IA local no desktop: o que decidir antes do piloto

Rodar um modelo de linguagem no próprio computador virou opção viável para tarefas repetidas com dados sensíveis, e outubro de 2026 trouxe os sinais que faltavam: modelos abertos que leem texto, imagem e vídeo, aplicativos com janela e botões, e aceleração em chips comuns. A decisão executiva continua sendo a mesma do curso de IA local para executivos: definir a tarefa, o critério de acerto e o caminho dos dados antes de instalar qualquer coisa.

Por Alexandre Caramaschi, Chief Strategy Officer da Nuvini (Nasdaq: NVNI), Founder da Brasil GEO, cofundador da NAIA e cofundador da AI Brasil, ex-CMO da Semantix (Nasdaq) · Outubro 2026

Atualizado em 30 de outubro de 2026.

Este artigo amplia o curso gratuito sobre IA local no desktop, publicado no catálogo de cursos de alexandrecaramaschi.com, com os lançamentos de agosto a outubro de 2026 e o que eles mudam para quem aprova um piloto. Para quem trabalha com GEO (Generative Engine Optimization), o tema tem um segundo interesse: o mesmo modelo que resume reuniões pode rodar, sem custo por uso, a amostra de perguntas que mede a presença da marca em respostas de IA.

1 bilhãode downloads acumulados da família Gemma, de modelos abertos do Google, em dois anosGoogle DeepMind, 20/08/2026
74 tokens/sde velocidade do Qwen3.8-27B num Mac M5 Pro de 48 GB com o motor Splash, em pedidos curtosLM Studio e Inco AI, 18/09/2026
US$ 20por mês no plano Pro do Ollama, com US$ 60 de créditos de nuvem; o uso local continua sem cobrançaOllama, 31/08/2026

O que mudou de agosto a outubro de 2026?

O ritmo de lançamentos é alto, e acompanhar cada versão é trabalho da TI. Para quem decide, interessam os lançamentos que mudam uma escolha: qual modelo cabe no computador da empresa, qual aplicativo serve a tarefa e quanto do processamento fica mesmo dentro da máquina. A linha do tempo abaixo reúne só esses.

10/08/2026Meta libera o Muse Glimmer no Ollama
Modelo aberto de 30 bilhões de parâmetros, com licença Apache 2.0 e entrada de imagens, feito para agentes que rodam no computador.
20/08/2026Gemma passa de um bilhão de downloads
O Google DeepMind, laboratório de IA do Google, anunciou a marca acumulada e mais de 100 mil variantes publicadas por desenvolvedores. O número mede interesse de quem programa, e nenhum ganho de escritório.
25/08/2026Claude Desktop passa a aceitar modelos do Ollama
A janela continua sendo a do Claude; o modelo vem do Ollama e pode ser local ou de nuvem. Na lista, os de nuvem trazem o sufixo “cloud” no nome.
31/08/2026Ollama muda a cobrança da nuvem
Planos Pro (US$ 20), Max (US$ 100) e Team (US$ 500) passam a incluir créditos mensais cobrados por token. A empresa declara retenção zero de dados e processamento nos Estados Unidos e na Europa.
18/09/2026LM Studio apresenta o motor Splash para Macs
Nos testes da Inco AI, o Qwen3.8-27B gerou 74 tokens por segundo em pedidos curtos e 54 com 32 mil tokens de contexto, num Mac M5 Pro de 48 GB. Exige Mac M3 ou mais novo e 36 GB de memória.
21/10/2026Bionic 1.1.9 usa o Neural Engine
O agente do LM Studio ganhou controles para acelerar a leitura do texto de entrada no Neural Engine, o chip de IA dos Macs, em modelos compatíveis.
22/10/2026VS Code 1.143 traz modelo de programação no aparelho
Recurso experimental que roda sem enviar código para a nuvem. Em piloto, vale para ambiente isolado e dados fictícios.

Dois sinais saem dessa lista. Os modelos abertos ficaram mais capazes, e alguns leem imagem e vídeo, como o Qwen3.8-27B da Alibaba, publicado em agosto sob Apache 2.0. O tamanho continua decidindo onde cada um roda: o Qwen3.8-27B pode caber num computador com memória suficiente, enquanto o DeepSeek V4.1-Flash, com 552 bilhões de parâmetros publicados em 10/09/2026, é equipamento de servidor.

O modelo local protege os dados?

Protege uma etapa: o processamento do pedido. O texto que a pessoa cola passa por seis pontos, cada um com gente diferente com acesso. Entrada, modelo, documentos anexados, ferramentas conectadas, histórico salvo e cópias de sincronização. Um piloto bem desenhado define um controle para cada ponto, e o curso dedica um capítulo a essa lista.

O risco mais comum em 2026 é discreto. Aplicativos instalados no computador passaram a vender modelos de nuvem dentro da mesma janela: o Ollama marca esses modelos com “cloud” no nome e permite desligar os recursos de nuvem de uma vez, segundo a documentação oficial consultada em 24/10/2026. O LM Studio separa, na documentação, o que funciona sem rede (conversar com modelo baixado, consultar documentos, servir o modelo a outros programas) do que exige internet (buscar e baixar modelos, atualizar o aplicativo). A regra para o piloto cabe numa frase: só modelos baixados, busca na web desligada, conversas de teste apagadas ao fim.

Dado pessoal tratado no computador continua sujeito à LGPD (Lei Geral de Proteção de Dados) e à política interna. Rodar o modelo localmente reduz o número de terceiros envolvidos; a autorização para usar aquele dado continua necessária, e trocar nomes por letras não anonimiza, porque o contexto ainda identifica o cliente.

Roda no computador que a empresa já tem?

Duas perguntas separadas. A primeira é se o modelo cabe na memória: se não couber, ele não carrega ou fica lento demais. A segunda é se responde no tempo que a tarefa aceita, e esse tempo precisa estar escrito antes do teste: um resumo de reunião tolera um minuto, uma triagem em tempo real pede segundos.

Os requisitos do aplicativo vêm antes de qualquer modelo. O LM Studio pede Mac com chip Apple e macOS 14 ou mais novo, recomenda 16 GB de memória e, no Windows, processador com AVX2 e 4 GB de memória de vídeo dedicada. Com 8 GB, a escolha fica restrita a modelos pequenos e textos curtos. O gpt-oss-20b, da OpenAI, tem 14 GB na biblioteca do Ollama e, segundo a ficha publicada no Hugging Face, roda com 16 GB graças a uma compactação chamada quantização, que reduz a precisão dos números do modelo para o arquivo ocupar menos espaço.

Um número de velocidade só se transfere quando os quatro campos coincidem com o seu caso
Campo	Exemplo do Splash (18/09/2026)	O que conferir no seu teste
Equipamento	Mac M5 Pro, 48 GB de memória unificada	Processador, memória e placa de vídeo da máquina que será usada
Modelo	Qwen3.8-27B, variante preparada para o motor	Família, porte e variante exata, com licença lida
Tamanho da entrada	Pedidos curtos (74 tokens/s) e 32 mil tokens (54 tokens/s)	O tamanho real das suas notas ou documentos
Tipo de medição	Velocidade de escrita, depois que a resposta começa	Tempo total até a tarefa ficar pronta, com a espera inicial

A ordem de compra segue daí. Primeiro, confira os requisitos no computador que existe. Depois, rode a tarefa com um modelo pequeno e anote o que limitou: memória, espera, qualidade ou compatibilidade. Só então avalie uma máquina nova, com o limite medido em mãos. Aceleradores como o Neural Engine ajudam só nas etapas e nos modelos que o aplicativo declara compatíveis, como mostra o Bionic 1.1.9.

Qual aplicativo escolher para o primeiro teste?

A tarefa escolhe o aplicativo. Quem vai consultar uma pasta de documentos tende a usar AnythingLLM ou LM Studio, que anexam arquivos e respondem a partir deles no computador. Quem precisa que outro programa use o modelo escolhe o Ollama, base que ferramentas como Claude Desktop e Codex chamam por baixo. Quem tem exigência de código aberto olha para Jan ou Ollama, conferindo se as conexões com serviços online estão desligadas. Para conversar com texto colado, o LM Studio é o caminho mais guiado, e a versão 0.4.26 saiu em 13/10/2026.

Leia a ficha antes de baixar. Publicador, licença, tamanho e selo de local ou nuvem. Os catálogos distribuem arquivos de muitos publicadores sem auditoria individual, e a versão marcada como instruct ou chat é a treinada para seguir pedidos.
Trate acesso remoto como pedido para a TI. Por padrão, o Ollama escuta só o próprio computador (127.0.0.1, porta 11434). Tutoriais que mandam abrir esse endereço para o celular deixam o assistente alcançável por toda a rede.
Separe o custo do aplicativo do custo do piloto. Aplicativo e modelo podem sair de graça. A conta soma máquina, energia, horas de configuração e horas de revisão; só a cobrança por uso desaparece, e ela volta se um modelo de nuvem entrar na janela.

Quanto custa, e como provar que compensou?

O curso traz uma conta preenchida como exemplo hipotético: uma empresa produz 20 resumos de reunião por mês, cada um com 20 minutos; a hipótese é que o modelo, com revisão, leve 8 minutos. São quatro horas liberadas por mês, cerca de R$ 600 a R$ 150 a hora, contra R$ 200 mensais de suporte e dez horas de configuração pagas uma vez. O investimento inicial se recupera em cerca de quatro meses, desde que as horas liberadas virem receita adicional ou despesa evitada. Sem essa conversão em dinheiro, o teste libera capacidade e nenhum retorno financeiro fica comprovado.

Quando o mesmo aplicativo for usado com modelos de nuvem, a cobrança por uso entra. Em 24/10/2026, o Ollama cobrava US$ 20 por mês no plano Pro, com US$ 60 de créditos, e US$ 500 no plano Team, com US$ 1.000 em créditos divididos pela equipe; o gpt-oss:20b na nuvem da empresa custava US$ 0,07 por milhão de tokens de entrada e US$ 0,30 por milhão de saída. Os planos Bionic+ e Pro do LM Studio, a US$ 20 e US$ 100 por mês, acrescentam modelos hospedados nos Estados Unidos. Preços mudam; a página do fornecedor no dia da decisão é a referência.

O que fazer nesta semana?

Escolha uma tarefa e escreva o critério de acerto. Material que a empresa não colaria num serviço externo, repetição semanal ou mensal e resposta que você consegue julgar olhando. Sem critério escrito, o teste produz opinião.
Feche três respostas antes de instalar: quais dados entram, quais serão trocados por fictícios e quem autoriza. A autorização vem da área responsável pelos dados, com ciência da TI.
Rode o teste com dados fictícios no computador que existe e repita sem internet, anotando o que foi observado. O roteiro passo a passo, no LM Studio, está no capítulo de teste do curso.

Perguntas frequentes

Rodar o modelo no computador garante que os dados não saem da empresa?

Garante só a etapa do processamento. Busca na web, conectores, histórico salvo, sincronização de pastas e modelos de nuvem dentro do aplicativo local continuam levando dados para fora, e cada um pede um controle próprio.

Quanto custa um piloto de IA local?

O aplicativo e o modelo podem ser gratuitos. O custo soma o computador com memória suficiente, energia, horas de configuração e horas de revisão. Se o mesmo aplicativo usar modelos de nuvem, entra cobrança por uso: no Ollama, o plano Pro custava US$ 20 por mês com US$ 60 de créditos em 24/10/2026.

Um notebook de 16 GB roda um modelo útil?

Roda modelos de porte pequeno e médio. O gpt-oss-20b, da OpenAI, tem 14 GB na biblioteca do Ollama e, segundo a ficha publicada, funciona com 16 GB de memória. Com navegador e planilha abertos, a máquina fica no limite, e o teste precisa medir o tempo de resposta na tarefa real.

Preciso de um AI PC ou de um Mac novo para começar?

Para o primeiro teste, use o computador que já tem e um modelo pequeno. Anote o que limitou (memória, espera, qualidade) e só então avalie uma máquina nova. Aceleradores como o Neural Engine ajudam só nos modelos e etapas que o aplicativo declara compatíveis.

Hoje, abra as informações do sistema do seu computador, anote processador, memória e placa de vídeo e compare com os requisitos do LM Studio. Se a máquina atende, o primeiro teste cabe numa tarde; se não atende, a conversa com a TI começa com um número em vez de um desejo.