Classificação atualizada em 09/10/2026
16 GB de memória unificada é o mínimo prático para IA local no Mac. O macOS consome 4 GB, deixando ~10-11 GB disponíveis para um LLM em Q4_K_M. Os modelos de 7-9B (Mistral, Qwen 3, Gemma 4) são o ponto ideal.
Compare os preços de Mac mini M5 Pro (24 GB / 512 GB) em nossos lojistas parceiros (fichas de produto verificadas):
Por que essa escolha? Nossa ficha completa sobre o Mac mini M5 Pro (24 GB / 512 GB) →
Qual PC escolher conforme seu orçamento? Nossas escolhas de 800 a 3 500 € →
Links afiliados — QualLLM pode receber uma comissão sobre as compras, sem custo adicional para você, o que não influencia a classificação (estabelecida de forma independente). Como Parceiro Amazon, QualLLM obtém lucro com compras que atendem às condições exigidas.
4B de parâmetros efetivos. Multimodal (texto+imagem+áudio). 140 idiomas. Para laptops e edge.
ollama run gemma4:e4b
Denso 8B Apache 2.0, 12 idiomas incluindo FR, 131k ctx, GQA 32Q/8KV. MMLU 73.84, HumanEval 85.37. Lançado em 29 de abril de 2026.
# HuggingFace: ibm-granite/granite-4.1-8b
Granite 4.2 8B (IBM): modelo denso sob a licença Apache 2.0, 128k de contexto, ~4,6 GB de VRAM em Q4. Chat, código e raciocínio multilíngues para empresas.
ollama pull granite4.2
Ajuste fino SFT «thinking» do OLMo 3 7B: raciocínio passo a passo, contexto de 16k, cerca de 4,2 GB de VRAM em Q4. 100% aberto, licença Apache 2.0.
# HuggingFace: zimplex/olmo3-7b-think-sft-eosfix-16k-3ep-euc
GLM 5.3 (Zhipu): denso 7B especializado em código e raciocínio, 128k de contexto, ~4,1 GB de VRAM em Q4. Leve, roda em GPU de 6-8 GB, licença MIT.
ollama pull glm-5.3
Denso 7B 100% aberto (pesos + dados + código). Transparência total para pesquisa.
ollama run olmo-3:7b
Modo híbrido thinking/fast. 119 idiomas, 32k nativo (131k via YaRN).
ollama run qwen3:8b
Modelo denso de 9B de nova geração. 262k ctx, raciocínio híbrido aprimorado.
ollama run qwen3.5:9b
| Posição | Modelo | Params | VRAM Q4 | Contexto | Licença | No Apple M2 (16 GB) |
|---|---|---|---|---|---|---|
| #1 | Gemma 4 E4B | 4B | 10 GB | 128 000 | Apache 2.0 | 14 tok/s · Q4_K_M |
| #2 | Granite 4.1 8B Instruct | 8B | 5 GB | 131 072 | Apache 2.0 | 12 tok/s · Q8 |
| #3 | Granite 4.2 8B | 8B | 4.6 GB | 128 000 | Apache 2.0 | 32 tok/s · Q8 |
| #4 | OLMo 3 7B Think (SFT) | 7B | 4.2 GB | 16 000 | Apache 2.0 | 32 tok/s · Q8 |
| #5 | GLM 5.3 7B | 7B | 4.1 GB | 128 000 | MIT | 32 tok/s · Q8 |
| #6 | OLMo 3 7B | 7B | 5 GB | 8 192 | Apache 2.0 | 12 tok/s · Q8 |
| #7 | Qwen 3 8B | 8B | 5 GB | 131 072 | Apache 2.0 | 12 tok/s · Q8 |
| #8 | Qwen 3.5 9B | 9B | 6 GB | 262 000 | Apache 2.0 | 9 tok/s · Q8 |
IA local no seu Mac, a fundo: memória unificada, MLX vs GGUF, o modelo certo para seu chip, Ollama e LM Studio ajustados para Apple Silicon.
Memo gratuito
Receba o resumo VRAM → melhor modelo de código → comando Ollama (uma única tela, copiar e colar). E passe para o kit Copiloto Local para transformar isso em uma configuração que realmente funciona.
O kit Copiloto Local — as configs Ollama + Cline + Aider prontas para colar, Modelfiles ajustados, solução de problemas, espaço online vitalício →Sem spam. Cancelamento em 1 clique. Seus dados ficam conosco (nunca revendidos).
Sua placa → o melhor modelo para programação para rodar localmente e o comando Ollama exato:
| Sua VRAM | GPU / Mac típicos | Modelo de código recomendado | Comando Ollama |
|---|---|---|---|
| 8 GB | RTX 4060 / 3060 · M1-M2 16 GB | Qwen 3.5 9B (Q4, 6,6 GB — 256k ctx) | ollama run qwen3.5:9b |
| 12 GB | RTX 3060 12 GB / 4070 / 5070 | Qwen 3.5 9B (Q8, 11 GB) ou Gemma 4 12B (7,6 GB) | ollama run qwen3.5:9b-q8_0 |
| 16 GB | RTX 5070 Ti / 4080 / 5080 · RX 9070 XT · M4 24 GB | Devstral 24B (Q4, 14 GB) — especialista em agentes de código | ollama run devstral:24b |
| 24 GB | RTX 3090 / 4090 · RX 7900 XTX · M4 Pro 48 GB | Qwen 3.8 27B (Q4, 18 GB) — o “quase Copilot” | ollama run qwen3.8:27b |
| 32 GB | RTX 5090 | Qwen 3.6 35B-A3B (Q4, 23 GB) — MoE rápido | ollama run qwen3.6:35b |
| 48 GB+ | Mac M4 Max 64 GB · M2 Ultra 128 GB | Qwen3-Coder 30B-A3B (Q8, 32 GB — 256k ctx) | ollama run qwen3-coder:30b-a3b-q8_0 |
-base: ollama run qwen2.5-coder:7b-base — ainda é a referência neste caso específico. ⚠️ Qwen 3.8: seu nível de raciocínio é definido como muito alto por padrão e ele “pensa demais” em solicitações simples — reduza-o para low (ou desative-o) na primeira execução. ⚠️ Armadilha de licença: Codestral 22B = Mistral Non-Production License → proibido para programar no trabalho. Qwen 3.5/3.8, Gemma 4 e Devstral são disponibilizados sob a licença Apache 2.0. 💡 Está travando por falta de memória? Mantenha ~1,5 GB de VRAM livre para o contexto, ou passe para um nível menor de quantização.🔌 Para conectá-lo no VS Code: Cline (agente que trabalha com vários arquivos), Aider (CLI) ou Tabby/Twinny (autocompletação FIM) — todos se conectam ao Ollama localmente. O kit Copiloto Local — configs prontas para colar + setup testado — está disponível: /copilote-local.
Filtro: modelos de 1 a 13B cuja versão Q4_K_M ocupa menos de 10 GB (deixando 6 GB para o macOS + contexto amplo). Bônus para modelos de 3 a 9B (pico de 16 GB). MoE com poucos parâmetros ativos (Qwen 3 30B-A3B) recebem bônus no limite superior.
Critérios considerados:
A pontuação é totalmente transparente: consulte nossa metodologia para os detalhes de cálculo de VRAM/tokens/seg.
Mac de 16 GB: Mistral 7B ou Qwen 3 8B?
Qwen 3 8B é ligeiramente mais capaz (raciocínio, código) e cabe em Q4 (~5 GB). Mistral 7B é mais rápido (~25-30 tok/s vs 22-28). Para o francês, Mistral mantém a vantagem. Os dois são excelentes com 16 GB.
Mac mini M4 de 16 GB como servidor LLM 24/7?
Sim, excelente. Ollama + Open WebUI, porta 11434 atrás de um proxy reverso. Mistral 7B Q4 ou Qwen 3 8B Q4 a 30+ tok/s. Consumo ocioso de 10 W, carga de 35 W. Consulte Mac mini M4.
É possível rodar o Qwen 3 30B-A3B em 16 GB?
Por pouco: Q4_K_M exige ~17 GB para o modelo completo, mas o MoE carrega apenas ~3 GB de parâmetros ativos. Com mmap + swap leve, é viável, mas o desempenho diminui (15-20 tok/s). 24 GB ou 32 GB são muito mais confortáveis. Veja Mac 32 GB.
Mac de 16 GB vs. PC RTX 4060 de 16 GB para LLM?
A RTX 4060 de 16 GB é ~2× mais rápida nos modelos 7-9B (VRAM GDDR6 real versus memória unificada de 100-120 GB/s). O Mac leva vantagem em silêncio, autonomia e facilidade de instalação. Veja comparativo de GPUs.