Posso rodar este modelo de IA?
Escolha seu hardware. Tudo roda no seu navegador e nada é enviado para lugar nenhum. Os resultados são estimativas.
Seu hardware
Resultados
GPU = cabe na VRAM (rápido). Offload = também precisa da RAM do sistema (funciona, mas bem mais devagar; 4 GB ficam reservados para o sistema operacional). Não = grande demais. O número é o total estimado em GB.
Alguns links podem ser de afiliados; vamos avisar onde estiverem. Como ganhamos dinheiro.
Me avise quando novos modelos couberem na minha GPU
Um e-mail curto com as principais notícias de IA e games que verificamos no dia, mais uma ferramenta útil. As inscrições abrem em breve. Até lá, acompanhe pelo nosso feed RSS.
Como a estimativa funciona
- Pesos = parâmetros × bits por peso ÷ 8. Por exemplo, um modelo de 7B em 16 bits ocupa cerca de 14 GB. Os bits por peso são valores aproximados do llama.cpp: Q4_K_M ≈ 4,89, Q5_K_M ≈ 5,70, Q8_0 ≈ 8,5, FP16 = 16 (documentação de quantização do llama.cpp).
- Overhead de execução: 10% dos pesos mais 0,5 GB. É a nossa regra prática, não uma medição.
- Cache KV (memória de contexto): cerca de 0,0125 GB por bilhão de parâmetros a cada 4K tokens. É uma média aproximada. O uso real depende do número de camadas, do tipo de atenção (GQA) e da quantização do cache KV, e pode ficar bem acima ou abaixo disso.
A contagem de parâmetros é o total que o Hugging Face informa para o repositório oficial de cada modelo (com link na tabela), consultado em 30 de outubro de 2026. Em modelos de mistura de especialistas (MoE), a memória depende do total de parâmetros, não dos ativos. Alguns modelos já vêm quantizados (por exemplo, o gpt-oss em MXFP4), então seus arquivos reais podem ser menores que a coluna FP16. Para um número exato, confira o tamanho do arquivo GGUF na página do modelo e deixe espaço para o contexto.
Lista de modelos atualizada em 30 de outubro de 2026. Inclui lançamentos de 2026 (Gemma 4, Qwen3.8, Nemotron 3.5). Modelos muito grandes (DeepSeek V4, Kimi K3, Muse Spark Open) ficaram de fora porque precisam de servidores com várias GPUs.