Requisitos de máquina: o que cabe em cada computador

Nesta aula

A máquina entra no fim do projeto, não no começo.

Toda semana alguém me manda a foto de um computador caro e pergunta "serve para IA?". A resposta honesta é sempre a mesma: serve para qual tarefa, com qual modelo, para quantas pessoas ao mesmo tempo? Sem isso, não existe "serve". Nesta aula eu te dou as três peças que importam de verdade, as referências práticas do que cabe em cada tipo de máquina, e um método para dimensionar sem comprar por impulso. No fim, você vai olhar a ficha do seu próprio computador e saber o que ele aguenta.

• Ao final, você vai entender o papel da memória, da banda de memória e da GPU, e por que a memória vem primeiro.
• Vai saber o que cabe num notebook comum, num desktop com placa de vídeo, num Mac com memória unificada e numa máquina dedicada.
• Vai sair com um entregável: a ficha de dimensionamento do seu computador, com a faixa de modelo que ele roda.

As três peças: memória, banda e processamento

Pense na cozinha de um restaurante. A memória é o tamanho da bancada: define quantos ingredientes cabem ao mesmo tempo. A banda de memória é a velocidade com que o ajudante traz os ingredientes da despensa até a bancada. E o processamento (a GPU ou o processador) é o número de cozinheiros cortando e mexendo.

Um modelo de IA é um ingrediente que precisa estar inteiro na bancada enquanto trabalha. Por isso a memória vem primeiro: se o modelo não cabe, nada mais importa. Depois, para cada token que o modelo escreve, ele precisa reler os seus bilhões de parâmetros. Isso é tráfego de despensa para bancada o tempo todo. Quanto maior a banda, mais tokens por segundo. E os cozinheiros (a GPU) fazem a conta em si; eles importam mais na hora de ler um documento longo de uma vez do que na hora de escrever a resposta.

Três tipos de memória

• RAM comum, a do computador. Todo modelo pode rodar nela, só que devagar, porque a banda da RAM comum é modesta e o processador não foi feito para isso.
• Memória da placa de vídeo (VRAM). É onde um modelo roda rápido num computador com placa dedicada. O limite é o tamanho dela: 8, 12, 16, 24 GB e por aí vai.
• Memória unificada, dos Macs com chip Apple e de máquinas como o DGX Spark. Processador e GPU compartilham a mesma memória, então o modelo pode usar quase tudo o que a máquina tem. É o que permite rodar modelos grandes numa caixa pequena.

O que cabe em cada tipo de máquina

Vou usar as referências dos guias técnicos de 2026 e das fichas oficiais dos fabricantes, que são as fontes que eu confio. Números fora disso, confira na página do modelo.

Dois detalhes que as análises independentes apontam e que mudam a decisão. O DGX Spark tem banda de memória modesta e gera texto em ritmo mais lento que placas dedicadas, apesar de caber modelos grandes; é o caminho natural para quem já trabalha com as ferramentas da NVIDIA. O Mac Studio aposta em muita memória e banda, o que favorece rodar modelos grandes para uso, não para treinar. Nenhum dos dois é "o melhor": são respostas a perguntas diferentes.

A conta de guardanapo

Você não precisa de fórmula. Precisa de três linhas.

1. Tamanho do modelo carregado. A biblioteca do Ollama mostra, para cada versão, o tamanho do download. Esse número é uma boa aproximação do que o modelo ocupa em memória quando carregado.
2. Folga para o contexto. Conversa longa e documento anexado ocupam memória além do modelo. Quanto maior a janela que você pretende usar, maior a folga. Um contrato inteiro na conversa pede bem mais do que uma pergunta de uma linha.
3. Folga para o sistema e as outras pessoas. O sistema operacional e os outros programas também precisam de memória. E cada pessoa conversando ao mesmo tempo com o modelo pede o seu próprio contexto.

Some as três linhas. Se o resultado passa da memória disponível, ou você escolhe um modelo menor, ou uma versão mais quantizada, ou reduz a janela de contexto, ou aceita que a máquina vai usar a RAM comum e ficar lenta. Todas são escolhas válidas; a ruim é não escolher e descobrir na frente da equipe.

Velocidade: quando ela importa e quando não

Para uso interativo, o que importa é o modelo escrever mais rápido do que a pessoa lê. Um modelo de 8B num notebook razoável costuma dar conta disso; um de 30B na RAM comum, não. Para processamento em lote, tipo classificar mil notas fiscais de madrugada, velocidade vira tempo total: se cada nota leva alguns segundos, mil notas cabem numa noite; se leva um minuto, não cabem. Meça na sua máquina, com o seu modelo, na aula 6. Não confie em número de terceiro.

Dimensionar sem comprar por impulso

O método é simples e chato, o que é um elogio em infraestrutura.

Uma alternativa para o passo 2 quando o modelo candidato é grande demais para qualquer máquina que você tem: alugar uma máquina com GPU por hora num provedor de nuvem só para o teste, usando documentos de exemplo, nunca os reais. Você mede a qualidade do modelo grande sem comprar nada, e decide se o ganho sobre o modelo pequeno justifica a máquina.

Se quiser ajuda para interpretar a ficha do seu computador, o assistente de nuvem serve bem, porque a ficha não tem dado sensível:

Repare no "não invente números de velocidade". Assistente adora dar um "tokens por segundo" com cara de certeza. Peça o que medir, e meça você.