Il 5 giugno 2026 Google ha rilasciato il Colab CLI, uno strumento da riga di comando, open source con licenza Apache 2.0, che collega il terminale del proprio computer ai runtime remoti di Google Colab. In pratica permette di eseguire codice Python su GPU e TPU in cloud senza mai aprire il browser - e, soprattutto, consente agli agenti IA che vivono nel terminale di sfruttare quegli stessi acceleratori.

Cosa fa il Colab CLI

Finora Colab era sinonimo di notebook nel browser: comodo per imparare, scomodo per chi lavora da terminale o vuole integrare il calcolo in script e pipeline. Il Colab CLI ribalta la prospettiva. Da una shell qualsiasi si provvisiona un acceleratore, si spedisce un file locale al runtime remoto, lo si esegue e si recupera l'output, il tutto senza passaggi manuali di upload. Per chi sviluppa modelli o fa esperimenti di IA, e' un modo per avere potenza di calcolo on demand restando nel proprio flusso di lavoro abituale.

Il Colab CLI porta GPU e TPU di Colab dentro il terminale. Foto: Pexels

I comandi principali: new, exec, log

L'interfaccia ruota attorno a pochi comandi essenziali:

  • colab new provvisiona una sessione. Di default usa la CPU; con i flag si chiede un acceleratore: --gpu T4, --gpu L4, --gpu A100 o --gpu H100, mentre per le TPU ci sono opzioni come v5e1 e v6e1.
  • colab exec esegue codice Python preso dallo standard input, da un file .py o da un notebook .ipynb. Legge i file in locale e ne spedisce il contenuto, quindi le modifiche locali non richiedono un upload separato.
  • colab log esporta la cronologia della sessione in formato .ipynb, .md, .txt o .jsonl: una corsa remota diventa cosi' un notebook riproducibile salvato sul proprio disco.

Come installarlo e lanciare il primo job

L'installazione passa da uv, il gestore di pacchetti Python veloce, con un solo comando preso dal repository ufficiale su GitHub:

# installazione
uv tool install google-colab-cli

# provvisiona una GPU T4 e lancia uno script
colab new --gpu T4
colab exec script.py

Per una verifica al volo che la GPU sia davvero assegnata, si puo' lanciare al volo qualche riga di Python:

echo "import torch; print(torch.cuda.get_device_name(0))" | colab exec

Il risultato atteso e' il nome della scheda remota (ad esempio "Tesla T4"), a conferma che il codice gira sull'acceleratore in cloud e non sulla macchina locale.

Con uv tool install e pochi comandi si lancia il primo job su GPU remota. Foto: Pexels

Pensato anche per gli agenti IA

Il dettaglio piu' interessante e' che il Colab CLI e' progettato per essere guidato non solo da una persona, ma anche da un agente di codice. Il repository include un file COLAB_SKILL.md che istruisce gli agenti da terminale - come Claude Code, Codex e simili - su come usare i comandi. Cosi' un assistente che sta scrivendo codice puo' autonomamente provvisionare una GPU, eseguire un test pesante e leggere i risultati, senza che lo sviluppatore debba fare da tramite.

Limiti e quando conviene

Restano i vincoli tipici di Colab: le sessioni hanno una durata limitata e possono essere interrotte se restano inattive, la disponibilita' degli acceleratori piu' potenti dipende dal piano (il free tier offre risorse modeste, Colab Pro e Pro+ molto di piu') e non e' la soluzione giusta per addestramenti lunghi giorni, dove conviene un'istanza cloud dedicata. Per esperimenti rapidi, prototipi, fine-tuning leggeri e per dare potenza di calcolo a un agente, invece, e' uno strumento prezioso e finalmente integrato nel terminale. Codice e documentazione sono sul repository GitHub ufficiale.