2.1, il benchmark più rilevante per un coding agent, il punteggio è 84.3, e su DeepSWE v1.1 arriva a 63.4. Zhipu ha inoltre dichiarato che l'intera settimana di traffico stealth di Ox Alpha, oltre 62mila miliardi di token in totale, è stata servita su un cluster di circa 100mila chip AI di produzione cinese, senza hardware Nvidia coinvolto, una dichiarazione che ha fatto volare le azioni di Zhipu a Hong Kong di oltre il 12% e che, se confermata su scala produttiva, ridimensiona parte del vantaggio infrastrutturale che i controlli all'export statunitensi cercano di proteggere.

AlboUp, la prova sul campo

Per capire cosa significhi tutto questo nella pratica abbiamo costruito con Freebuff e GLM 5.3 Flash un'applicazione vera, AlboUp: una web app per leggere l'Albo Pretorio del Comune di Verbania in modo più semplice di quanto lo sia il portale istituzionale. È il terzo capitolo di una piccola suite personale di app "*Up", dedicate al mio territorio, ispirata alle precedenti BenzUp e JobUp, scritta in HTML, CSS e JavaScript puri, senza dipendenze.

L'app mostra una lista immediata degli atti con tipo, oggetto sintetico, numero, data, allegati e un flag per i documenti nuovi, con una scheda di dettaglio che rimanda alla pagina ufficiale. Le sezioni sono tre, in pubblicazione, archivio e matrimoni, con ricerca sull'intero archivio, filtri rapidi per tipo di atto, caricamento progressivo a pagine da cinquanta elementi, tema chiaro e scuro, cache locale e link diretto a ogni singolo atto. È anche una PWA installabile, con manifest, icona e splash animato.

La parte interessante, per chi lavora con questi strumenti, sono le sfide tecniche incontrate lungo il percorso, perché sono quelle che rivelano davvero il livello del modello. Il portale del Comune, costruito su Liferay con il portlet jCityGov, non espone API né header CORS, quindi la soluzione individuata dall'agente è passata per il proxy pubblico r.jina.ai, con un fallback e un parser Markdown di riserva nel caso il servizio non risponda, verificati endpoint per endpoint senza bisogno di sessione o cookie e coperti da test su dati reali. Un altro dettaglio non banale riguarda gli allegati firmati digitalmente in formato .p7m, gestiti insieme ai normali PDF, e la scelta di usare il periodo di pubblicazione dell'atto come data di riferimento invece delle date che compaiono nel testo, spesso fuorvianti. Il deploy è statico, pensato per Netlify, GitHub Pages o Cloudflare Pages, con una suite di test che separa un parser.test.js offline da un e2e.test.js che verifica il comportamento online, dove il limite più concreto resta il rate limit di r.jina.ai, mitigato dalla cache locale.

Dal punto di vista dei tempi, la prima stesura sostanzialmente funzionante è arrivata in un'ora e venti minuti, seguita da circa un'ora, distribuita in più sessioni, per rifinire i dettagli secondo le preferenze personali. L'impressione più netta, superiore alla pura velocità, è quella di un modello che esplora sistematicamente le alternative prima di scegliere e poi esegue senza tentennamenti eccessivi, un comportamento che ricorda meno un generatore di codice reattivo e più un collega che prima capisce il problema e poi lo risolve, con la stessa economia di gesti di un level designer indipendente che conosce ogni angolo della propria mappa prima ancora di disegnarla.

Screenshot di AlboUp

La pubblicità può reggere il coding?

La scommessa di fondo di Freebuff è che l'attenzione degli sviluppatori valga abbastanza, per gli inserzionisti giusti, da finanziare un prodotto gratuito nel lungo periodo. È una tesi che si regge su due pilastri concreti: modelli open weight sempre più capaci e sempre più economici da servire, come dimostra proprio la vicenda di GLM 5.3 Flash, e una rete pubblicitaria di nicchia come Carbon Ads che da anni lavora con questo tipo di pubblico senza ricorrere a cookie o profilazione comportamentale. Nel terzo trimestre del 2026 i tre agenti da riga di comando con più utenti sono tutti gratuiti, un segnale che il mercato si sta muovendo in questa direzione indipendentemente dal singolo prodotto. Il rischio più evidente è la dipendenza dal mercato pubblicitario, che può variare in modo significativo da regione a regione, da cui derivano proprio le due modalità di accesso, piena e limitata, che oggi caratterizzano Freebuff.

Guardato da un'altra angolazione, Freebuff propone una terza via rispetto alle due opzioni già note: non il self-hosting, che richiede competenze tecniche e hardware non alla portata di tutti, e non l'accesso via API a pagamento, che richiede comunque un budget dedicato. La pubblicità, in questo schema, non chiede né infrastruttura né spesa diretta all'utente finale, e in teoria democratizza l'accesso a strumenti di sviluppo assistito da modelli di frontiera. Per chi sviluppa, questo significa un'opzione gratuita reale, a fronte di un compromesso esplicito su pubblicità e uso dei dati per la personalizzazione degli annunci, un compromesso che ciascuno può valutare diversamente a seconda di quanto valore attribuisce alla propria attenzione mentre scrive codice. Per chi osserva il settore, è un caso di studio su come la pubblicità possa finanziare strumenti destinati a un pubblico tecnico, storicamente il più insofferente verso ogni forma di advertising.

Le conclusioni

La nostra esperienza con AlboUp dice che l'esperimento, almeno nella sua fase iniziale, funziona: un modello di frontiera, gratuito, usato per costruire un'applicazione reale in un paio d'ore complessive. GLM 5.3 Flash conferma di essere un modello capace a un costo di serving quasi irrisorio, e la combinazione con l'infrastruttura di Freebuff rende tutto questo accessibile senza carta di credito. Restano però più domande aperte che certezze. Quanto è sostenibile nel tempo un modello che lega la qualità del prodotto gratuito al ciclo degli investimenti pubblicitari nel settore tech, storicamente volatile? Cosa succede quando i costi di inferenza dei modelli di frontiera smetteranno di scendere al ritmo attuale, o quando la concorrenza tra reti pubblicitarie di nicchia si farà più serrata? E soprattutto: la modalità limitata riservata a intere aree geografiche resterà un compromesso temporaneo, o diventerà una linea di frattura strutturale tra chi ha accesso pieno agli strumenti di sviluppo assistito e chi no? Non sono domande retoriche, e la risposta arriverà solo osservando cosa succede a Freebuff, e a chi proverà a imitarlo, nei prossimi trimestri.