{"id":1486,"date":"2026-07-08T13:02:40","date_gmt":"2026-07-08T13:02:40","guid":{"rendered":"https:\/\/convly.ai\/?p=1486"},"modified":"2026-07-08T13:02:40","modified_gmt":"2026-07-08T13:02:40","slug":"intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1","status":"publish","type":"post","link":"https:\/\/convly.ai\/it\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/","title":{"rendered":"La Intel Arc Pro B70 supera la RTX 5090D di NVIDIA nel benchmark DeepSeek R1 a un quarto del costo"},"content":{"rendered":"<p>La Intel Arc Pro B70 avrebbe superato la RTX 5090D di NVIDIA in un <strong>DeepSeek<\/strong> R1 inference workload while costing roughly a quarter as much, according to a benchmark write-up published by Wccftech. The result, which Wccftech says sees the Arc Pro B70 delivering over 2,000 tokens per second on DeepSeek&#8217;s reasoning model, lands at a delicate moment for the AI accelerator market: buyers are actively hunting for cheaper ways to serve open-weights models, and DeepSeek itself is reportedly working on custom silicon to reduce its dependence on both NVIDIA and Huawei.<\/p>\n<div class=\"convly-tldr\">\n<h3>Punti chiave<\/h3>\n<ul>\n<li>Secondo Wccftech, la Intel Arc Pro B70 ha superato la RTX 5090D di NVIDIA nell'esecuzione del modello linguistico di grandi dimensioni (LLM) DeepSeek R1, raggiungendo oltre 2.000 token al secondo nella configurazione testata.<\/li>\n<li>La Arc Pro B70 costerebbe circa un quarto della RTX 5090D, modificando drasticamente l'equazione costo-per-token per l'inferenza DeepSeek on-premise.<\/li>\n<li>Questo risultato \u00e8 particolarmente rilevante per gli sviluppatori che eseguono localmente modelli di ragionamento open-weights, dove l'inferenza limitata dalla memoria ha storicamente favorito le GPU consumer e workstation di fascia alta di NVIDIA.<\/li>\n<li>Secondo quanto riportato separatamente da Wccftech e capacityglobal.com, DeepSeek starebbe sviluppando un proprio chip per l'inferenza, finalizzato a ridurre la dipendenza da NVIDIA e Huawei.<\/li>\n<li>Al momento della stesura di questo articolo, n\u00e9 Intel n\u00e9 NVIDIA hanno rilasciato una dichiarazione ufficiale in risposta al benchmark.<\/li>\n<\/ul>\n<\/div>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a526e01edad4\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Attiva\/Disattiva<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a526e01edad4\"  aria-label=\"Attiva\/Disattiva\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/it\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#What_Wccftech_reports_about_the_DeepSeek_R1_benchmark\" >Cosa riporta Wccftech sul benchmark DeepSeek R1<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/it\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#Why_DeepSeek_R1_is_the_workload_to_watch\" >Perch\u00e9 DeepSeek R1 \u00e8 il carico di lavoro da tenere d'occhio<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/it\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#How_the_two_cards_compare_on_the_reported_numbers\" >Confronto tra le due schede sui dati riportati<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/it\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#What_the_result_means_for_local_and_on-prem_DeepSeek_deployment\" >Cosa implica questo risultato per il deployment locale e on-premise di DeepSeek<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/it\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#The_wider_DeepSeek_hardware_picture\" >L'intero quadro hardware di DeepSeek<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/it\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#Caveats_and_what_still_needs_verifying\" >Avvertenze e aspetti ancora da verificare<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/it\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#Frequently_asked_questions\" >Domande frequenti<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/it\/intel-arc-pro-b70-beats-rtx-5090d-deepseek-r1\/#The_bottom_line\" >In sintesi<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"What_Wccftech_reports_about_the_DeepSeek_R1_benchmark\"><\/span>Cosa riporta Wccftech sul benchmark DeepSeek R1<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Secondo Wccftech, la Intel Arc Pro B70 ha superato la RTX 5090D di NVIDIA specificamente sul modello di ragionamento R1 di DeepSeek, raggiungendo oltre 2.000 token al secondo nella configurazione testata. Wccftech definisce questo risultato degno di nota non solo perch\u00e9 una scheda professionale Intel ha battuto la flagship di NVIDIA destinata al mercato cinese, ma anche perch\u00e9 la RTX 5090D costerebbe circa quattro volte tanto. Se questa proporzione fosse confermata da test indipendenti, rappresenterebbe un cambiamento significativo nell'indice costo-per-token, fattore sempre pi\u00f9 determinante nella scelta delle GPU per servire modelli open-weights come DeepSeek R1.<\/p>\n<p>Il titolo di Wccftech si concentra su un'affermazione specifica e circoscritta: ovvero che, in questa particolare configurazione di DeepSeek R1, la Arc Pro B70 ha superato la RTX 5090D ottenendo prestazioni nettamente migliori a un costo molto inferiore. Non si afferma tuttavia che la Arc Pro B70 sia pi\u00f9 veloce della RTX 5090D in assoluto, n\u00e9 su altri modelli, precisioni o dimensioni dei batch. Gli utenti che valutano questo risultato per la propria pianificazione hardware dovrebbero considerarlo un singolo dato relativo a un carico di lavoro specifico, in attesa di ulteriori benchmark indipendenti pi\u00f9 ampi. <a href=\"https:\/\/convly.ai\/it\/models\/\">Database di modelli IA<\/a> pianificazione hardware dovrebbero considerarlo un singolo dato relativo a un carico di lavoro specifico, in attesa di ulteriori benchmark indipendenti pi\u00f9 ampi.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Why_DeepSeek_R1_is_the_workload_to_watch\"><\/span>Perch\u00e9 DeepSeek R1 \u00e8 il carico di lavoro da tenere d'occhio<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>DeepSeek R1 \u00e8 diventato uno dei modelli di ragionamento open-weights pi\u00f9 seguiti sul mercato, con un profilo di inferenza insolito: catene di ragionamento lunghe, intenso utilizzo della cache key-value e una forte preferenza per GPU dotate di larghezza di banda della memoria generosa. Questa combinazione \u00e8 esattamente il contesto in cui conta maggiormente l\u2019equilibrio tra potenza computazionale grezza e progettazione del sottosistema di memoria, ed \u00e8 proprio per questo che una scheda professionale di fascia media pu\u00f2 talvolta sorprendere una flagship consumer nominalmente pi\u00f9 potente. L\u2019articolo di Wccftech colloca il risultato della Arc Pro B70 in questo contesto, sostenendo che il comportamento fortemente orientato alla memoria di DeepSeek R1 premia le scelte architettoniche di Intel.<\/p>\n<p>Per i team che devono dimensionare l\u2019hardware per deployment locali di DeepSeek, la conclusione pratica \u00e8 che i FLOPS dichiarati contano meno dei token al secondo effettivamente sostenuti sul modello reale. Il nostro <a href=\"https:\/\/convly.ai\/it\/llm-vram-calculator\/\">calcolatore gratuito di VRAM<\/a> \u00e8 stato progettato esattamente per questo tipo di pianificazione, consentendo agli utenti di verificare preliminarmente se una determinata scheda possa contenere i pesi e la cache di DeepSeek R1 alla lunghezza di contesto desiderata, prima ancora di considerare la velocit\u00e0 di elaborazione.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"How_the_two_cards_compare_on_the_reported_numbers\"><\/span>Confronto tra le due schede sui dati riportati<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>L\u2019articolo di Wccftech presenta la notizia principalmente come un ribaltamento del rapporto prezzo-prestazioni. Poich\u00e9 viene citato direttamente solo un sottoinsieme di specifiche, la tabella seguente riporta esclusivamente i dati menzionati da Wccftech e le informazioni pubblicamente note sui prodotti; ogni elemento non esplicitamente indicato nella fonte \u00e8 lasciato vuoto, anzich\u00e9 essere oggetto di supposizioni.<\/p>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Scheda<\/th>\n<th>Throughput riportato su DeepSeek R1<\/th>\n<th>Costo relativo (secondo Wccftech)<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Intel Arc Pro B70<\/td>\n<td>Oltre 2.000 token\/s<\/td>\n<td>Circa un quarto della RTX 5090D<\/td>\n<\/tr>\n<tr>\n<td>NVIDIA RTX 5090D<\/td>\n<td>Superata dalla Arc Pro B70 nello stesso test<\/td>\n<td>Riferimento (circa 4 volte il costo della Arc Pro B70)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Per modellare in modo pi\u00f9 approfondito i costi associati a modelli come DeepSeek R1, il nostro <a href=\"https:\/\/convly.ai\/it\/ai-price-performance-index-2026\/\">Indice prezzo-prestazioni per l'IA<\/a> analizza come questi rapporti evolvono attraverso le diverse generazioni e carichi di lavoro, mentre il nostro <a href=\"https:\/\/convly.ai\/it\/best-gpus-for-ai-2026\/\">migliori GPU per l'IA<\/a> riassume l\u2019intero ventaglio di soluzioni alternative che gli sviluppatori stanno valutando quest\u2019anno.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_the_result_means_for_local_and_on-prem_DeepSeek_deployment\"><\/span>Cosa implica questo risultato per il deployment locale e on-premise di DeepSeek<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Il costo per token \u00e8 ormai il principale fattore guida per molte decisioni hardware nell\u2019ecosistema open-weights, in particolare per i team che hanno scelto di self-hostare i modelli DeepSeek invece di ricorrere a un\u2019API. Se i dati riportati da Wccftech fossero confermati da benchmark indipendenti, la Arc Pro B70 potrebbe modificare radicalmente i calcoli di piccoli studi, laboratori di ricerca e progetti pilota aziendali che fino ad ora davano per scontato di dover ricorrere ai chip di fascia pi\u00f9 alta di NVIDIA per raggiungere obiettivi interattivi di token al secondo su DeepSeek R1.<\/p>\n<p>Anche accettando la precisazione che si tratta di un singolo benchmark su un singolo modello, il rapporto di costo 4:1 riportato \u00e8 cos\u00ec ampio che persino un vantaggio prestazionale molto pi\u00f9 modesto a favore di Intel si tradurrebbe comunque in un costo di inferenza sensibilmente inferiore. I team che stanno valutando se questo cambiamento influenzi la loro decisione tra costruire o acquistare possono modellare entrambe le opzioni utilizzando il nostro <a href=\"https:\/\/convly.ai\/it\/self-hosting-vs-api-calculator\/\">calcolatore per il confronto tra self-hosting e utilizzo di API<\/a>, che confronta il costo ammortizzato delle GPU on-premise con i prezzi di hosting offerti da DeepSeek.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_wider_DeepSeek_hardware_picture\"><\/span>L'intero quadro hardware di DeepSeek<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La notizia sulla Arc Pro B70 arriva contemporaneamente a un altro cambiamento nella strategia hardware di DeepSeek. Wccftech riporta che DeepSeek sta sviluppando un proprio chip per l\u2019inferenza per emanciparsi sia da NVIDIA che da Huawei, e capacityglobal.com conferma che il laboratorio cinese sta sviluppando un chip AI interno per ridurre la sua dipendenza da Nvidia e Huawei. Nessuna delle due fonti, nei brevi estratti forniti, indica una data di lancio o specifiche dettagliate.<\/p>\n<p>Letti insieme, questi due filoni puntano tutti nella stessa direzione: l\u2019ecosistema DeepSeek sta diversificando le proprie opzioni hardware su entrambi i fronti. Intel emerge come alternativa credibile e pi\u00f9 economica per eseguire i modelli DeepSeek esternamente, mentre DeepSeek starebbe costruendo un proprio chip per servirli internamente. Per gli sviluppatori, entrambe le tendenze ampliano l\u2019insieme di target di inferenza praticabili, allontanandosi dal default NVIDIA-only che ha dominato il ciclo precedente. Gli utenti interessati agli aggiornamenti relativi ai modelli possono seguire le novit\u00e0 sulla nostra pagina <a href=\"https:\/\/convly.ai\/it\/deepseek-v4\/\">DeepSeek V4<\/a> .<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Caveats_and_what_still_needs_verifying\"><\/span>Avvertenze e aspetti ancora da verificare<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Un benchmark su un singolo carico di lavoro, per quanto impressionante, non costituisce un giudizio generale. Il report di Wccftech si concentra su DeepSeek R1 in una configurazione specifica; non fornisce, negli estratti disponibili, dettagli sul livello di quantizzazione, sulla lunghezza del contesto, sulla dimensione del batch o sullo stack software utilizzato su ciascuna scheda. Tutti questi parametri possono influenzare in modo sostanziale i risultati in termini di token al secondo, e i driver di Intel e NVIDIA continuano a evolversi. Fino a quando tester indipendenti non replicheranno il risultato sullo stesso modello e ne divulgheranno la configurazione completa, l\u2019interpretazione pi\u00f9 prudente \u00e8 che la Arc Pro B70 rappresenta un serio contendente per l\u2019inferenza DeepSeek R1 al suo livello di prezzo, non che abbia generalmente superato la RTX 5090D.<\/p>\n<p>Va inoltre osservato che la RTX 5090D \u00e8 una variante del modello flagship di NVIDIA destinata al mercato cinese, soggetta a vincoli progettuali derivanti dalle restrizioni alle esportazioni. Questo contesto \u00e8 rilevante per il confronto sui prezzi effettuato da Wccftech, poich\u00e9 il prezzo e la disponibilit\u00e0 della 5090D sono influenzati tanto dalle politiche quanto dalle forze di mercato.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Frequently_asked_questions\"><\/span>Domande frequenti<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Cosa avrebbe fatto, secondo quanto riportato, la Intel Arc Pro B70 nel test su DeepSeek R1?<\/strong> Secondo Wccftech, la scheda Arc Pro B70 ha battuto la RTX 5090D di NVIDIA nell\u2019esecuzione di DeepSeek R1, raggiungendo oltre 2.000 token al secondo nella configurazione testata.<\/p>\n<p><strong>Di quanto \u00e8 pi\u00f9 economica l\u2019Arc Pro B70 rispetto alla RTX 5090D?<\/strong> Wccftech riferisce che il prezzo dell\u2019Arc Pro B70 \u00e8 approssimativamente un quarto di quello della RTX 5090D, sebbene i prezzi esatti per regione non siano stati specificati nel frammento.<\/p>\n<p><strong>Questo significa che l\u2019Arc Pro B70 \u00e8 pi\u00f9 veloce della RTX 5090D in generale?<\/strong> No. Il risultato riportato riguarda esclusivamente DeepSeek R1 in una specifica configurazione. Wccftech non afferma una superiorit\u00e0 generale su altri modelli, precisioni o carichi di lavoro.<\/p>\n<p><strong>DeepSeek sta davvero sviluppando un proprio chip?<\/strong> Sia Wccftech sia capacityglobal.com riportano che DeepSeek sta sviluppando un chip proprietario per l\u2019inferenza AI, con l\u2019obiettivo di ridurre la propria dipendenza da NVIDIA e Huawei. Nessuno dei due frammenti cita una data di lancio.<\/p>\n<p><strong>Cosa dovrebbero fare gli sviluppatori con queste informazioni?<\/strong> Considerarle un chiaro segnale del fatto che l\u2019hardware non basato su NVIDIA sta diventando competitivo per l\u2019inferenza di modelli DeepSeek, e ricalcolare il costo per token nelle proprie implementazioni pianificate non appena saranno disponibili benchmark indipendenti.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_bottom_line\"><\/span>In sintesi<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Se i dati riportati da Wccftech resistono all\u2019analisi indipendente, l\u2019Arc Pro B70 avr\u00e0 dimostrato che una scheda professionale Intel non solo riesce a tenere il passo, ma supera addirittura la flagship di mercato cinese di NVIDIA su uno dei modelli open-weight per il ragionamento pi\u00f9 influenti, a circa un quarto del costo. In combinazione con le notizie separate sullo sviluppo di un proprio chip per l\u2019inferenza da parte di DeepSeek, il quadro complessivo \u00e8 quello di un panorama hardware in rapida maturazione e sempre pi\u00f9 competitivo intorno ai modelli DeepSeek. Per chiunque stia pianificando implementazioni on-premise nei prossimi trimestri, questo cambiamento merita gi\u00e0 oggi di essere considerato nelle decisioni relative all\u2019hardware, anche prima che la comunit\u00e0 dei benchmark fornisca valutazioni pi\u00f9 ampie.<\/p>\n<p><em>Fonti: news.google.com. Pubblicato il 08 luglio 2026.<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>Intel&#8217;s Arc Pro B70 has reportedly outrun NVIDIA&#8217;s RTX 5090D on a DeepSeek R1 inference workload while costing roughly a quarter as much, according to Wccftech.<\/p>","protected":false},"author":1,"featured_media":1487,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[248],"tags":[877,874,421,633,882,283,883],"class_list":["post-1486","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-gpus","tag-ai-gpus","tag-ai-hardware","tag-deepseek","tag-deepseek-r1","tag-intel-arc-pro-b70","tag-llm-inference","tag-nvidia-rtx-5090d"],"_links":{"self":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/1486","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/comments?post=1486"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/1486\/revisions"}],"predecessor-version":[{"id":1488,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/1486\/revisions\/1488"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/media\/1487"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/media?parent=1486"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/categories?post=1486"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/tags?post=1486"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}