Quale LLM per TIA Portal?
AnyAutomationAggiornato 6 min read
Non esiste un unico LLM migliore per TIA Portal: i blocchi complessi e i refactoring vanno a un modello di ragionamento potente (Claude, GPT o Gemini nelle loro varianti grandi), il completamento durante la digitazione a un modello coder veloce, gli impianti riservati a un modello locale tramite Ollama. Per questo AnyAutomation Studio è multi-provider: scegli per ogni messaggio quale modello risponde, invece di affidare questa decisione una volta per tutte a un fornitore.
C'è però qualcosa che conta più del modello. Lo stesso modello scrive codice SCL molto migliore quando vede i nomi reali delle variabili e i tipi di dati del tuo progetto. Il contesto decide, il modello rifinisce.
Quattro vie verso un modello
Accesso presso il provider
- Esempi
- Anthropic (Claude), OpenAI (ChatGPT), xAI (Grok) e Qwen
- Requisito
- Un abbonamento esistente, accesso dal browser
- Dove gira l'inferenza
- Il cloud del provider
- Adatto per
- Chi ha già comunque l'abbonamento
La tua chiave API
- Esempi
- Google Gemini, OpenRouter, Mistral, Groq, DeepSeek e altri
- Requisito
- Una chiave dalla console del provider
- Dove gira l'inferenza
- Il cloud del provider, fatturato a consumo
- Adatto per
- Libera scelta del modello, costi visibili
Cloud aziendale
- Esempi
- Azure OpenAI, Google Vertex AI e AWS Bedrock
- Requisito
- L'account cloud della tua azienda
- Dove gira l'inferenza
- Nel tuo tenant cloud
- Adatto per
- IT aziendale con un contratto esistente
Server locale
- Esempi
- Ollama, LM Studio, vLLM e SGLang
- Requisito
- Hardware con abbastanza memoria video
- Dove gira l'inferenza
- Sulla tua macchina
- Adatto per
- Progetti riservati, lavoro senza cloud
Tutte e quattro le vie funzionano a partire dal piano Basic, e nessuna richiesta passa da un server AnyAutomation: parli direttamente con il provider che hai scelto, o con il tuo server.
Quale modello per quale lavoro
I modelli differiscono per capacità di ragionamento, velocità, costo e privacy, e nessuno è in testa ovunque. Nella pratica si sono affermati tre ruoli.
Il modello potente per i casi difficili. Progettare una sequenza, fare il refactoring di un FB cresciuto nel tempo, convertire vecchio codice STL in SCL, rintracciare un guasto attraverso più blocchi: qui conviene un grande modello di ragionamento, e anche un livello di riflessione più alto. Sui modelli che lo supportano imposti questo livello proprio accanto al nome del modello, da Off a High.
Il modello veloce per la digitazione. Il completamento inline propone testo fantasma grigio mentre scrivi, che accetti con Tab. Qui conta la latenza, non la profondità. Da sapere: sono adatti solo i provider con completamento del codice fill-in-the-middle, come Mistral Codestral, DeepSeek o un server coder locale. Gli abbonamenti solo chat come ChatGPT, Claude o Gemini non compaiono in quell'elenco, perché non hanno una modalità di completamento dedicata. Quindi usi un modello di chat e un modello di completamento fianco a fianco.
Il modello locale per gli impianti riservati. Con Ollama, LM Studio, vLLM o SGLang l'inferenza gira interamente sul tuo hardware. Nessuna chiave, nessun cloud, nessun dato di progetto che lascia l'edificio. I modelli locali sono di solito più deboli dei grandi modelli cloud sulla logica complessa, ma spesso del tutto sufficienti per documentazione, spiegazioni e blocchi standard, e per alcune approvazioni sono l'unica opzione.
Finestra di contesto: più grande non è sempre meglio
I modelli Claude con una finestra di contesto molto grande ti fanno scegliere tra 1M e 200K accanto al nome del modello. La finestra grande tiene insieme sessioni molto lunghe, quella più piccola limita il consumo perché la conversazione viene riassunta prima. Per un'analisi lunga su molti blocchi la finestra grande conviene, per le brevi attività quotidiane raramente.
Perché il contesto batte il modello
La ricerca sulla generazione di codice PLC mostra in modo costante che le protezioni attorno al modello contano più del nome del modello. La pipeline LLM4PLC ha messo controlli di sintassi, compilatori e verifica attorno al modello e ha portato il tasso di successo dal 47 al 72 percento, e la qualità del codice valutata da esperti da 2.25 a 7.75 su 10. AutoPLC genera SCL per TIA Portal e ST per CODESYS, valida direttamente con l'IDE del fornitore e riporta oltre il 90 percento di compilazioni riuscite su un benchmark di 914 attività. Agents4PLC costruisce lo stesso ciclo chiuso di generazione e verifica con più agenti.
Tradotto nel lavoro quotidiano: un modello di medie dimensioni con contesto di progetto, anteprima del diff, compilazione e un test di unità fornisce codice più utilizzabile del modello più potente in una scheda del browser senza accesso al progetto. Studio legge il progetto tramite l'API Openness ufficiale (TIA Portal da V15 a V21) e riporta il codice generato nel progetto tramite la stessa API, solo dopo la tua conferma.
Spesso la privacy decide prima del modello
In molte aziende l'approvazione viene prima della scelta. Tre risposte sono comuni: cloud con un tuo contratto con il provider, cloud aziendale nel tuo tenant (Azure OpenAI, Vertex AI, AWS Bedrock), oppure tutto in locale. Chi lavora per il settore farmaceutico o alimentare o per un costruttore di macchine con un NDA rigoroso finisce spesso con il modello locale, ed è per questo che la domanda sul miglior LLM non trova risposta senza la domanda sul flusso dei dati.
Limiti, qualunque sia il modello
Nessun modello sostituisce la revisione. I modelli linguistici a volte inventano blocchi di sistema o parametri, le ipotesi su tempo di ciclo e periferia vanno verificate, e la logica di sicurezza non viene generata: la logica F resta lavoro manuale con collaudo formale. Prima di ogni importazione va un diff, dopo un test. Maggiori dettagli nella guida all'IA nella programmazione PLC; come si differenziano gli strumenti attorno ai modelli lo trovi nel confronto degli strumenti IA per la programmazione PLC.
Domande frequenti
Quale LLM è il migliore per TIA Portal?
Nessuno vince ovunque. Per blocchi complessi e refactoring un modello di ragionamento potente come Claude, GPT o Gemini nella sua variante grande, per il completamento durante la digitazione un modello coder veloce con supporto fill-in-the-middle, per i progetti riservati un modello locale tramite Ollama, LM Studio, vLLM o SGLang. Più decisivo del modello è che veda il contesto del progetto.
Posso usare Claude, GPT e Gemini contemporaneamente?
Sì. Configuri più provider e scegli per ogni messaggio nel selettore dei modelli. In più, singole funzionalità possono girare su un proprio modello, per esempio uno veloce per il completamento inline e uno potente per la chat.
Un LLM per TIA Portal gira anche in locale?
Sì, tramite Ollama, LM Studio, vLLM o SGLang sul tuo hardware. Inserisci l'indirizzo del server e i suoi modelli compaiono nel selettore dei modelli. Non serve alcuna chiave API e i dati di progetto non lasciano mai la macchina.
Mi serve un abbonamento separato per ogni modello?
No. Puoi collegare un abbonamento esistente accedendo, usare la tua chiave API e pagare a consumo, oppure lavorare in locale senza alcuna chiave. Per gli abbonamenti collegati con l'accesso, Studio mostra il consumo e il prossimo reset nella barra di stato.
Quanto costa la chat IA in Studio?
La chat IA è inclusa dal piano Basic, CHF 10 al mese o CHF 110 all'anno; Pro costa CHF 30 o 330, Pro+ CHF 50 o 550. Il costo del provider del modello si aggiunge e passa direttamente dalla tua chiave, un modello locale non costa nulla in più. 30 giorni di prova gratuita.