Placa de vídeo e RAM: o mínimo para rodar IA local sem pagar ChatGPT ou Claude

RESUMO | Rodar IA local sem assinatura é possível até em PCs sem placa de vídeo dedicada, mas a experiência depende da VRAM e da RAM. Para uso diário com modelos de 7B a 8B parâmetros, o ponto de entrada é 16 GB de RAM e uma GPU com 8 GB de VRAM. Para comprar ou fazer upgrade, 32 GB de RAM e 12 GB a 16 GB de VRAM dão mais folga. Ollama e LM Studio instalam e rodam os modelos de graça.

Rodar IA local no computador permite usar modelos de linguagem abertos, como Llama e Qwen, sem pagar a assinatura do ChatGPT ou do Claude. O que separa uma experiência útil de uma frustrante é a memória, ou seja, a VRAM da placa de vídeo e a RAM do sistema. Para chat, resumo, tradução e código leve, o ponto de entrada é 16 GB de RAM e uma GPU com 8 GB de VRAM.

A TIC Domicílios 2025, do Cetic.br, estimou que 32% dos usuários de internet no Brasil, cerca de 50 milhões de pessoas com 10 anos ou mais, já usam esse tipo de tecnologia. A versão local atrai quem quer cortar a mensalidade ou manter documentos sensíveis fora de servidores de terceiros.

O que significa rodar IA local?

É baixar um modelo de linguagem aberto e executá-lo no próprio computador, com processamento feito pela CPU, pela RAM e, quando disponível, pela placa de vídeo. Depois do download, a conversa funciona sem internet. O resultado não se equipara aos modelos pagos da OpenAI e da Anthropic, que rodam em data centers. Modelos locais menores dão conta de rascunhar e revisar textos, resumir documentos, traduzir e explicar trechos de código.

Por outro lado, o processamento no PC reduz a exposição de dados a servidores externos — o que não quer dizer que garante 100% de segurança. Para documentos sensíveis, a recomendação é usar versões oficiais dos programas e baixar modelos de catálogos reconhecidos, como os do Ollama e do LM Studio.

Por que a VRAM importa mais que a potência da placa?

Para IA local, o limite está na memória, e não na velocidade do chip gráfico. Quatro conceitos explicam a conta:

• RAM: memória principal do computador. Carrega o sistema, os programas e a parte do modelo que não cabe na placa de vídeo;
• VRAM: memória própria da GPU. Quanto maior, mais camadas do modelo ficam na placa e mais rápida sai a resposta;
• Quantização: compressão que representa os pesos do modelo com menos bits. Versões em 4 bits, chamadas de Q4, ocupam cerca de um quarto do tamanho original, com perda pequena de qualidade em tarefas gerais;
• Janela de contexto: volume de texto que o modelo mantém durante a conversa. Documentos longos consomem memória além do tamanho do arquivo baixado.

Quando o modelo não cabe inteiro na VRAM, programas baseados no llama.cpp, como o Ollama, dividem as camadas entre a GPU e a RAM. O modelo abre, mas a geração de texto desacelera à medida que mais camadas ficam no processador.

Qual é o mínimo de hardware para rodar IA local?

As faixas abaixo valem para PCs com Windows ou Linux:

• Para testar, sem placa de vídeo dedicada: CPU moderna, 16 GB de RAM e SSD com pelo menos 20 GB livres. Roda modelos de 1B a 4B parâmetros, com respostas lentas. Com 8 GB de RAM, só os menores modelos abrem, e o sistema fica sem margem;
• Mínimo recomendado: 16 GB de RAM e GPU com 8 GB de VRAM. Comporta modelos de 7B a 8B em Q4 inteiros na placa, faixa em que as respostas ficam úteis para escrita e dúvidas técnicas;
• Melhor equilíbrio para compra ou upgrade: 32 GB de RAM, SSD de 1 TB e GPU com 12 GB a 16 GB de VRAM. Suporta modelos de 12B a 14B em Q4 e janelas de contexto maiores;
• Modelos grandes: 64 GB de RAM e 24 GB de VRAM, para modelos de 27B a 32B em quantização agressiva.

Em Macs com Apple Silicon, CPU e GPU compartilham a mesma memória unificada, e a conta passa a ser o total do aparelho. 16 GB é o mínimo confortável; 24 GB ou 32 GB abrem espaço para modelos maiores.

Precisa de placa de vídeo NVIDIA para IA local?

Não é obrigatório, mas simplifica a instalação. A maior parte dos programas de IA local é otimizada para CUDA, a plataforma da NVIDIA.

O Ollama também suporta placas AMD Radeon no Windows e no Linux, onde exige o driver ROCm v7. A configuração pede mais conferência de driver. GPUs integradas dividem a memória com o sistema e não substituem uma placa dedicada, com exceção dos chips da Apple.

Qual placa de vídeo comprar para rodar IA local?

Entre duas placas, a de mais VRAM costuma render mais para IA local, mesmo sendo de geração anterior. Uma GPU nova de 8 GB pode ir melhor em jogos e carregar menos modelo que uma de 12 GB.

A GeForce RTX 3060 de 12 GB virou referência de entrada por combinar essa memória com suporte a CUDA, inclusive no mercado de usados. Placas de 16 GB, como a RTX 5060 Ti nessa versão, ampliam a folga para modelos de 14B. Antes de comprar, a ordem de prioridade é:

• VRAM: 12 GB como alvo mínimo para o upgrade fazer diferença e 16 GB para durar mais;
• RAM do sistema: manter 8 GB de RAM anula parte do ganho da placa nova;
• Estado e procedência: em placas usadas, conferir garantia e histórico de uso;
• Fonte e gabinete: checar potência da fonte, conectores de energia e espaço físico.

Qual modelo de IA local baixar primeiro?

Modelos pequenos permitem avaliar o PC antes de downloads maiores. No catálogo do Ollama, três opções compactas servem de ponto de partida:

• Llama 3.2 3B: modelo da Meta com cerca de 2 GB;
• Qwen3 4B: modelo da Alibaba com cerca de 2,5 GB;
• Gemma 3 4B: modelo do Google com cerca de 3,3 GB, que aceita texto e imagem.

Com 8 GB de VRAM, dá para subir para modelos de 7B a 8B, como o Llama 3.1 8B e o Qwen3 8B. A fluência em português varia entre modelos, e testar com tarefas reais, como revisar um e-mail, mostra o resultado antes de qualquer upgrade.

Como rodar IA local com o Ollama

O Ollama funciona no Windows, no macOS e no Linux e roda modelos pelo terminal, sem chave de API. O passo a passo:

• Instale o programa: baixe o instalador no site oficial (ollama.com). No Windows, ele não exige permissão de administrador;
• Libere espaço: reserve ao menos 20 GB no SSD para os modelos;
• Abra o terminal: no Windows, use o PowerShell ou o Prompt de Comando;
• Rode o primeiro modelo: digite ollama run llama3.2:3b e pressione Enter. O programa baixa o arquivo e abre a conversa. Em PCs mais modestos, ollama run llama3.2:1b usa uma versão menor;
• Encerre a sessão: digite /bye.

Como usar o LM Studio sem terminal

O LM Studio oferece interface gráfica e roda em Macs com Apple Silicon, Windows e Linux. Em processadores x64, exige suporte à instrução AVX2. Para começar:

• Instale o LM Studio: baixe a versão do sistema no site oficial (lmstudio.ai);
• Busque o modelo: acesse a área de descoberta e pesquise pelo nome;
• Confira a compatibilidade: o app indica se o modelo cabe na memória do computador antes do download;
• Prefira versões Q4: para o primeiro teste, escolha arquivos quantizados em 4 bits;
• Carregue e converse: depois do download, selecione o modelo e inicie o chat.