Bot Discord AI gratuiti nel 2026

Se cerchi “free AI Discord bot”, trovi decine di opzioni. Alcune sono davvero gratuite. La maggior parte non lo è, almeno non nel modo che potresti aspettarti. Questo articolo spiega cosa è effettivamente disponibile, quali sono i compromessi e quanto costa davvero il “gratuito” quando entra in gioco l’inferenza AI.

Perché l‘“AI gratuita” è complicata

Eseguire un LLM costa. Ogni volta che un utente invia un messaggio e riceve una risposta, qualcuno paga la capacità di calcolo. Per un’API hosted come OpenAI o Anthropic, paghi per token. Per un modello self-hosted, paghi in hardware, elettricità e tempo di manutenzione. Non c’è modo di evitarlo: l’inferenza ha un costo marginale diverso da zero.

Quando un servizio offre un “bot AI gratuito”, si verifica una delle seguenti condizioni:

1. Paghi direttamente il costo dell’inferenza (ad esempio fornendo la tua chiave API).
2. Il servizio assorbe il costo e lo recupera tramite piani a pagamento, pubblicità o raccolta dati.
3. Esegui l’inferenza in autonomia sul tuo hardware con un modello open-source.
4. Il piano gratuito è limitato a un volume basso che riduce l’esposizione del provider ai costi di calcolo.

Capire quale di questi casi si applica a un determinato bot è essenziale per valutare se sia davvero adatto al tuo caso d’uso.

Le tre categorie di bot Discord AI gratuiti

1. Bot open-source self-hosted (davvero gratuiti, fornisci tu l’hardware)

Questa è l’unica opzione in cui nessuna terza parte controlla i tuoi limiti di utilizzo. Esegui un LLM open-source localmente (o su un VPS), lo colleghi a Discord tramite un bot che scrivi o di cui fai un fork, e gestisci tutto in autonomia.

Stack tipico:

• Ollama per servire il modello in locale
• discord.py o discord.js per il bot Discord
• Un modello come Llama 3.1 8B, Mistral 7B o Gemma 2 9B

Cosa ottieni:

• Nessun costo per messaggio oltre all’elettricità
• Controllo completo su modello, system prompt e dati
• Nessun rate limit imposto da terze parti (si applicano solo i limiti dell’API di Discord)
• Elaborazione locale del modello: l’inferenza resta sulla tua macchina, mentre Discord continua a trasportare e archiviare i messaggi

A cosa rinunci:

• Ti serve hardware. Eseguire un modello da 7B parametri a velocità ragionevole richiede una GPU con almeno 8 GB di VRAM, oppure un Mac moderno con memoria unificata. L’inferenza su CPU funziona, ma è lenta (diversi secondi per risposta per un modello 7B).
• Mantieni tu l’infrastruttura. Aggiornamenti, riavvii, monitoraggio e spazio su disco per i pesi del modello sono responsabilità tua.
• La qualità del modello è inferiore rispetto ai modelli frontier. Llama 3.1 8B è capace, ma non è GPT-4o o Claude Sonnet. Per semplici domande e risposte e conversazioni informali funziona bene. Per ragionamenti sfumati o dialoghi complessi a più turni è insufficiente.
• Nessuna knowledge base, analisi o funzionalità di handoff integrata. Costruisci tu ciò che ti serve.

Requisiti hardware minimi per modelli comuni:

(Le velocità sono approssimative, misurate su una RTX 4090. Le varianti quantizzate usano meno memoria con un piccolo costo in termini di qualità.)

2. Servizi gestiti freemium (piano gratuito con limiti)

Questi sono prodotti in cui qualcun altro ospita l’AI e l’infrastruttura del bot. Configuri il bot tramite una dashboard web. Il piano gratuito offre un utilizzo limitato; paghi per avere di più.

Esempi:

Il piano Free di Quickchat AI ti permette di testare senza carta di credito. L’integrazione Discord è disponibile in ogni piano, quindi puoi collegare il tuo bot e provarlo con utenti reali prima di impegnarti. Il collegamento avviene con un clic: in External Apps, apri Discord e fai clic su Add to your Discord server, quindi scegli il server a cui aggiungerlo. I piani a pagamento partono da Starter a $9/mo, o $8/mo con fatturazione annuale.

Il vantaggio principale dei servizi gestiti è che ottieni funzionalità oltre alla semplice inferenza LLM: knowledge base costruite dai tuoi documenti e dal tuo sito web, analisi delle conversazioni (analisi del sentiment, rilevamento degli argomenti), distribuzione multi-canale (lo stesso agent funziona sul tuo sito web, WhatsApp, Slack e Discord) e handoff a un operatore umano per i casi che l’AI non può risolvere. Costruire queste funzionalità da zero sopra un modello self-hosted è un progetto di ingegneria significativo.

MEE6 è principalmente un bot di moderazione e coinvolgimento. Le sue funzionalità di chat AI sono bloccate dietro l’abbonamento premium ($11.99/mo all’inizio del 2026). Il piano gratuito copre livelli, comandi di moderazione di base e messaggi di benvenuto, ma non conversazioni basate su AI.

Botpress ha un piano gratuito con 2,000 messaggi in ingresso al mese su tutti i canali. Offre un visual flow builder e supporta configurazioni LLM personalizzate. Tuttavia, la configurazione è più complessa rispetto a Quickchat per un semplice bot Discord, perché Botpress è progettato principalmente per flussi di conversazione strutturati e non per chat aperte.

3. Bot con chiave API propria (paghi il provider LLM)

Una terza categoria: bot open-source che vengono eseguiti su un server ma chiamano un’API commerciale (OpenAI, Anthropic, Google, ecc.) per l’inferenza. Fornisci la tua chiave API. Il codice del bot è gratuito, ma paghi per token al provider del modello.

Esempi su GitHub:

• GPT Discord Bot (esempio ufficiale di OpenAI)
• Vari bot della community creati con discord.py + OpenAI Python SDK

Costo per messaggio con API commerciali (approssimativo, all’inizio del 2026):

*Assumendo ~500 token di input e ~200 token di output per scambio di messaggi, senza cronologia della conversazione. Se la cronologia della conversazione è inclusa, i costi di input crescono linearmente con la lunghezza del contesto.

Con 1,000 messaggi al mese usando GPT-4o mini, spenderesti circa $0.30. Con 10,000 messaggi al mese, circa $3.00. Questi numeri sembrano piccoli finché non consideri la cronologia della conversazione: se ogni messaggio include l’intero contesto della conversazione (ad esempio 10 turni precedenti), il numero di token di input per messaggio passa da ~500 a ~5,000, quindi i costi di input aumentano di 10 volte e il costo totale cresce.

Confronto dei costi tra approcci

La tabella seguente stima i costi mensili a diversi volumi di messaggi. “Self-hosted” presume un piccolo VPS o hardware esistente. “Chiave API propria” usa i prezzi di GPT-4o mini. “Gestito” usa i prezzi di Quickchat AI come riferimento.

Note sulla colonna self-hosted: l’intervallo dipende dal fatto che tu usi un VPS solo CPU (più economico ma con risposte più lente) o un’istanza GPU. Hetzner offre istanze VPS CPU intorno a $5-10/mo che possono eseguire un modello 7B quantizzato, anche se i tempi di risposta saranno di 5-15 secondi. Le istanze cloud GPU (ad esempio di Lambda, RunPod o Vast.ai) partono da circa $0.20-0.50/hr per una singola GPU, cioè $150-360/mo se eseguite 24/7. Per uso intermittente, istanze spot o provider GPU serverless possono ridurre questo costo.

La colonna con chiave API propria mostra un intervallo perché i costi dipendono molto dall’inclusione della cronologia della conversazione in ogni richiesta. Il limite inferiore è single-turn (senza cronologia), quello superiore è multi-turn con ~10 messaggi di contesto.

La colonna del servizio gestito riflette i prezzi di Quickchat a giugno 2026. Questi piani includono funzionalità come gestione della knowledge base, analisi e supporto multi-canale che negli altri due approcci non esistono senza lavoro di ingegneria aggiuntivo.

Configurazione rapida self-hosted: Python + discord.py + Ollama

Di seguito trovi un esempio minimo funzionante di bot Discord che usa Ollama per l’inferenza locale. Richiede che Ollama sia installato e in esecuzione, e che sia stato scaricato un modello (ad esempio ollama pull llama3.1:8b).

Prerequisiti

1. Python 3.10+
2. Ollama installato e in esecuzione (curl -fsSL https://ollama.com/install.sh | sh)
3. Un modello scaricato: ollama pull llama3.1:8b
4. Un token del bot Discord (creane uno nel Discord Developer Portal)
5. Il bot aggiunto al tuo server con i permessi Send Messages e Read Message History

Installare le dipendenze

pip install discord.py aiohttp

Codice del bot

import discord
import aiohttp
import json

DISCORD_TOKEN = "your-bot-token-here"
OLLAMA_URL = "http://localhost:11434/api/chat"
MODEL = "llama3.1:8b"
SYSTEM_PROMPT = "Sei un assistente utile in un server Discord. Mantieni le risposte concise."

# Store conversation history per channel (in-memory, resets on restart)
conversations: dict[int, list[dict]] = {}
MAX_HISTORY = 10  # Keep last 10 messages per channel

intents = discord.Intents.default()
intents.message_content = True
client = discord.Client(intents=intents)


async def query_ollama(channel_id: int, user_message: str) -> str:
    """Send a message to Ollama and return the response."""
    if channel_id not in conversations:
        conversations[channel_id] = []

    conversations[channel_id].append({"role": "user", "content": user_message})

    # Trim history to avoid unbounded memory growth
    if len(conversations[channel_id]) > MAX_HISTORY:
        conversations[channel_id] = conversations[channel_id][-MAX_HISTORY:]

    messages = [{"role": "system", "content": SYSTEM_PROMPT}] + conversations[channel_id]

    payload = {
        "model": MODEL,
        "messages": messages,
        "stream": False,
    }

    async with aiohttp.ClientSession() as session:
        async with session.post(OLLAMA_URL, json=payload) as resp:
            if resp.status != 200:
                return f"Ollama returned status {resp.status}"
            data = await resp.json()
            reply = data["message"]["content"]

    conversations[channel_id].append({"role": "assistant", "content": reply})
    return reply


@client.event
async def on_ready():
    print(f"Logged in as {client.user}")


@client.event
async def on_message(message: discord.Message):
    # Ignore own messages
    if message.author == client.user:
        return

    # Only respond when mentioned
    if client.user not in message.mentions:
        return

    # Strip the mention from the message
    content = message.content.replace(f"<@{client.user.id}>", "").strip()
    if not content:
        return

    async with message.channel.typing():
        reply = await query_ollama(message.channel.id, content)

    # Discord has a 2000-character limit per message
    if len(reply) > 2000:
        for i in range(0, len(reply), 2000):
            await message.reply(reply[i:i+2000])
    else:
        await message.reply(reply)


client.run(DISCORD_TOKEN)

Sono circa 60 righe di codice e ti danno un bot AI funzionante che risponde quando viene menzionato. Mantiene la cronologia della conversazione per canale in memoria (persa al riavvio) e gestisce il limite di 2,000 caratteri per messaggio di Discord.

Cosa manca a questo bot minimale

Il codice sopra funziona per test e piccoli server. Per qualsiasi cosa oltre questo livello, incontrerai diversi problemi che i bot in produzione devono gestire:

• Cronologia delle conversazioni persistente. Il dict in memoria viene perso quando il processo si riavvia. Un bot in produzione dovrebbe archiviare le conversazioni in Redis o in un database.
• Rate limiting. Discord consente 5 messaggi ogni 5 secondi per canale. Se il tuo bot è popolare, ti serve una coda.
• Richieste concorrenti. Ollama elabora una richiesta alla volta per impostazione predefinita. Più utenti che inviano messaggi contemporaneamente finiranno in coda. Puoi eseguire più istanze Ollama dietro un load balancer, oppure usare l’opzione OLLAMA_NUM_PARALLEL di Ollama (disponibile dalla v0.1.33).
• Gestione degli errori e retry. Ollama può andare in crash, esaurire la memoria o restituire risposte malformate. Il bot dovrebbe gestire tutti questi casi in modo robusto.
• Gestione della finestra di contesto. L’impostazione MAX_HISTORY = 10 è ingenua. Un approccio migliore conta i token e tronca per rientrare nella finestra di contesto del modello (8,192 token per Llama 3.1 8B per impostazione predefinita, configurabile fino a 128K con degradazione della qualità nei contesti più lunghi).
• Supporto dei thread. Su Discord, le conversazioni con i bot spesso avvengono nei thread. Gestire la creazione dei thread e la cronologia per thread richiede logica aggiuntiva.
• Knowledge base / RAG. Se vuoi che il bot risponda a domande sulla documentazione del tuo progetto, ti serve una configurazione di retrieval-augmented generation: generare embedding dei tuoi documenti, archiviare gli embedding in un database vettoriale e recuperare i blocchi rilevanti prima di inviarli all’LLM.

Problemi tecnici comuni

Rate limit dell’API Discord

Discord impone rate limit a più livelli:

• Limiti per route: ogni endpoint API ha il proprio rate limit, restituito negli header della risposta (X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset).
• Limite globale: 50 richieste al secondo su tutti gli endpoint.
• Limite messaggi per canale: 5 messaggi ogni 5 secondi per canale.
• Limiti gateway: 120 eventi gateway ogni 60 secondi.

La libreria discord.py gestisce automaticamente la maggior parte di questi limiti mettendo in coda le richieste quando raggiungi un limite. Tuttavia, se il tuo bot è contemporaneamente in molti server o canali, puoi comunque raggiungere il limite globale. A quel punto devi valutare lo sharding (dividere le connessioni del bot ai server su più connessioni gateway).

Per i bot che usano l’intent MESSAGE_CONTENT (necessario per leggere il testo dei messaggi), Discord richiede la verifica del bot se si trova in più di 100 server. Questo comporta l’invio di una descrizione di ciò che fa il bot e l’approvazione da parte di Discord.

Compromessi sulla qualità del modello

Il divario tra piccoli modelli open-source e modelli commerciali frontier è più ridotto rispetto a due anni fa, ma esiste ancora. Ecco un confronto approssimativo per attività comuni dei bot Discord:

Se il tuo bot Discord è per una community di gaming e gestisce soprattutto chat informale e semplici ricerche, un modello locale 8B funziona bene. Se è destinato al supporto clienti, dove l’accuratezza conta, il divario di qualità diventa un problema reale. Anche mantenere il personaggio dipende meno dal modello che dalla configurazione: come creare un chatbot AI per roleplay che resta nel personaggio mostra quanto possano incidere un prompt di persona e una knowledge base canonica anche con un modello standard.

Gestione della finestra di contesto

Questa è la sfida tecnica più sottovalutata nei bot Discord. Le conversazioni su Discord sono intrinsecamente multi-turn: gli utenti inviano molti messaggi brevi e il bot deve ricordare cosa è stato detto prima nella conversazione.

Ogni volta che il bot risponde, deve includere la cronologia precedente della conversazione nel prompt. Questo significa:

• Il numero di token di input cresce linearmente con la lunghezza della conversazione.
• Per i bot basati su API, anche il costo cresce linearmente.
• Per i modelli locali, il tempo di inferenza cresce con la lunghezza del contesto (in modo quadratico nel calcolo dell’attenzione, anche se ottimizzazioni come Flash Attention aiutano).
• A un certo punto, la conversazione supera la finestra di contesto del modello e ti serve una strategia: troncare dall’inizio, riassumere i messaggi più vecchi o iniziare una nuova conversazione.

Un approccio pratico consiste nel mantenere una finestra mobile degli ultimi N messaggi e, se la conversazione è stata lunga, anteporre un breve riassunto del contesto precedente. Questo richiede una chiamata LLM aggiuntiva per generare il riassunto, ma mantiene limitati i costi per messaggio.

Implicazioni per la privacy

Questo varia in modo significativo in base all’approccio:

• Self-hosted: l’inferenza AI resta sul tuo hardware, quindi controlli i log e la retention dell’elaborazione del modello. Discord continua comunque a trasportare e archiviare i messaggi; l’inferenza locale non rende locale l’intera conversazione.
• Chiave API propria: i messaggi vengono inviati al provider API (OpenAI, Anthropic, ecc.). Controlla le loro policy di conservazione dei dati. All’inizio del 2026, OpenAI dichiara di non addestrare sui dati API per impostazione predefinita, e Anthropic ha una policy simile. Tuttavia, i messaggi transitano comunque sui loro server.
• Servizi gestiti: i messaggi vengono elaborati dal provider del servizio. Controlla la sua privacy policy e i data processing agreement. Per le aziende che gestiscono dati utente nell’UE, la conformità al GDPR conta in questo punto. Quickchat AI, ad esempio, elabora i dati nell’UE e fornisce un DPA ai clienti business.

Per un server Discord informale, la privacy di solito non è la preoccupazione principale. Per un’azienda che usa un bot Discord per il supporto clienti, vale la pena capire esattamente dove sono archiviati i dati delle conversazioni e chi può accedervi.

Self-hosted o gestito: costo totale di proprietà

Il confronto dei costi di calcolo grezzi nella tabella sopra racconta solo una parte della storia. Il costo totale di proprietà include il tempo di ingegneria.

Cosa costruisci tu con un bot self-hosted:

• Codice del bot e deployment
• Archiviazione della cronologia delle conversazioni
• Gestione della finestra di contesto
• Gestione degli errori e monitoraggio
• Pipeline knowledge base / RAG (se necessaria)
• Analisi e logging
• Supporto multi-canale (se necessario)

In modo prudente, costruire un bot Discord AI self-hosted di qualità production con cronologia delle conversazioni, knowledge base e analisi di base richiede 40-80 ore di ingegneria per uno sviluppatore esperto. Mantenerlo (aggiornamenti del modello, aggiornamenti delle dipendenze, debugging, monitoraggio) aggiunge tempo continuativo.

Cosa ottieni subito con un servizio gestito:

• Hosting del bot e gestione dell’uptime
• Knowledge base costruita dal tuo sito web, dai documenti e dai file
• Analisi delle conversazioni (sentiment, argomenti, valutazioni)
• Deployment multi-canale (stesso agent su Discord, sito web, WhatsApp, Slack, ecc.)
• Handoff umano quando l’AI non può aiutare
• AI Actions (chiamate API personalizzate attivate dal contesto della conversazione), incluse azioni di moderazione come timeout, kick e ban

La domanda è se il costo mensile del servizio gestito sia inferiore al costo opportunità del tuo tempo di ingegneria. Per uno sviluppatore solo che gestisce un server Discord per hobby, il self-hosting con Ollama è probabilmente la scelta giusta. Per un’azienda che usa Discord come canale di supporto rivolto ai clienti, di solito il calcolo favorisce un servizio gestito perché le funzionalità attorno all’LLM principale (analisi, knowledge base, handoff) sono ciò che rende davvero utile il bot. La guida al bot AI per ticket costruisce esattamente questa combinazione dall’inizio alla fine sul piano Free, quindi puoi confrontare l’alternativa con qualcosa di concreto.

Riepilogo

Non esiste un bot Discord AI gratuito universalmente “migliore”. La scelta giusta dipende da cosa significa “gratuito” per te:

• Se vuoi costi ricorrenti pari a zero e hai hardware disponibile, fai self-hosting con Ollama e un modello open-source. Controlli l’elaborazione locale del modello e la relativa retention dei dati, mentre Discord continua a trasportare e archiviare i messaggi. Rinunci alla qualità dei modelli frontier e ti assumi tutto il lavoro di ingegneria.
• Se vuoi testare con utenti reali prima di pagare, il piano Free di Quickchat AI ti permette di iniziare senza carta di credito. L’integrazione Discord funziona nel piano Free e i piani a pagamento partono da $9/mo.
• Se vuoi la qualità dei modelli frontier e ti va bene gestire chiavi API, un bot con chiave API propria te la offre con costi bassi per messaggio (soprattutto con GPT-4o mini o Gemini Flash). Devi comunque ospitare il codice del bot e costruire qualunque funzionalità oltre alla chat grezza.
• Se ti servono funzionalità di produzione (knowledge base, analisi, handoff, multi-canale), un servizio gestito è la strada più veloce. Valuta in base al volume di messaggi previsto e alle funzionalità di cui hai davvero bisogno.

La parola “gratuito” in “bot Discord AI gratuito” ha molto peso. La capacità di calcolo costa sempre qualcosa. La domanda è chi la paga e cosa ottieni (o a cosa rinunci) in cambio.

Per un confronto più ampio di tutti i bot Discord AI (non solo quelli gratuiti), consulta la nostra raccolta Migliori bot Discord AI nel 2026. Se il tuo server è specificamente un canale di supporto, Bot AI Discord per ticket mostra come rispondere dalla tua documentazione ed eseguire l’escalation del resto in thread di ticket privati.