Far girare un modello di intelligenza artificiale direttamente su un singolo Mac è già semplice con strumenti come Ollama, LM Studio e Jan. Harbor prova a fare un passo ulteriore: collegare due o più Mac tramite Thunderbolt 5 e utilizzarli insieme, senza dover configurare manualmente cluster, SSH, MLX e gli altri componenti necessari all’AI distribuita.
Apple sta infatti sperimentando attraverso Claris un’app chiamata Harbor, destinata ai Mac con Apple silicon. Può funzionare su una singola macchina, scaricando ed eseguendo modelli open-weight in locale, oppure riconoscere più Mac collegati tramite Thunderbolt 5 e prepararli per lavorare sullo stesso carico di inferenza.
La tecnologia sulla quale si appoggia non arriva dal nulla. Su Macitynet abbiamo già visto come macOS 27 abbia reso molto più semplice attivare RDMA via Thunderbolt e come MLX e JACCL possano distribuire modelli e calcoli fra più Mac. Prima ancora avevamo raccontato un cluster di quattro Mac Studio capace di mettere a disposizione complessivamente 1,5 TB di memoria.
Harbor aggiunge l’interfaccia che mancava
Il limite dei cluster Mac non è più tanto la tecnologia quanto la configurazione. Anche dopo l’arrivo dell’interruttore RDMA nelle Impostazioni di macOS 27 restano da gestire collegamenti fra i nodi, SSH, configurazione MLX, topologia della rete Thunderbolt e modalità con cui distribuire il modello.
Harbor sembra pensato proprio per nascondere questa parte. Apple non ha ancora annunciato pubblicamente il prodotto, ma la pagina ufficiale di Claris dedicata alla Private Preview di Harbor descrive direttamente ciò che l’app dovrebbe offrire.
Claris presenta così il progetto:
«Claris Harbor trasforma i computer Apple silicon che già possedete in un server AI privato. Eseguite modelli open-weight senza costi per il cloud, senza tariffazione per token e con la garanzia che i vostri dati non lascino mai il vostro ambiente.
Configurate in pochi minuti un endpoint su un singolo Mac. Quando volete eseguire modelli più grandi, collegate più macchine tramite Thunderbolt 5 per mettere in comune la memoria unificata sull’hardware che controllate.»
La formulazione di Claris usa espressamente “private AI server”; nel contesto tecnico è però più utile parlare di server AI locale: descrive dove avviene l’elaborazione, mentre la riservatezza dei dati è una conseguenza del fatto che modello, prompt e inferenza possono rimanere sull’hardware dell’utente.
La pagina Claris aggiunge che dati e prompt rimangono fisicamente sui Mac e indica esplicitamente il Thunderbolt clustering, con la possibilità di mettere in comune le risorse di memoria per modelli particolarmente impegnativi.
È questo il passaggio interessante: Harbor non rende possibile qualcosa che prima era impossibile, ma prova a trasformare una configurazione da sviluppatori in un’applicazione utilizzabile senza conoscere nel dettaglio l’infrastruttura sottostante.
Claris porta l’AI anche dentro FileMaker
Harbor non è l’unico progetto con cui Claris sta cercando di portare l’intelligenza artificiale nel proprio ecosistema. Accanto a prodotti storici come FileMaker, FileMaker Cloud e FileMaker Server, l’azienda sta infatti lavorando anche allo sviluppo agentico per FileMaker. Dopo una fase di test con un gruppo ristretto di sviluppatori, Claris prevede di ampliare l’accesso a queste funzionalità da febbraio 2027.
Il punto di partenza sono gli strumenti di programmazione assistita dall’intelligenza artificiale come Claude Code, Cursor e Codex. Possono già generare codice e costruire parti di un’applicazione, ma uno sviluppatore deve comunque gestire dati, logica, interfaccia, runtime, sicurezza, hosting e distribuzione. Claris vuole portare l’agente direttamente dentro una piattaforma nella quale buona parte di questa infrastruttura è già integrata.
Con lo sviluppo agentico per FileMaker, l’agente dovrebbe poter comprendere una richiesta in linguaggio naturale e operare direttamente sul file FileMaker, sia per creare una nuova applicazione sia per modificarne una esistente. Questo comprende la possibilità di leggere e scrivere schemi di database, layout, script e calcoli e di intervenire sull’intero stack della soluzione.
La conseguenza pratica è interessante soprattutto per chi deve mettere mano ad applicazioni FileMaker cresciute negli anni. Un agente capace di analizzare direttamente struttura, script e relazioni può ricostruire più rapidamente anche soluzioni con poca documentazione o convenzioni di sviluppo non uniformi. Le modifiche rimangono inoltre ispezionabili, lasciando allo sviluppatore la possibilità di verificare cosa debba effettivamente entrare nel file.
Claris considera lo sviluppo agentico un passaggio importante per l’ecosistema FileMaker. Il collegamento con Harbor è soprattutto strategico: da una parte l’azienda prova a semplificare l’infrastruttura necessaria per eseguire l’AI localmente, dall’altra vuole semplificare il modo in cui gli agenti possono creare e modificare applicazioni.
Sono però due problemi differenti. Harbor riguarda soprattutto dove e come vengono eseguiti i modelli; lo sviluppo agentico di FileMaker riguarda invece ciò che quei sistemi possono fare dentro una piattaforma applicativa. Ed è proprio guardando al primo aspetto che diventano evidenti le differenze rispetto agli strumenti per AI locale già disponibili.
Harbor contro Ollama, LM Studio e Jan
Su un singolo computer Harbor entra in un settore già piuttosto affollato. Abbiamo spiegato su Macitynet come installare modelli locali con Ollama e più recentemente abbiamo provato Jan, che porta modelli, chat e API locali dentro un’interfaccia grafica. LM Studio segue una strada simile e permette di scaricare modelli, eseguirli e renderli disponibili ad altre applicazioni tramite API.
| Sistema | Piattaforme | Uso | Più computer | Punto forte |
|---|---|---|---|---|
| Harbor | Mac Apple silicon | GUI, modelli locali, server di inferenza | Cluster Thunderbolt 5 / RDMA | Distribuire lo stesso carico fra più Mac |
| Ollama | macOS, Windows, Linux | App, CLI e API | Server raggiungibile in rete | Flessibilità, automazioni e integrazioni |
| LM Studio | macOS, Windows, Linux | GUI, API, CLI e server | Accesso in rete, non pooling RDMA | Interfaccia completa per modelli locali |
| Jan | macOS, Windows, Linux | GUI e API compatibile OpenAI | Può collegarsi a server esterni | Open source e semplicità d’uso |
La differenza fondamentale è questa. Con Ollama, LM Studio o Jan si può installare il modello su un computer potente e permettere ad altri dispositivi della rete di utilizzarlo. Il calcolo resta però sulla macchina che ospita il modello.
Harbor punta invece a far collaborare più Mac sullo stesso lavoro. Se il modello è troppo grande per la memoria di una singola macchina, può essere suddiviso fra i nodi; se invece entra già in memoria, la distribuzione può aumentare la capacità di elaborazione o il numero di richieste gestibili contemporaneamente.
Ollama e gli altri più flessibili per le varie piattaforme
Questo non rende Harbor automaticamente migliore. Ollama, LM Studio e Jan sono multipiattaforma: si può quindi utilizzare un PC Windows con una potente GPU NVIDIA, un server Linux oppure un Mac e far accedere gli altri computer della rete al modello.
Ollama dispone inoltre di un’app grafica oltre alla tradizionale interfaccia da Terminale e alle API. LM Studio offre un ambiente particolarmente completo per scegliere, provare e servire modelli. Jan aggiunge il vantaggio del codice open source e permette di affiancare modelli locali e servizi cloud nella stessa interfaccia.
Harbor segue una strada più verticale. Per sfruttarne la caratteristica più interessante bisogna rimanere nell’ecosistema Apple e utilizzare Mac compatibili con Thunderbolt 5. In cambio Apple può controllare l’intera catena: hardware, memoria unificata, Thunderbolt, RDMA, JACCL e MLX.
La memoria non diventa una sola grande RAM
C’è poi un aspetto sul quale conviene essere precisi. Quando Claris parla di mettere in comune la memoria dei Mac, non significa che due Mac Studio da 256 GB diventino fisicamente una macchina con 512 GB di memoria unificata.
Come abbiamo già spiegato nel nostro approfondimento sui cluster RDMA, ogni computer mantiene la propria memoria. MLX distribuisce modello e calcoli fra i nodi, mentre RDMA consente di trasferire rapidamente i dati necessari attraverso Thunderbolt 5.
La differenza si sente soprattutto nelle prestazioni: raggiungere la memoria dell’altro Mac rimane molto più lento che accedere alla RAM locale. Per questo il vantaggio più importante del cluster, in molti casi, non consiste nel raddoppiare la velocità, ma nel riuscire a caricare modelli che non entrerebbero su un singolo computer. È il tema che abbiamo approfondito parlando di modelli da 70B, 405B e fino a un trilione di parametri.
Il vantaggio è togliere di mezzo la configurazione
Per chi possiede un solo Mac, Harbor potrebbe quindi offrire un’esperienza non troppo diversa da quella che oggi si può ottenere con LM Studio, Jan oppure Ollama. Si scarica un modello, lo si esegue localmente e lo si rende eventualmente disponibile ad altre applicazioni.
Il discorso cambia con due o più Mac. Qui Harbor potrebbe trasformare operazioni che oggi richiedono collegamenti, configurazione SSH, file MLX e conoscenze di calcolo distribuito in una sequenza molto più vicina al classico collegare il cavo, scegliere il modello e avviare il server.
Harbor è ancora una tecnologia preliminare: la stessa pagina Claris la definisce Private Preview e invita soltanto a lasciare i propri dati per ricevere aggiornamenti. Non conosciamo quindi prezzo, data di distribuzione e requisiti definitivi.
Il quadro tecnico è però già leggibile. Prima Apple ha introdotto RDMA su Thunderbolt 5, poi ha mostrato come MLX possa distribuire modelli enormi su più Mac; Harbor sembra ora voler rendere tutto questo utilizzabile senza costruire manualmente il cluster.
Chi vuole capire cosa succede sotto l’interfaccia può partire dalla nostra guida a RDMA, JACCL e MLX sui cluster Mac; per valutare invece quanta memoria serve realmente ai diversi modelli abbiamo preparato anche l’approfondimento su Mac Apple silicon e AI locale.
