Última atualização: 27 de outubro de 2026.
Resposta rápida: para IA local no portátil, a conta é de memória. Segundo os guias da Unsloth, o Qwen3.6-27B precisa de cerca de 18 GB em 4 bits e o Nemotron 3.5 Lightning de cerca de 20 GB, o que na prática pede um portátil com 32 GB. Com 16 GB, nenhum dos dois cabe. O DeepSeek V4.1 Flash, apesar do nome, tem mais de 550 mil milhões de parâmetros e não cabe em portátil nenhum.
IA local no portátil: quanta memória cada modelo pede
Os números de IA local no portátil abaixo somam RAM e VRAM, ou a memória unificada num Mac, e vêm dos guias da Unsloth, que é uma fonte de ferramentas de execução e não a autora dos modelos. Não incluem folga para o sistema nem para o contexto, por isso deixa margem. Essa margem é leitura minha, não um número oficial.
| Modelo | Parâmetros | 4 bits | 8 bits | Licença |
|---|---|---|---|---|
| Qwen3.6-27B | 27 mil milhões, denso | 18 GB | 30 GB | Apache-2.0 |
| Qwen3.6-35B-A3B | 35 mil milhões, mistura de especialistas | 23 GB | 38 GB | Não verifiquei |
| Nemotron 3.5 Lightning | 30 mil milhões, cerca de 3 mil milhões ativos | cerca de 20 GB | 33 GB | OpenMDW 1.1 |
| DeepSeek V4.1 Flash | 552 mil milhões no backbone, 763 mil milhões nos metadados | Sem guia oficial | Sem guia oficial | MIT |
A página da Unsloth sobre o Qwen3.6-35B-A3B dá 22 GB na introdução e 23 GB na tabela, por isso trata esse valor como aproximado. Uma nota sobre os modelos “A3B”: o nome indica cerca de 3 mil milhões de parâmetros ativos por token, mas todos os pesos têm de estar na memória. O 35B-A3B pede por isso mais memória do que o 27B denso, apesar de ativar menos. A vantagem esperada é a velocidade, não a poupança de memória.
Qwen3.6-27B: o mais pesado dos que cabem
É um modelo denso de 27 mil milhões de parâmetros, com licença Apache-2.0, segundo o cartão do modelo no Hugging Face. Foi a primeira variante aberta da família Qwen3.6, com data de abril de 2026 na citação do cartão. Tem contexto nativo de 262.144 tokens, extensível até cerca de 1 milhão com YaRN.
Há um custo escondido para quem faz IA local no portátil: o próprio cartão aconselha manter pelo menos 128 mil tokens de contexto para preservar a capacidade de raciocínio, e reduzir a janela se aparecerem erros de memória. A memória que sobra depois dos pesos decide quanto contexto podes usar. Sobre a família, vê a nossa review do Qwen.
Nemotron 3.5 Lightning: o modelo de mistura de especialistas da NVIDIA
A NVIDIA lançou o Nemotron 3.5 Lightning a 11 de agosto de 2026, segundo o Guru3D. Tem 30 mil milhões de parâmetros no total e cerca de 3 mil milhões ativos por token, com licença OpenMDW 1.1, descrita pelo Guru3D como aprovada para uso comercial. A versão NVFP4 ocupa cerca de 21,6 GB antes da sobrecarga de execução e do contexto.
A NVIDIA afirma, com testes próprios, que gera tokens até quatro vezes mais depressa e conclui tarefas de agentes 30% mais depressa do que outros modelos abertos da mesma classe. Os resultados publicados mostram que não lidera em tudo: o Qwen 3.6 35B e o Gemma 4 26B ficam à frente em alguns testes de raciocínio e programação. Sobre a linha Nemotron, vê a nossa review do NVIDIA Nemotron.
DeepSeek V4.1 Flash: o que não cabe no portátil
Para IA local no portátil, aqui o nome engana. O cartão do DeepSeek V4.1 Flash no Hugging Face fala em 552 mil milhões de parâmetros de backbone, e os metadados dos ficheiros listam 763 mil milhões. Ativa 8 mil milhões por token na leitura do pedido e 16 mil milhões na geração, tem licença MIT e contexto de até 1 milhão de tokens. O cartão não dá requisitos de hardware.
Sem número oficial, a conta é de ordem de grandeza: o cartão indica pesos em 8 bits, e 552 mil milhões de parâmetros a 1 byte cada dão centenas de GB, muito além de qualquer portátil. Isto é um cálculo meu, não um requisito publicado pela DeepSeek. Para usar o modelo, a via realista é uma API e não a tua máquina. A ficha da empresa está na nossa review do DeepSeek.
Como correr IA local no portátil em 5 passos
- Vê a memória que tens para IA local no portátil. Num Mac conta a memória unificada. Num PC soma a RAM e a VRAM da placa gráfica, como nos números da Unsloth.
- Escolhe a ferramenta. O LM Studio e o Ollama são os caminhos mais simples, e comparámo-los nas melhores ferramentas de IA local. O guia da Unsloth para o Nemotron indica o Unsloth Desktop e o llama.cpp.
- Começa em 4 bits. É a quantização que pede menos memória nas tabelas acima. Para o Nemotron, o guia da Unsloth usa o ficheiro UD-Q4_K_XL no llama.cpp como equilíbrio entre tamanho e precisão.
- Reduz o contexto se faltar memória. Tanto o cartão do Qwen como o Guru3D, a propósito do Nemotron, avisam que o contexto também consome memória.
- Mede a velocidade no teu portátil. As comparações de velocidade publicadas pela NVIDIA são testes dela e dizem pouco sobre a tua máquina.
Qual escolher para IA local no portátil, consoante a memória
- 16 GB: nenhum dos três cabe. Procura modelos mais pequenos, ou vê as apps de IA local no telemóvel.
- 32 GB: Qwen3.6-27B ou Nemotron 3.5 Lightning em 4 bits, com pouca folga e contexto reduzido. O Nemotron tem a vantagem esperada de velocidade por ativar menos parâmetros.
- 64 GB ou mais: as versões de 8 bits ficam ao alcance (30 GB e 33 GB nas tabelas), com mais contexto.
Esta recomendação de IA local no portátil é leitura minha dos números publicados, não um teste feito por nós: não corremos estes modelos num portátil para este artigo. Se preferires uma opção da Meta, vê o Muse Glimmer, que analisámos à parte. Se já usas o Claude Desktop, o artigo sobre Ollama no Claude Desktop mostra como ligar modelos locais.
Perguntas frequentes sobre IA local no portátil
Quanta RAM preciso para IA local no portátil?
Para estes modelos, 32 GB em 4 bits é o mínimo realista: as tabelas da Unsloth pedem 18 a 23 GB só para os pesos, antes do contexto e do sistema. Modelos mais pequenos pedem menos.
O DeepSeek V4.1 Flash corre num portátil?
Não. Tem 552 mil milhões de parâmetros de backbone segundo o cartão no Hugging Face, e o “Flash” do nome não o torna pequeno.
O Qwen3.6-27B corre em 16 GB?
Não nos números da Unsloth: são 18 GB em 4 bits só para os pesos.
Preciso de placa gráfica para IA local no portátil?
Os números da Unsloth somam RAM e VRAM, por isso uma placa dedicada não é obrigatória. Sem ela a geração tende a ser mais lenta, mas não medimos quanto.
Dá para usar IA local no portátil offline?
Sim, depois de descarregares os pesos, que ocupam 18 GB ou mais. A IA local no portátil corre offline. A execução fica na tua máquina e os dados não saem dela.
Conclusão
A IA local no portátil já é possível com modelos de 27 a 35 mil milhões de parâmetros, mas só com cerca de 32 GB de memória e contexto reduzido. O que não é possível é correr o DeepSeek V4.1 Flash, e convém desconfiar de quem sugere o contrário. Vamos atualizar este artigo se aparecerem requisitos oficiais ou testes em portáteis reais.
Fontes
- Unsloth, Qwen3.6 – How to Run Locally (consultado a 27 out 2026)
- Unsloth, Nemotron 3.5 (consultado a 27 out 2026)
- Hugging Face, Qwen/Qwen3.6-27B
- Hugging Face, deepseek-ai/DeepSeek-V4.1-Flash
- Guru3D, Nvidia Nemotron 3.5 Lightning Runs Locally on a Single GPU
