LLM Local: Que Equipamento Comprar em 2026 — Do Mac Mini ao PC NVIDIA

Correr modelos de linguagem localmente — sem subscrições, sem dados a sair da rede, sem limites de tokens — tornou-se uma realidade acessível em 2026. O hardware evoluiu, os modelos quantizados ficaram mais eficientes e as ferramentas como Ollama e LM Studio eliminaram toda a complexidade de configuração. Mas a escolha do equipamento certo ainda confunde: não é só RAM, não é só GPU, e a diferença entre gastar 700€ e gastar 2.000€ é enorme em termos do que consegues correr.

Este artigo parte de uma experiência concreta com o Lenovo Legion 5 (GTX 1650 Ti, 4 GB VRAM, 64 GB RAM) — hardware que demonstrou as limitações do modelo tradicional GPU+RAM separada — e explora o que funciona melhor para LLM local em 2026, com foco no Mac Mini M4 como a escolha mais equilibrada para a maioria dos perfis.

1. Porquê correr LLM local — privacidade, custo e latência

Os modelos cloud (Claude, GPT-4, Gemini) são excelentes — mas têm limitações que modelos locais resolvem directamente:

2. O que determina a performance — memória, largura de banda e quantização

A inferência LLM (gerar tokens) é fundamentalmente diferente do treino. Não é limitada pela velocidade de cálculo (TFLOPS) — é limitada pela velocidade de transferência de dados entre memória e processador. A fórmula é simples:

# Regras fundamentais para LLM local

1. O modelo tem de caber em memória
   # Se não couber → usa swap em disco → performance cai para 1-2 t/s → inutilizável

2. Largura de banda de memória = tokens por segundo
   # Mais GB/s de memória → mais tokens/segundo, independentemente da velocidade do CPU/GPU

3. Quantização reduz o tamanho do modelo em memória
   # Q4_K_M ≈ 4 bits por parâmetro → modelo 32B ocupa ~18 GB em vez de 64 GB (FP32)
   # Perda de qualidade mínima em Q4_K_M para modelos > 13B parâmetros

3. O problema do hardware tradicional — GPU discreta com VRAM limitada

A experiência com o Lenovo Legion 5 (Ryzen 5 4600H + GTX 1650 Ti 4 GB VRAM + 64 GB RAM) ilustra bem o problema do modelo tradicional. Apesar dos 64 GB de RAM do sistema — mais que suficientes para carregar modelos de 26B — a VRAM de apenas 4 GB cria um bottleneck severo.

4. Por que o Apple Silicon muda as regras — memória unificada

O Apple Silicon (M1, M2, M3, M4) usa uma arquitectura de memória unificada (UMA — Unified Memory Architecture) — CPU, GPU e Neural Engine partilham o mesmo pool de memória física de alta velocidade. Não existe separação entre “RAM do sistema” e “VRAM da GPU”.

5. Mac Mini M4 — configurações e o que cada uma consegue correr

6. Guia de compra por perfil de utilização

7. Alternativas PC com NVIDIA — quando faz sentido

O Mac Mini não é a única opção — GPUs NVIDIA com VRAM suficiente são mais rápidas por token em modelos que cabem inteiramente na VRAM, e dominam para treino e fine-tuning (CUDA). A questão é o custo e a VRAM necessária.

A GPU NVIDIA faz sentido quando: já tens um PC Windows potente e só precisas de adicionar a GPU; fazes treino ou fine-tuning (CUDA é essencial); precisas de velocidade máxima para modelos que cabem inteiramente na VRAM; ou já tens infraestrutura Linux com toolchain CUDA configurado. Para uso como assistente diário silencioso, o Mac Mini M4 Pro ganha na equação custo/benefício/consumo.

8. Ferramentas — Ollama, LM Studio e MLX

# Instalação Ollama no Mac (menos de 10 minutos do zero ao primeiro modelo)
brew install ollama

# Iniciar o servidor Ollama
ollama serve

# Descarregar e correr um modelo
ollama run qwen2.5:14b      # Para M4 Pro 24 GB — excelente para uso diário
ollama run qwen2.5:7b       # Para M4 16 GB — rápido e fluido
ollama run qwen2.5-coder:14b # Especializado em código

# Ver modelos disponíveis localmente
ollama list

# Testar performance (tokens por segundo)
ollama run qwen2.5:14b --verbose "Escreve um guia sobre DNS em 500 palavras"

9. Modelos recomendados por configuração de hardware