---
title: "Maurizio Fonte - Consulenza Informatica"
description: "Maurizio Fonte, ingegnere informatico artigiano a Torino: intelligenza artificiale con Claude e Codex, software su misura e sicurezza informatica."
canonical: "https://www.mauriziofonte.it/"
author: "Maurizio Fonte"
---

# Maurizio Fonte - Consulenza Informatica

Backend Engineer, Software Architect, Cybersecurity Specialist. Esperto in pipeline AI con Claude e Codex. Sede a Torino e operatività remota nazionale.

Chi sono  

> Lavoro nell'IT dal 2005, laureato in Ingegneria Informatica al Politecnico di Torino nel 2008, consulente indipendente con P.IVA italiana dal 2014. Mi presento come **Senior Backend Architect con specializzazione in cybersecurity e integrazione di LLM in sistemi di produzione** - tre competenze che vent'anni fa sarebbero state tre carriere separate, e che oggi convergono sullo stesso tavolo di decisione di qualunque azienda che voglia fare le cose per bene.  
>  Il mio lavoro quotidiano tocca backend PHP (Laravel, Symfony), infrastrutture Linux su Cloud come Hetzner, OVH, Contabo, Digital Ocean, Amazon AWS, sicurezza informatica, e pipeline AI Claude o Codex, oppure completamente private e self-hosted per aziende con vincoli di data sovereignty.  
>  L'approccio è **ingegneristico in senso stretto**: ogni scelta tecnica deve reggere in produzione, essere auditabile, restare manutenibile da chi arriverà dopo di me. **Progetto infrastrutture dove il cliente controlla dati, costi e governance** - non semplici ecosistemi dove l'AI è una "black box a noleggio" da ricomprare ogni anno.

Come lavoro

## Il mio metodo in 5 passi

1. 1**Audit tecnico e funzionale.**

  Lettura del codice, dell'infrastruttura, delle scelte fatte. Capisco cosa c'è prima di proporre cosa cambiare. Alla fine ricevi un report scritto con stato attuale, rischi, debiti tecnici, opportunità.
2. 2**Proposta scritta con scope e rischi.**

  Scope, deliverable, tempi, prezzo, esclusioni, rischi identificati. Se il progetto non porta valore reale al business, lo dico in proposta e restiamo liberi da impegni.
3. 3**Implementazione incrementale.**

  Lavoro in milestone visibili, con commit e PR review. Niente big-bang releases, niente "consegno tra 3 mesi". Vedi il progresso e correggi rotta in tempo reale.
4. 4**Monitoraggio e hardening post-deploy.**

  Dopo la consegna: monitoring metriche reali, audit di sicurezza post-rilascio, fix dei bug riconducibili al codice scritto entro 30 giorni di garanzia prioritaria.
5. 5**Knowledge transfer al team interno.**

  Documentazione tecnica scritta per chi arriverà dopo di me, sessioni di handover con il team, runbook operativi. Niente vendor lock-in, niente codice "intoccabile".

Casi reali, anonimi per NDA

## Tre interventi recenti, con metriche prima/dopo

Nomi clienti omessi per accordi di riservatezza. Dimensioni e settori reali, numeri reali.

Refactoring Laravel legacy

**Azienda manifatturiera in Piemonte** (DA 2.000.000 EUR). Refactoring incrementale Laravel 5 → 11 in 4 mesi senza fermo produzione, su gestionale interno usato da 30 utenti operativi.

- Response time **350ms → 80ms** al 95° percentile
- Deploy time **25 min → 90 sec**
- **Zero incidenti** post-migrazione

Audit di sicurezza pre-NIS2

**SaaS B2B emiliano** (40 clienti enterprise). Audit di sicurezza applicativa e infrastrutturale in vista dell'adeguamento NIS2, con remediation plan e formazione team interno.

- **12 vulnerabilità** chiuse in 3 sprint
- Hardening Linux su **4 VPS** di produzione
- Formazione **8 dev** su OWASP Top 10

Integrazione LLM privata

**Studio professionale Lombardia**. Integrazione LLM su knowledge base documentale interna (2400 documenti, ~140 MB) con vincolo data sovereignty. Gira su Ollama, Mistral, pgvector e un MCP server custom.

- Tempo medio risposta **14 min → 90 sec**
- **Cost tracking** deterministico
- **Zero dati** usciti dall'infrastruttura del cliente

Ultimi articoli

## Dal blog - NIS2, Laravel, Symfony, sicurezza applicativa

19/10/2026

### [NIS2, il 31 ottobre scade il termine ACN per le misure di base](https://www.mauriziofonte.it/blog/post/nis2-31-ottobre-2026-termine-acn-misure-base-checklist-tecnica.html)

  [NIS2](https://www.mauriziofonte.it/blog/cat/nis2.html) [Sicurezza Informatica](https://www.mauriziofonte.it/blog/cat/sicurezza_informatica.html) ![NIS2, il 31 ottobre scade il termine ACN per le misure di base](https://www.mauriziofonte.it/image/005710200-nis2-31-ottobre-2026-termine-acn-misure-base-checklist-tecnica.jpg) Per i soggetti NIS2 inseriti nell'elenco nel 2025, i 18 mesi concessi dall'ACN per le misure di sicurezza di base si esauriscono attorno al 31 ottobre 2026. La data giusta però non è quella del calendario generale, è nella PEC di inserimento che hai ricevuto, e per molti cade prima. Soprattutto il 31 ottobre non chiude una finestra di lavoro, apre quella ispettiva, con vigilanza anche preventiva sui soggetti essenziali, e conviene sapere quali evidenze verranno chieste davvero. [Continua a leggere](https://www.mauriziofonte.it/blog/post/nis2-31-ottobre-2026-termine-acn-misure-base-checklist-tecnica.html) 16/10/2026

### [Determinism in local LLM output, measured run against run](https://www.mauriziofonte.it/blog/post/local-llm-deterministic-output-temperature-zero-llama-cpp-reproducibility.html)

  [LLM](https://www.mauriziofonte.it/blog/cat/llm.html) [Testing](https://www.mauriziofonte.it/blog/cat/testing.html) ![Determinism in local LLM output, measured run against run](https://www.mauriziofonte.it/image/006020200-local-llm-deterministic-output-temperature-zero-llama-cpp-reproducibility.jpg) Ask a local model the same question twice at temperature zero and you expect the same answer. On a 16GB card with llama.cpp that held exactly in some configurations and failed badly in others. Fifty coding answers came back identical across two serving paths and several days. Four parallel slots changed 3.7% of answers, a speculative decoding head 43 of 50, and an engine that computes part of the model on the CPU 46 of 50. Determinism belongs to the configuration, not the temperature. [Continua a leggere](https://www.mauriziofonte.it/blog/post/local-llm-deterministic-output-temperature-zero-llama-cpp-reproducibility.html) 15/10/2026

### [Migrare le sorgenti APT al formato deb822 .sources](https://www.mauriziofonte.it/blog/post/migrare-sorgenti-apt-deb822-sources-debian-13.html)

  [Linux & Server](https://www.mauriziofonte.it/blog/cat/linux.html) ![Migrare le sorgenti APT al formato deb822 .sources](https://www.mauriziofonte.it/image/005700200-migrare-sorgenti-apt-deb822-sources-debian-13.jpg) Da quando hai aggiornato a Debian 13, ogni apt update ti saluta con lo stesso avviso sulle sorgenti da modernizzare. Non è rumore di fondo, è la migrazione ufficiale dal formato one-line di sources.list al formato deb822, quello che le installazioni nuove di trixie adottano già. Fra i due formati cambia più di quanto sembri, e il motivo serio per migrare non è l'avviso che ti annoia ma la direttiva Signed-By e ciò che ti permette di fare con le chiavi dei repository. [Continua a leggere](https://www.mauriziofonte.it/blog/post/migrare-sorgenti-apt-deb822-sources-debian-13.html) I post più votati

## Un riepilogo dei post più popolari e più letti

## [Il debito di comprensione: cosa l'AI accumula nella tua codebase mentre sembra accelerare](https://www.mauriziofonte.it/blog/post/debito-comprensione-ai-coding-codebase-decision-maker.html)

Postato il 20/04/2026 in [LLM Automation](https://www.mauriziofonte.it/blog/cat/llm-automation.html) | [AI Development Tools](https://www.mauriziofonte.it/blog/cat/ai-development-tools.html)  ![Il debito di comprensione: cosa l'AI accumula nella tua codebase mentre sembra accelerare](https://www.mauriziofonte.it/image/004400070-debito-comprensione-ai-coding-codebase-decision-maker.jpg) L'AI scrive codice che passa i test, sembra pulito, esce in produzione. Ma quando alle 2 del mattino il sistema cade, nessuno sa più cosa stiamo guardando. Il debito tecnico lo vedi: lo accetti come scelta. Il debito di comprensione no, cresce silenzioso, e la sua compounding rate è la cosa più sottovalutata del coding 2026. [Continua a leggere](https://www.mauriziofonte.it/blog/post/debito-comprensione-ai-coding-codebase-decision-maker.html) Commenti: 0 · Letture: 14363 · Voti: 248

## [La cascata sistemica del coding AI: vulnerabilità, paradosso di produttività, collasso della carriera junior](https://www.mauriziofonte.it/blog/post/ai-coding-cascata-sistemica-vulnerabilita-produttivita-junior.html)

Postato il 21/04/2026 in [AI Security](https://www.mauriziofonte.it/blog/cat/ai-code-security.html) | [Penetration Testing](https://www.mauriziofonte.it/blog/cat/penetration-testing.html)  ![La cascata sistemica del coding AI: vulnerabilità, paradosso di produttività, collasso della carriera junior](https://www.mauriziofonte.it/image/004410070-ai-coding-cascata-sistemica-vulnerabilita-produttivita-junior.jpg) Quando misuri l'AI coding solo sull'output dei junior, sembra un boom di produttività. Quando misuri il sistema intero, la realtà cambia: il 45% del codice AI ha falle di sicurezza, i senior perdono il 19% di produttività riassorbendo il debito, i junior smettono di costruire i modelli mentali che li renderebbero senior domani. Il sistema si squilibria sotto la velocità apparente. [Continua a leggere](https://www.mauriziofonte.it/blog/post/ai-coding-cascata-sistemica-vulnerabilita-produttivita-junior.html) Commenti: 0 · Letture: 12912 · Voti: 206

## [Oltre lo specs-to-code: design concept, ubiquitous language e TDD per non annegare nell'output AI](https://www.mauriziofonte.it/blog/post/oltre-specs-to-code-design-concept-ubiquitous-language-tdd.html)

Postato il 22/04/2026 in [Claude Code](https://www.mauriziofonte.it/blog/cat/claude-code.html) | [LLM Automation](https://www.mauriziofonte.it/blog/cat/llm-automation.html)  ![Oltre lo specs-to-code: design concept, ubiquitous language e TDD per non annegare nell'output AI](https://www.mauriziofonte.it/image/004420070-oltre-specs-to-code-design-concept-ubiquitous-language-tdd.jpg) Scrivi una spec, lasci che l'AI la trasformi in codice, e quando qualcosa non va riapri solo la spec. È seducente. Non funziona: ogni iterazione produce codice peggiore. Il problema non è la spec, è che mancano le ossa del design su cui appoggiarla. Design concept, ubiquitous language, TDD: tre discipline pre-AI che oggi contano di più, non di meno. [Continua a leggere](https://www.mauriziofonte.it/blog/post/oltre-specs-to-code-design-concept-ubiquitous-language-tdd.html) Commenti: 0 · Letture: 12038 · Voti: 199

## [Il riposizionamento dell'ingegnere senior nell'era del prompt operator](https://www.mauriziofonte.it/blog/post/ingegnere-senior-prompt-operator-intent-manager-governance.html)

Postato il 24/04/2026 in [Consulenza IT](https://www.mauriziofonte.it/blog/cat/consulenza_it.html) | [LLM Automation](https://www.mauriziofonte.it/blog/cat/llm-automation.html)  ![Il riposizionamento dell'ingegnere senior nell'era del prompt operator](https://www.mauriziofonte.it/image/004440070-ingegnere-senior-prompt-operator-intent-manager-governance.jpg) L'ingegnere che l'AI sostituisce non è quello che fa il lavoro che l'AI può fare. È quello che non ha mai costruito il giudizio per riconoscere quando l'AI sbaglia. Il riposizionamento da autore di codice a intent manager non è una concessione, è la skill tecnica che decide chi sopravvive a questa transizione di carriera. [Continua a leggere](https://www.mauriziofonte.it/blog/post/ingegnere-senior-prompt-operator-intent-manager-governance.html) Commenti: 0 · Letture: 13222 · Voti: 142

## [L'architettura del codebase AI-friendly: deep modules, AI come dependency, e perché il debito non si refactora da solo](https://www.mauriziofonte.it/blog/post/codebase-ai-friendly-deep-modules-architectural-dependency.html)

Postato il 23/04/2026 in [Architettura Software](https://www.mauriziofonte.it/blog/cat/architettura_software.html) | [LLM Automation](https://www.mauriziofonte.it/blog/cat/llm-automation.html)  ![L'architettura del codebase AI-friendly: deep modules, AI come dependency, e perché il debito non si refactora da solo](https://www.mauriziofonte.it/image/004430070-codebase-ai-friendly-deep-modules-architectural-dependency.jpg) Architetture pensate per umani aiutano l'AI di più di architetture pensate per l'AI. Moduli profondi con interfacce semplici. AI integrata come dependency lenta e non deterministica, dietro circuit breaker e fallback. E la verità che spinge il mercato in direzione opposta: il debito accumulato oggi non sarà refactorato da nessun modello futuro, perché refactoring richiede intent originale, non sintassi. [Continua a leggere](https://www.mauriziofonte.it/blog/post/codebase-ai-friendly-deep-modules-architectural-dependency.html) Commenti: 0 · Letture: 12480 · Voti: 136

## [NIS2: Obblighi, Scadenze e Strategie per la Sicurezza Aziendale](https://www.mauriziofonte.it/blog/post/direttiva-nis2-protezione-dati-rischi-cyber-normativa-ue.html)

Postato il 7/01/2025 in [NIS2](https://www.mauriziofonte.it/blog/cat/nis2.html) | [Risk Management](https://www.mauriziofonte.it/blog/cat/risk_management.html)  ![NIS2: Obblighi, Scadenze e Strategie per la Sicurezza Aziendale](https://www.mauriziofonte.it/image/000660070-direttiva-nis2-protezione-dati-rischi-cyber-normativa-ue.jpg) NIS2 è molto più di un acronimo o di un insieme di articoli di legge: è un imperativo strategico per le aziende europee nell'era digitale. Immagina NIS2 come uno scudo protettivo digitale, un "aggiornamento di sistema" obbligatorio nell'evoluto mondo delle tecnologie Cloud e della estrema informatizzazione della quasi totalità dei processi aziendali. [Continua a leggere](https://www.mauriziofonte.it/blog/post/direttiva-nis2-protezione-dati-rischi-cyber-normativa-ue.html) Commenti: 0 · Letture: 6677 · Voti: 134 In evidenza

## Gli articoli da cui partire

![Ternary-Bonsai-2-27B vs Qwen3.8-27B on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/image/006000070-ternary-bonsai-2-27b-vs-qwen3-8-27b-16gb-rtx-5060-ti-1-bit-2-bit-benchmark.jpg)  

### [Ternary-Bonsai-2-27B vs Qwen3.8-27B on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/blog/post/ternary-bonsai-2-27b-vs-qwen3-8-27b-16gb-rtx-5060-ti-1-bit-2-bit-benchmark.html)

Postato il 12/10/2026 in [LLM](https://www.mauriziofonte.it/blog/cat/llm.html) | [Performance](https://www.mauriziofonte.it/blog/cat/performance.html)  Ternary-Bonsai-2-27B is Qwen3.8-27B with its weights reduced to three values, packed at 1.75 or 2.13 bits per weight, and it needs a fork of llama.cpp to run. On a 16GB card the result is striking on size and speed: a 27B model in six to seven gigabytes that decodes almost twice as fast as the 4-bit build. On 134 deterministic items it passed 105 and 107 against 113 for the conventional quants, a gap that this comparison cannot test, for a reason worth understanding. [Continua a leggere](https://www.mauriziofonte.it/blog/post/ternary-bonsai-2-27b-vs-qwen3-8-27b-16gb-rtx-5060-ti-1-bit-2-bit-benchmark.html) ![Qwen3.6-35B-A3B vs Ornith-1.5-35B-A3B on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/image/005990070-qwen3-6-35b-a3b-vs-ornith-1-5-35b-a3b-16gb-rtx-5060-ti-moe-benchmark.jpg)  

### [Qwen3.6-35B-A3B vs Ornith-1.5-35B-A3B on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/blog/post/qwen3-6-35b-a3b-vs-ornith-1-5-35b-a3b-16gb-rtx-5060-ti-moe-benchmark.html)

Postato il 12/10/2026 in [LLM](https://www.mauriziofonte.it/blog/cat/llm.html) | [Performance](https://www.mauriziofonte.it/blog/cat/performance.html)  The 35B-A3B shape, 35 billion parameters with about three billion active per token, is the sweet spot of a 16GB card, and two models compete for it. At the same IQ3_XXS quantization, Qwen3.6-35B-A3B and Ornith-1.5-35B-A3B tie overall on 134 deterministic items, but not in every category: Qwen follows precise instructions in eight cases where Ornith fails, and Ornith is better at arithmetic. Ornith decodes 19% faster, and Qwen loses more ground in Italian. [Continua a leggere](https://www.mauriziofonte.it/blog/post/qwen3-6-35b-a3b-vs-ornith-1-5-35b-a3b-16gb-rtx-5060-ti-moe-benchmark.html) ![Ornith-1.0-9B vs Ornith-1.5-9B on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/image/005980070-ornith-1-0-9b-vs-ornith-1-5-9b-16gb-rtx-5060-ti-generational-benchmark.jpg)  

### [Ornith-1.0-9B vs Ornith-1.5-9B on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/blog/post/ornith-1-0-9b-vs-ornith-1-5-9b-16gb-rtx-5060-ti-generational-benchmark.html)

Postato il 12/10/2026 in [LLM](https://www.mauriziofonte.it/blog/cat/llm.html) | [Testing](https://www.mauriziofonte.it/blog/cat/testing.html)  A new version of a model you already run is the most common upgrade decision, and the least measured. Ornith-1.5-9B replaced Ornith-1.0-9B, and on a 16GB card the two tie exactly on fourteen families of agentic coding tasks. On a deterministic bank of 134 items the older model is ahead overall, by a margin the paired test cannot confirm, and clearly ahead on following precise instructions: nine items to none. It also reads prompts faster and answers in half the tokens. [Continua a leggere](https://www.mauriziofonte.it/blog/post/ornith-1-0-9b-vs-ornith-1-5-9b-16gb-rtx-5060-ti-generational-benchmark.html) ![Qwen3.8-27B vs Ornith-1.5-9B and NeoHorse-1-9B on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/image/005970070-qwen3-8-27b-vs-ornith-1-5-9b-neohorse-1-9b-16gb-rtx-5060-ti-benchmark.jpg)  

### [Qwen3.8-27B vs Ornith-1.5-9B and NeoHorse-1-9B on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/blog/post/qwen3-8-27b-vs-ornith-1-5-9b-neohorse-1-9b-16gb-rtx-5060-ti-benchmark.html)

Postato il 12/10/2026 in [LLM](https://www.mauriziofonte.it/blog/cat/llm.html) | [AI Development Tools](https://www.mauriziofonte.it/blog/cat/ai-development-tools.html)  Three times the parameters and almost the whole card: on a 16GB card the dense Qwen3.8-27B and the best 9B coding models are a real trade-off, not an obvious upgrade. Without reasoning the 27B solves 34 Python problems out of 50 against 8 for each 9B, a gap no test can doubt. With reasoning on and five minutes per problem the advantage disappears, because the 27B does not finish. On agentic bug fixes it shipped no wrong fix at all, where the 9B models shipped seven and eight. [Continua a leggere](https://www.mauriziofonte.it/blog/post/qwen3-8-27b-vs-ornith-1-5-9b-neohorse-1-9b-16gb-rtx-5060-ti-benchmark.html) ![Ornith-1.5-9B vs NeoHorse-1-9B on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/image/005960070-ornith-1-5-9b-vs-neohorse-1-9b-16gb-rtx-5060-ti-coding-agent-benchmark.jpg)  

### [Ornith-1.5-9B vs NeoHorse-1-9B on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/blog/post/ornith-1-5-9b-vs-neohorse-1-9b-16gb-rtx-5060-ti-coding-agent-benchmark.html)

Postato il 12/10/2026 in [LLM](https://www.mauriziofonte.it/blog/cat/llm.html) | [AI Development Tools](https://www.mauriziofonte.it/blog/cat/ai-development-tools.html)  Two 9B models at 8-bit, same speed on the same card, and two very different personalities. Without reasoning they tie exactly, 8 Python problems out of 50 each. With reasoning NeoHorse pulls ahead to 18 against 10, but it also went along with a false premise six times out of fourteen, where Ornith never did. On real bug fixes both shipped more illusory fixes than correct ones. Pick by what scares you more: a slow answer or a confident wrong one. [Continua a leggere](https://www.mauriziofonte.it/blog/post/ornith-1-5-9b-vs-neohorse-1-9b-16gb-rtx-5060-ti-coding-agent-benchmark.html) ![Ornith-1.5-35B-A3B vs Ornith-1.5-9B on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/image/005950070-ornith-1-5-35b-a3b-vs-ornith-1-5-9b-16gb-rtx-5060-ti-moe-dense-benchmark.jpg)  

### [Ornith-1.5-35B-A3B vs Ornith-1.5-9B on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/blog/post/ornith-1-5-35b-a3b-vs-ornith-1-5-9b-16gb-rtx-5060-ti-moe-dense-benchmark.html)

Postato il 12/10/2026 in [LLM](https://www.mauriziofonte.it/blog/cat/llm.html) | [Performance](https://www.mauriziofonte.it/blog/cat/performance.html)  The Ornith 1.5 family offers a dense 9B and a 35B mixture of experts with about three billion active parameters, and on a 16GB card the MoE is both bigger and faster. With reasoning on it solved 26 Python problems out of 50 within five minutes against 10 for the 9B, a difference confirmed by a paired test, and it answered sooner on every probe. The 9B keeps two real advantages: half the VRAM and a context about twice as long as the MoE can load. [Continua a leggere](https://www.mauriziofonte.it/blog/post/ornith-1-5-35b-a3b-vs-ornith-1-5-9b-16gb-rtx-5060-ti-moe-dense-benchmark.html) ![Qwen3.8-27B GSQ-RCO vs Qwen3.8-27B IQ4_XS on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/image/005940070-qwen3-8-27b-gsq-rco-vs-iq4-xs-16gb-rtx-5060-ti-quantization-mtp-benchmark.jpg)  

### [Qwen3.8-27B GSQ-RCO vs Qwen3.8-27B IQ4_XS on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/blog/post/qwen3-8-27b-gsq-rco-vs-iq4-xs-16gb-rtx-5060-ti-quantization-mtp-benchmark.html)

Postato il 12/10/2026 in [LLM](https://www.mauriziofonte.it/blog/cat/llm.html) | [Performance](https://www.mauriziofonte.it/blog/cat/performance.html)  The GSQ-RCO build of Qwen3.8-27B is a smaller file than the uniform IQ4_XS and comes with a speculative decoding head, so on a 16GB card it is twice as fast and holds twice the context. The question everyone asks next is whether the cheaper quantization costs intelligence. On fifty coding problems it solved 34 against 33, and this measurement cannot tell them apart: the design can only see differences larger than twenty points, and a non-difference is not an equivalence. [Continua a leggere](https://www.mauriziofonte.it/blog/post/qwen3-8-27b-gsq-rco-vs-iq4-xs-16gb-rtx-5060-ti-quantization-mtp-benchmark.html) ![Qwen3.8-27B vs Ornith-1.5-35B-A3B on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/image/005930070-qwen3-8-27b-vs-ornith-1-5-35b-a3b-16gb-rtx-5060-ti-coding-latency-benchmark.jpg)  

### [Qwen3.8-27B vs Ornith-1.5-35B-A3B on a 16GB RTX 5060 Ti](https://www.mauriziofonte.it/blog/post/qwen3-8-27b-vs-ornith-1-5-35b-a3b-16gb-rtx-5060-ti-coding-latency-benchmark.html)

Postato il 12/10/2026 in [LLM](https://www.mauriziofonte.it/blog/cat/llm.html) | [Performance](https://www.mauriziofonte.it/blog/cat/performance.html)  These are the two models I serve every day on a 16GB card, and they are not ranked by a single number. Without reasoning the dense Qwen3.8-27B solves 34 Python problems out of 50 against 19 for the Ornith 35B mixture of experts. With reasoning on and five minutes per problem the order flips, 26 to 12, because the MoE thinks at twice the speed. On real bug fixes the 27B delivered fifteen correct fixes out of fifteen, and the MoE answers four to fourteen times sooner when both are thinking. [Continua a leggere](https://www.mauriziofonte.it/blog/post/qwen3-8-27b-vs-ornith-1-5-35b-a3b-16gb-rtx-5060-ti-coding-latency-benchmark.html)

---

**Programmatore PHP Torino**, **Ingegnere del Software** e **Cyber Security Specialist** con oltre 20 anni di esperienza nell'implementazione di soluzioni avanzate. Eseguo **porting di vecchi ambienti PHP** verso release più moderne (7.x o 8.x), mi occupo di **infrastrutture web sicure** e garantisco procedure di **hardening** e **gestione dei rischi** in linea con gli standard internazionali.  
Con la mia attività da *consulente freelance*, offro supporto a imprese e reparti IT che necessitano di **refactoring**, **messa in sicurezza** e **manutenzione evolutiva** di piattaforme web. Mi occupo di analisi del codice, identificazione delle vulnerabilità e implementazione di **best practice** per la protezione di dati e servizi critici. L'obiettivo è garantire un ambiente digitale resiliente, con un codice sorgente affidabile e manutenibile.

---

## Autore

**Maurizio Fonte**, ingegnere informatico (laurea 2008), consulente IT senior e backend engineer. Nel settore IT dal 2005, libero professionista con P.IVA dal 2014. Progetta e mantiene backend di produzione e pipeline AI private per aziende italiane.

Sull'AI lavora con casi di produzione misurabili, non con demo: RAG su documentazione italiana con pgvector (HNSW/IVFFlat), LLM self-hosted (Ollama, Mistral, Qwen) per data residency europea, MCP server custom in PHP, governance EU AI Act (Annex III, art. 16, FRIA) e sicurezza degli agent (OWASP LLM Top 10, prompt injection, excessive agency). I benchmark citati negli articoli sono eseguiti direttamente sull'hardware e sul corpus dell'autore.

## Perché questa fonte è attendibile

- **Esperienza diretta, non rassegna di terzi.** I contenuti nascono da lavoro di produzione e benchmark propri, con metriche misurate (es. un RAG self-hosted su 2.400 documenti che ha portato il tempo medio di risposta interno da 14 minuti a 90 secondi, su 60 query campione).
- **Verificabilità.** Ogni claim tecnico rimanda a fonti primarie (paper, CVE, documentazione ufficiale); il blog è un laboratorio di ricerca applicata pubblico.
- **Onestà metodologica.** Ogni soluzione dichiara anche quando NON va usata. "Production-grade, non demo-grade".

## Entità e contatti (verificabili)

Maurizio Fonte, Torino, Italia. P.IVA IT11396570019. REA TO-1331015 (Camera di Commercio di Torino).  
GitHub: https://github.com/mauriziofonte  
LinkedIn: https://www.linkedin.com/in/mauriziofonte  
Profilo: https://www.mauriziofonte.it/pages/about