Simon Willison pubblica CORS Chat per testare LLM locali
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
La web app, pubblicata il 15 agosto 2026, esercita endpoint compatibili OpenAI Responses via CORS e salva le conversazioni nel browser.
Il 15 agosto 2026 Simon Willison ha pubblicato CORS Chat, una pagina web che dal browser esercita endpoint chat compatibili con OpenAI Responses. L’ha provata con LM Studio (opzione --cors) e con OpenRouter: in entrambi i casi ha funzionato1.
L’idea viene da una necessità concreta: verificare il comportamento di un endpoint con un’unica interfaccia. Willison l’ha costruita mentre testava Qwen 3.8 27B in LM Studio su due macchine diverse, un M5 MacBook Pro e un NVIDIA DGX Spark1. Il contesto è pratico: una pagina, più ambienti, un protocollo da controllare.
CORS Chat offre una UI minimale. Invia messaggi a un endpoint compatibile con OpenAI Responses e mostra la risposta nel flusso della chat. Non richiede un backend. La pagina chiama direttamente l’endpoint configurato dall’utente1. Questo riduce i passaggi: apri la pagina, punti l’URL, scrivi, invii, leggi.
Le conversazioni restano nel browser. Non c’è salvataggio esterno. Non c’è upload forzato. L’esportazione avviene copiando un JSON dagli appunti1. È una scelta netta: tutto locale, tutto esplicito.
La gestione dello streaming copre un caso spesso trascurato: l’output SVG. Se il modello produce un’immagine vettoriale, l’app la intercetta e la rende mentre i token arrivano. Il disegno si aggiorna in modo progressivo dentro la chat, senza passaggi aggiuntivi1. Lo stesso flusso mostra anche il testo che scorre, così si osserva la latenza e il ritmo di emissione.
Il perimetro è chiaro. CORS Chat esercita endpoint chat che parlano lo schema OpenAI Responses. Nelle prove, LM Studio ha risposto con l’opzione --cors attiva. OpenRouter ha risposto senza problemi. Le sessioni con Qwen 3.8 27B sono girate in LM Studio su un M5 MacBook Pro e su un NVIDIA DGX Spark1.
Lo sviluppo ha usato uno strumento preciso: GPT-5.6-Sol xhigh1. Il dettaglio indica il contesto in cui il progetto è nato e testato.
Per chi costruisce o integra LLM, la pagina copre due controlli rapidi con una sola interfaccia: confermare che l’endpoint segua lo schema OpenAI Responses e osservare lo streaming, incluso il rendering progressivo di SVG1. L’uso diretto dal browser taglia intermediazioni e rende immediate le prove sui diversi ambienti.
CORS Chat non introduce nuovi protocolli né formati proprietari. Applica uno schema esistente, lo mette al centro della UI, e lo espone in modo trasparente. Il risultato è una prova “a vista” del comportamento dell’endpoint: stesso input, stessa pagina, risposte comparabili, dalla macchina locale a un servizio remoto1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.