# IA Local no Portátil: o Que Cabe e o Que Não Cabe (2026)

- Link: https://ferramentasai.net/ia-local-no-portatil/
- Published: 2026-10-27T15:38:39+01:00
- Author: Carlos Dias

![IA local no portátil: Qwen3.6, Nemotron 3.5 e os modelos que não cabem](https://
ferramentasai.net/wp-content/uploads/2026/10/ia-local-no-portatil-qwen-nemotron.
png)

_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](https://ferramentasai.net/ferramentas-ai/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](https://ferramentasai.net/ferramentas-ai/nvidia-nemotron-gratis-2026/).

## 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](https://ferramentasai.net/ferramentas-ai/deepseek/).

## Como correr IA local no portátil em 5 passos

 1. **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.
 2. **Escolhe a ferramenta.** O [LM Studio](https://ferramentasai.net/ferramentas-ai/lm-studio/)
    e o [Ollama](https://ferramentasai.net/ferramentas-ai/ollama-local-2026/) são os
    caminhos mais simples, e comparámo-los nas [melhores ferramentas de IA local](https://ferramentasai.net/melhores-ferramentas-de-ia-local/).
    O guia da Unsloth para o Nemotron indica o Unsloth Desktop e o llama.cpp.
 3. **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.
 4. **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.
 5. **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](https://ferramentasai.net/apps-de-ia-local-no-telemovel/).
 * **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](https://ferramentasai.net/muse-glimmer-vs-gpt-5-6-2026/),
que analisámos à parte. Se já usas o Claude Desktop, o artigo sobre [Ollama no Claude Desktop](https://ferramentasai.net/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](https://unsloth.ai/docs/models/qwen3.6)(
   consultado a 27 out 2026)
 * [Unsloth, Nemotron 3.5](https://unsloth.ai/docs/models/nemotron-3.5) (consultado
   a 27 out 2026)
 * [Hugging Face, Qwen/Qwen3.6-27B](https://huggingface.co/Qwen/Qwen3.6-27B)
 * [Hugging Face, deepseek-ai/DeepSeek-V4.1-Flash](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash)
 * [Guru3D, Nvidia Nemotron 3.5 Lightning Runs Locally on a Single GPU](https://guru3d.com/story/nvidia-nemotron-35-lightning-runs-locally-on-a-single-gpu/)
