Os modelos proprietários não são os únicos a captar a atenção: para certos usos, a configurabilité conta mais do que a potência bruta. Esta busca de controlo favoreceu o crescimento dos modelos alojados localmente. Com hardware adequado e ferramentas como Ollama ou LM Studio, modelos capazes podem funcionar totalmente no dispositivo do utilizador.
- Os modelos locais ganham força quando a configurabilidade importa mais do que a potência bruta.
- Cinco modelos destacam-se para 2026, escolhidos conforme o uso e o hardware disponível.
- Ollama é a opção mais simples e oferece uma API local para ligar modelos a aplicações.
- A execução local não garante confidencialidade, pois ferramentas conectadas e serviços na cloud podem transmitir dados.
Quais os modelos que valem a pena instalar, e quais funcionariam num dado dispositivo? O artigo destaca cinco para 2026, LLM (grandes modelos de linguagem) escolhidos de acordo com o uso e o hardware disponível.
Cinco modelos para usos diferentes
O primeiro, Llama 3.1 8B Instruct, serve de referência generalista para chat local, síntese, classificação e projetos de fine-tuning, ou seja, de adaptação a dados particulares. Só processa texto e é distribuído sob a licença Llama Community License da Meta, cujas condições devem ser verificadas antes de qualquer redistribuição ou implementação.
Para Qwen2.5 7B, a escolha depende da tarefa. A versão Qwen2.5-7B-Instruct é adequada para conversas multilingues, processamento de documentos e saídas estruturadas, como o formato JSON. Qwen2.5-Coder-7B-Instruct concentra-se na geração, explicação e correção de código. Ambos são modelos de texto: para analisar capturas de ecrã, é necessária uma alternativa capaz de processar imagens.
Mistral 7B Instruct v0.3 é um modelo de texto de sete mil milhões de parâmetros, destinado à reescrita, síntese, documentação e diálogo corrente. A sua versão v0.3 gere a chamada de funções, o que permite integrá-lo a ferramentas executadas por uma aplicação, e a sua licença Apache 2.0 facilita projetos de personalização. Sendo um generalista mais antigo, merece ser comparado a modelos recentes nas suas próprias consultas antes de ser selecionado.
Gemma 4 E2B e E4B aceitam texto, imagens e áudio, e geram texto. São adequados para perguntas sobre documentos, compreensão de imagens, transcrição ou assistência embarcada, desde que o ambiente de execução suporte o tipo de entrada. Os seus nomes referem-se aos paramètres effectifs: E2B tem cerca de 5,1 mil milhões de parâmetros, e E4B 8 mil milhões, incluindo embeddings. O artigo alerta: a dimensão do hardware não deve basear-se apenas nos nomes.
Phi-4-mini-instruct, da Microsoft, é um modelo de 3,8 mil milhões de parâmetros destinado a aplicações com restrições de memória e sensíveis à latência. É adequado para pequenos assistentes locais, extração de informação, problemas de matemática ou lógica e experimentações de chamada de funções. Os modelos de raciocínio e multimodais, com nomes semelhantes, são pontos de controlo distintos, com outros comportamentos e pré-requisitos.
A classificação das famílias de modelos baseia-se no número acumulado de descargas na biblioteca Ollama. Favorece, portanto, as versões antigas e não mede a qualidade.
Instalar um modelo com Ollama
Segundo o artigo, Ollama é provavelmente a opção mais simples para os programadores: basta instalá-lo, descarregar um modelo e executá-lo a partir do terminal, por exemplo com o comando ollama run gpt-oss:20b. A ferramenta oferece pacotes locais para phi-4, Gemma 4, Qwen3-Coder e outros modelos. Também expõe uma API local, útil para ligar um modelo às suas próprias aplicações ou a agentes de programação.
As FAQ do artigo trazem vários esclarecimentos. Qwen2.5-Coder-7B-Instruct é apresentado como a opção orientada para código, e o código gerado deve ser testado antes da utilização. A execução local não garante por si só a confidencialidade: as ferramentas conectadas, as soluções de recurso na cloud e a telemetria das aplicações podem transmitir dados para outro local. A popularidade de um modelo reflete a sua adoção, mas a tarefa e o hardware determinam a escolha mais útil.
