Seletor interativo de hardware

Qual PC para IA combina com seu LLM local?

Quatro escolhas bastam para uma pré-seleção concreta. O seletor estima pesos, cache de contexto e reserva do runtime, e compara o resultado com sistemas completos do nosso catálogo atualizado.

Suas necessidades

Calcule memória e sistemas compatíveis

O cálculo estima a memória rápida para inferência quantizada e mostra configurações compatíveis. Não é promessa de desempenho.

1 Qual tamanho de modelo você quer executar localmente?

Sua classe de memória

16 GB de memória rápida como ponto de partida

Necessidade estimada7–9 GBModelo + contexto + reserva
Classe recomendada16 GB de VRAMGPU dedicada
Tipo de sistemaPC com GPU intermediáriacom pelo menos 32 GB de RAM

Por que esta classe de hardware é adequada?

    Resultados concretos do catálogoA seleção considera memória, caminho de hardware, prioridade e orçamento.
    Ver resultados

    Sistemas completos concretos

    Modelos compatíveis com sua seleção

    As configurações do catálogo são comparadas ao resultado.

    Carregando o catálogo de sistemas…

    Ver todos os sistemas e diferenças

    Os links brasileiros do catálogo abrem buscas locais e atualmente não geram comissão para nós. Confira vendedor, configuração, impostos, entrega e garantia.

    O que o cálculo inclui

    Reserva prudente

    • tamanho típico dos pesos Q4 da classe escolhida
    • margem para um cache KV mais longo
    • reserva para runtime e aplicação selecionada
    • comparação com a memória de sistemas concretos

    O que nenhuma calculadora sabe exatamente

    Modelo e software continuam decisivos

    • arquitetura e quantização exatas
    • Flash Attention e suporte do backend
    • encoders multimodais e usuários simultâneos
    • quanta memória unificada o sistema permite alocar

    Próxima etapa

    Entenda os números de memória do resultado

    Nosso guia de VRAM explica pesos, cache KV, offloading e memória unificada sem complicação desnecessária.

    Ler o guia de VRAM