Dos modelos 7B aos 70B+: como escolher um Mini PC para IA local

Cada vez mais pessoas estão a começar a executar modelos de IA localmente. LLM locais, ferramentas de programação com IA, bases de conhecimento RAG privadas, agentes de IA, geração de imagens e análise de documentos podem funcionar no seu próprio hardware, sem enviar constantemente todos os ficheiros ou dados de trabalho para um serviço de cloud de terceiros.

Isto torna um Mini PC para IA local numa opção cada vez mais prática.

Em comparação com uma workstation de IA tradicional de grandes dimensões, um Mini PC com muita memória pode funcionar simultaneamente como computador de uso diário, servidor de LLM local, máquina de desenvolvimento de IA e nó de home lab. Alguns modelos também oferecem 64GB, 96GB ou mesmo 128GB de memória, vários SSDs NVMe, OCuLink e ligações de rede mais rápidas, deixando margem para adicionar posteriormente uma GPU externa ou um NAS com IA.

A capacidade de um Mini PC para lidar com a sua carga de trabalho de IA local depende de algumas questões mais específicas:

1. Pretende executar um modelo 7B, 14B, 30B ou 70B?
2. Que formato de quantização vai utilizar?
3. Quanta memória está realmente disponível?
4. A quanta memória pode a GPU aceder?
5. Que largura de banda de memória oferece o sistema?
6. O seu software utiliza principalmente a CPU, a GPU ou a NPU?
7. O seu fluxo de trabalho depende de NVIDIA CUDA?
8. De quanto espaço SSD precisarão os seus modelos, a base de dados RAG e a base de conhecimento?

Por isso, em vez de perguntar simplesmente “Qual é o Mini PC de IA mais potente?”, uma pergunta mais útil é “Que modelos locais e fluxos de trabalho de IA quero realmente executar, e de que hardware precisam?”

De que tipo de Mini PC precisam os modelos 7B, 30B e 70B?

O número de parâmetros não se traduz diretamente na utilização de memória. A quantização, o comprimento do contexto, a KV cache, o framework de inferência, o sistema operativo e qualquer outro software em execução ao mesmo tempo influenciam todos o requisito final.

Alguns modelos 70B podem caber dentro do intervalo teórico de um sistema com 64GB quando quantizados para 4-bit, mas o sistema operativo, a KV cache, o contexto, a base de dados RAG e outras aplicações também precisam de memória.

Se um LLM local da classe 70B fizer regularmente parte da sua carga de trabalho, 96GB ou 128GB é normalmente uma escolha mais prática a longo prazo do que uma configuração que apenas consegue acomodar o próprio modelo.

Que modelos abertos fazem sentido num Mini PC?

7B–14B: um bom ponto de partida para IA local

Este intervalo funciona bem para chat local, resumos de documentos, assistentes de IA básicos, RAG simples, programação com IA mais leve e experiências de home lab.

Se está apenas a começar com Ollama, LM Studio ou outra ferramenta de LLM local, há pouca razão para avançar diretamente para uma workstation de IA com 128GB. Um Mini PC com 32GB já pode suportar um ambiente de teste completo de IA local e continuar a servir como máquina normal de escritório, desenvolvimento ou entretenimento doméstico.

Isso aproxima este tipo de sistema de PC de uso diário + PC de desenvolvimento + IA local de entrada do que de um servidor de IA dedicado.

20B–32B: um dos intervalos mais úteis para IA local pessoal

Quando os modelos passam para o intervalo 20B–32B, surgem mais opções diretamente aplicáveis a cargas de trabalho reais.

1. Mistral Small 24B: útil para chat geral, chamadas de funções e agentes locais.

2. Qwen3-30B-A3B: útil para raciocínio, programação, trabalho multilingue e fluxos de agentes.

3. Qwen2.5-Coder-32B: mais focado na geração de código, compreensão de código e programação com IA.

4. DeepSeek-R1-Distill-Qwen-32B: mais focado em tarefas que exigem raciocínio intensivo.

Vale a pena distinguir aqui entre um Modelo denso e um Modelo MoE . O Qwen3-30B-A3B não é um modelo denso convencional de 30B em que todos os parâmetros participam em cada etapa de inferência.

Segundo as informações oficiais do modelo Qwen, tem cerca de 30.5B parâmetros no total, com cerca de 3.3B ativados por token. É um modelo Mixture-of-Experts (MoE). O MoE reduz o número de parâmetros envolvidos em cada etapa de inferência, mas os pesos completos do modelo continuam a ocupar armazenamento e memória, pelo que não deve ser tratado simplesmente como um modelo 3.3B ao estimar os requisitos de hardware.

É também por isso que “30B” ou “32B” no nome de um modelo não basta, por si só, para prever a experiência. A arquitetura do modelo e a quantização também são importantes.

Para programação local com IA, RAG privado, bases de conhecimento pessoais e agentes de IA, o intervalo de LLM local da classe 30B é especialmente interessante. É também aqui que um Mini PC com 64GB começa a fazer sentido como uma verdadeira workstation de Desenvolvimento pessoal de IA local em vez de ser simplesmente um PC com muita RAM.

70B: assistentes locais de maior qualidade e sistemas RAG maiores

Os modelos 70B normalmente precisam de muito mais memória. Um bom exemplo é Llama 3.3 70B Instruct. A Meta posiciona-o como um modelo de texto multilingue 70B, com suporte para inglês, alemão, francês, italiano, português e espanhol entre os idiomas suportados. Isso torna-o particularmente relevante para casos de utilização de IA local na Europa.

Por exemplo, uma empresa industrial ou de engenharia na Alemanha poderia manter manuais de produtos, documentação de manutenção e reparação, materiais de controlo de qualidade, processos internos, conhecimento sobre produtos, perguntas de clientes e registos pós-venda na sua própria base de conhecimento local.

Esses documentos podem abranger inglês, alemão, francês e italiano. Um LLM local multilingue da classe 70B pode funcionar sobre o sistema RAG para pesquisar, resumir e organizar esse material.

Nessa configuração, um Mini PC ou uma workstation de IA local trata do Processamento de IA.

Um NAS trata de Modelos + Documentos + Base de conhecimento RAG + Projetos + Cópias de segurança.

Isso cria naturalmente uma configuração típica de Mini PC para IA local + NAS com IA + RAG .

Porque é que um Mini PC funciona bem para IA local?

Historicamente, as limitações mais evidentes de um Mini PC eram a capacidade da GPU e a expansão interna.

A IA local introduz um problema de hardware diferente. Muitos modelos locais maiores precisam, antes de mais, de memória suficiente para que a CPU ou a GPU consigam efetivamente aceder ao modelo, e os Mini PCs com muita memória são adequados para proporcionar esse tipo de ambiente de hardware.

Mais memória amplia a variedade de LLM locais que pode executar

As placas gráficas de desktop para consumidores normalmente incluem uma quantidade fixa de VRAM. Uma GPU pode ser muito rápida, mas, se o modelo for significativamente maior do que a VRAM disponível, parte da carga de trabalho terá de passar para a memória do sistema ou utilizar alguma forma de offload CPU/GPU.

Esta é uma das razões pelas quais os Mini PCs com muita memória se tornaram mais relevantes para utilizadores de LLM locais. 32GB, 64GB, 96GB e 128GB já não são apenas níveis de multitarefa geral. Começam também a corresponder a diferentes níveis de Capacidade de LLM local.

A memória partilhada dá maior flexibilidade às GPUs integradas

GPUs integradas como a Radeon 780M e a Radeon 890M não funcionam com um conjunto de VRAM completamente fixo de 8GB, 12GB ou 16GB da mesma forma que uma GPU dedicada convencional. Podem utilizar memória de sistema partilhada.

Com o software, os controladores e o backend de inferência adequados, um conjunto maior de memória do sistema pode disponibilizar mais memória para cargas de trabalho de IA local. Assim, para alguns utilizadores de LLM locais, 64GB RAM + GPU integrada e 32GB RAM + GPU integrada diferem em mais do que a multitarefa normal de um PC.

A memória adicional também pode influenciar o espaço disponível para modelos locais, contexto, serviços RAG e outras aplicações em execução ao mesmo tempo.

A memória unificada aproxima ainda mais um Mini PC do território das workstations de IA

Plataformas como Ryzen AI Max+ 395 levam esta ideia mais longe. Utilizam memória LPDDR5x de alta capacidade e grande largura de banda, com a CPU e a Radeon 8060S a trabalhar em torno de um grande conjunto de memória unificada.

Neste contexto, 128GB não significa simplesmente “a CPU tem 128GB de RAM”. O valor está no facto de um grande conjunto de memória poder servir em conjunto a CPU, a GPU e o fluxo de trabalho mais amplo de IA local.

A capacidade de memória influencia o tamanho do modelo e a complexidade do fluxo de trabalho que pode acomodar; uma maior largura de banda da memória e uma GPU mais potente podem depois melhorar a capacidade de resposta e o desempenho de inferência na utilização diária.

O verdadeiro atrativo de uma plataforma de memória unificada de alta capacidade surge quando Modelo local grande + Acesso da GPU + Multitarefa precisam todos de existir na mesma máquina.

Para IA local, deve concentrar-se na CPU, GPU ou NPU?

As três são importantes, mas desempenham funções diferentes.

CPU é a base de todo o sistema. O sistema operativo, Docker, bases de dados, embeddings, serviços RAG, compilação de código e alguma inferência de modelos podem depender da CPU. Se o Mini PC também precisar de funcionar como máquina de desenvolvimento, nó de home lab e servidor de IA local, um desempenho multi-core mais forte da CPU torna-se mais útil.

GPU tem maior importância em muitas cargas de trabalho de LLM local, geração de imagens e IA visual. Além do desempenho bruto, vale a pena verificar a quantidade de memória a que a GPU pode aceder e se o framework de inferência que pretende utilizar suporta esse backend de GPU.

NPU é um acelerador de baixo consumo concebido especificamente para cargas de trabalho de IA. Pode tratar de funções de IA compatíveis no próprio dispositivo de forma independente, pelo que mais tarefas de IA não têm de depender inteiramente da CPU ou da GPU.

Ao escolher um Mini PC para IA local, faz mais sentido analisar em conjunto Capacidade de memória + GPU + Suporte de software + NPU em vez de classificar os sistemas apenas por TOPS.

Se o seu principal objetivo for um LLM local, comece pelo tamanho do modelo e pela memória. Se utiliza sobretudo geração de imagens ou software acelerado por GPU, preste mais atenção à capacidade da GPU e à compatibilidade de software. Se prevê utilizar mais funcionalidades de IA no próprio dispositivo do Windows ou aplicações otimizadas para NPU, a NPU torna-se mais relevante.

Como deve escolher entre diferentes tipos de Mini PC para IA local?

Mini PC com 32GB: nível de entrada para IA local

Este nível é adequado para modelos locais 7B–14B, alguns modelos maiores quantizados, RAG simples, programação com IA de entrada, Ollama, LM Studio e utilização em home lab.

Imagine um estudante ou programador independente em França ou na Alemanha que pretende executar um assistente de programação local enquanto continua a utilizar VS Code, um navegador e Docker.

Nessa situação, há pouca razão para começar com uma workstation de IA de 128GB. Um Mini PC com 32GB já consegue abranger PC de uso diário + PC de desenvolvimento + IA local de entrada numa só máquina.

Mini PC com 64GB: IA local pessoal 30B+

Este é um nível mais prático para quem prevê utilizar IA local regularmente. É adequado a modelos e cargas de trabalho como Mistral Small 24B, Qwen3-30B-A3B, Qwen2.5-Coder-32B, DeepSeek-R1-Distill-Qwen-32B, RAG, assistentes de programação locais, agentes de IA e vários serviços de IA baseados em Docker.

Um programador freelancer europeu, por exemplo, poderia executar localmente um modelo de programação da classe 30B e manter ao mesmo tempo abertos um IDE, Git, Docker, um navegador, uma base de dados e um servidor de LLM local.

O valor dos 64GB está em permitir que o restante ambiente de desenvolvimento continue a funcionar enquanto o modelo está em execução.

Mini PC com 96GB–128GB: LLM local 70B

Se o principal objetivo já for Llama 3.3 70B, um assistente multilingue da classe 70B, um sistema RAG maior, contexto longo, vários agentes ou vários modelos em simultâneo, é altura de considerar plataformas de maior capacidade.

Alguns modelos 70B quantizados para 4-bit podem entrar no intervalo de “possível de experimentar” num sistema com 64GB. Mas, se 70B for uma carga de trabalho regular, 96GB–128GB é mais prático.

O sistema precisa de espaço para Pesos do modelo + KV Cache + SO + RAG + Base de dados + Aplicações em simultâneo.

Workstation de IA com 128GB de memória unificada: 70B+ e modelos locais maiores

Esta é uma categoria de produto diferente de um Mini PC de escritório convencional. Está mais próxima de uma Workstation de IA compacta / Workstation de LLM local / Servidor de IA privado.

É mais adequada a LLM locais 70B, modelos quantizados de grande dimensão, experiências com modelos 100B+, agentes de IA com vários modelos, bases de conhecimento empresariais privadas, laboratórios de IA e inferência partilhada para pequenas equipas.

O ponto importante não é apenas a capacidade, mas a combinação de Memória unificada de alta capacidade + Grande largura de banda da memória + GPU integrada potente.

Como poderia ser um home lab europeu de IA local?

Pense num utilizador na Alemanha ou noutro país europeu que precisa de um computador para desenvolvimento e trabalho durante o dia e, mais tarde, quer executar IA local na mesma configuração.

Pode também ter um LLM local, fotografias de família, documentos de trabalho, uma base de conhecimento RAG, serviços Docker, cópias de segurança automáticas e agentes de IA.

A primeira fase mais simples é normalmente um único Mini PC. Pode funcionar como Workstation + Servidor de IA local + Máquina de desenvolvimento. Enquanto a biblioteca de modelos e o conjunto de dados ainda forem relativamente pequenos, tudo pode permanecer no armazenamento NVMe interno. Um NAS pode ser adicionado mais tarde, à medida que o ambiente de IA local cresce.

Nesse momento, Mini PC = Camada de processamento, tratando da inferência de LLM local, agentes de IA, embeddings, programação e geração de imagens.

NAS = Camada de dados, armazenando modelos, documentos, a base de conhecimento RAG, conteúdos multimédia, projetos e cópias de segurança.

Se ambos os sistemas tiverem uma rede mais rápida, como 10GbE, o servidor de IA local pode aceder diretamente a bases de conhecimento maiores e dados de projetos no NAS. Para home labs europeus, pequenos estúdios, programadores independentes e pequenas equipas, este tipo de Mini PC + NAS para IA local é mais fácil de expandir ao longo do tempo do que obrigar permanentemente um único dispositivo a executar todas as tarefas.

Se ainda está a comparar as funções de um sistema de processamento e de armazenamento centralizado, consulte Mini PC ou NAS? O que aprendi ao escolher entre ambos.

Um Mini PC para IA local precisa de um NAS?

Normalmente não, no início. Se estiver apenas a executar alguns modelos e uma base de conhecimento privada, o armazenamento NVMe do próprio Mini PC é normalmente suficiente.

À medida que o ambiente de IA local cresce para incluir vários modelos 30B ou 70B, grandes coleções de embeddings, bases de dados de documentos, imagens e vídeo, diferentes versões de modelos, ficheiros de equipa e cópias de segurança automáticas, um NAS torna-se mais útil.

Um Mini PC serve principalmente para processamento de IA local.

Um NAS serve principalmente para armazenamento de IA local.

É por isso que um Mini PC para IA local e um NAS com IA não são realmente produtos concorrentes. É melhor entendê-los como duas partes da mesma infraestrutura de IA privada.

Para uma configuração pessoal, é razoável começar com um único Mini PC. Quando os modelos, documentos e cópias de segurança aumentarem, o armazenamento pode ser separado mais tarde. Isso também facilita a atualização futura da workstation de IA local sem ter de mover todo o conjunto de dados de cada vez.

De quanto armazenamento SSD precisa um Mini PC para IA local?

Os ficheiros de modelos são apenas uma parte de um ambiente de IA local. Com o tempo, o armazenamento local também se enche com diferentes quantizações de modelos, modelos de embeddings, bases de dados vetoriais, imagens Docker, repositórios de código, ficheiros da base de conhecimento, imagens, vídeo e resultados gerados.

1TB é mais adequado para quem está apenas a começar com IA local e mantém apenas um pequeno número de modelos e projetos.

2TB é mais prático para programação com IA a longo prazo, RAG ou manutenção de vários modelos em simultâneo.

4TB ou mais faz mais sentido para bibliotecas de modelos maiores, projetos de IA de imagem e vídeo, bases de conhecimento substanciais e fluxos de trabalho profissionais.

Além da capacidade SSD pré-instalada, verifique quantas ranhuras M.2 o Mini PC tem efetivamente. Um sistema com duas ou três ranhuras M.2 dá-lhe mais flexibilidade para separar o sistema operativo, os modelos e os dados de projetos à medida que as necessidades de armazenamento aumentam.

Para uma visão mais ampla sobre capacidade, consulte o nosso Guia de armazenamento SSD para Mini PC.

Quando faz sentido OCuLink + uma GPU externa?

Nem todos os utilizadores de IA local precisam de uma GPU dedicada.

O OCuLink faz mais sentido quando a CPU, a memória e o armazenamento ainda são suficientes, mas os requisitos da GPU continuam a aumentar. Isso pode significar utilizar mais ferramentas de geração de imagens aceleradas por GPU, executar software profissional que exige NVIDIA CUDA, precisar de maior desempenho de inferência da GPU ou utilizar o mesmo Mini PC para gaming de gama mais alta e criação de conteúdos.

Nesse caso, adicionar uma GPU de desktop através de OCuLink permite manter o Mini PC original em vez de substituir todo o sistema.

Se está a considerar esta via de atualização, consulte o nosso Guia de docks eGPU OCuLink.

Como escolher um Mini PC MINISFORUM para IA local por tamanho de modelo

X1-Lite 255: IA local de entrada para modelos 7B–14B

O X1-Lite 255 inclui 32GB DDR5 e 1TB de armazenamento SSD, além de gráficos Radeon 780M, USB4 e OCuLink.

É mais adequado a LLM locais 7B–14B, RAG de entrada, experiências de programação com IA, utilização em home lab e computação diária. A sua função é simples: uma forma mais económica de entrar na IA local, mantendo disponível uma via futura de atualização com GPU externa.

UM880 Plus: Um Mini PC atualizável para IA local / Home Lab

O UM880 Plus oferece memória DDR5 atualizável, armazenamento M.2 duplo e OCuLink.

É mais adequado para utilizadores que pretendem começar com uma máquina de desenvolvimento normal e transformá-la gradualmente num servidor de IA local. Por exemplo, pode começar com 32GB para modelos 7B–14B e depois avançar para modelos 20B–32B, RAG e mais serviços Docker após uma atualização de memória. Se a GPU acabar por se tornar o gargalo, o OCuLink deixa margem para adicionar uma placa gráfica de desktop.

A sua principal vantagem é a Via de atualização.

AI X1 Pro-370: 64GB como ponto de partida para IA local pessoal 30B+

O AI X1 Pro-370 inclui 64GB RAM e um SSD de 2TB, com suporte para até 128GB DDR5.

Para utilizadores pessoais de IA local, 64GB permite entrar numa classe de carga de trabalho claramente diferente. É adequado para Qwen3-30B-A3B, Qwen2.5-Coder-32B, DeepSeek-R1-Distill-Qwen-32B, RAG local, programação com IA, agentes de IA e criação de conteúdos.

O suporte para até 128GB também deixa maior margem de memória para modelos quantizados maiores no futuro.

MS-S1 MAX: Workstation de IA local 70B+ com memória unificada

O MS-S1 MAX combina Ryzen AI Max+ 395 com gráficos Radeon 8060S e suporta até 128GB de memória unificada LPDDR5x.

Destina-se a cargas de trabalho como LLM locais 70B, Llama 3.3 70B, sistemas RAG maiores, fluxos de trabalho multiagente, bases de conhecimento locais substanciais, servidores de IA privados, laboratórios de IA e implementações para pequenas equipas.

Para esta classe de carga de trabalho, a combinação importante é 128GB de memória unificada + Grande largura de banda da memória + Radeon 8060S. Isso aproxima-o mais de uma Workstation de IA local do que de um Mini PC convencional.

Se está a comparar este tipo de plataforma de IA de alta capacidade com um Mini PC de alto desempenho mais tradicional, consulte comparação Ryzen AI Max+ 395 vs Mini PCs Intel de alto desempenho.

Porque poderão os utilizadores europeus considerar um Mini PC para IA local?

Para particulares, freelancers e equipas pequenas ou médias na Europa, o valor da IA local não se resume ao desempenho.

Um estúdio de design na Alemanha pode preferir manter material ainda não publicado dos clientes nos seus próprios dispositivos e rede.

Uma equipa de desenvolvimento em França pode querer manter a sua base de código, dados de teste e documentação interna principalmente no seu ambiente local.

Um retalhista, grossista ou pequeno fabricante que venda em vários países da UE pode gerir informações de produtos, documentos técnicos, perguntas de clientes, materiais de reparação e SOPs internos em inglês, alemão, francês, italiano e espanhol. Uma configuração de LLM local multilingue + RAG pode reunir essas informações numa base de conhecimento de IA interna para apoio ao cliente, consultas sobre produtos, pesquisa interna, organização de documentos e formação de pessoal.

A IA local pode reduzir a quantidade de dados de trabalho que precisa de ser enviada continuamente para serviços de IA de terceiros.

O que mais devem os compradores europeus verificar antes de comprar um Mini PC para IA local?

Quando um sistema passa de um Mini PC padrão com 32GB para 64GB, 128GB ou para a categoria de workstation de IA, a decisão de compra deixa de depender apenas da CPU, GPU e memória. O apoio pós-venda local e as vias de reparação também passam a fazer parte do custo real de propriedade.

O Loja MINISFORUM EU vende Mini PCs, workstations e sistemas NAS MINISFORUM a clientes europeus. Para encomendas enviadas para países da UE, a loja indica que o IVA está incluído no preço apresentado e que os produtos em stock são expedidos a partir do seu armazém na Alemanha.

Para PCs, workstations e produtos NAS elegíveis adquiridos na Loja UE em ou após 9 March 2026, a atual política de garantia fornece 36 months de cobertura. A MINISFORUM EU também disponibiliza um processo europeu de reparação, com o seu centro de reparação da UE localizado em Hamburg, Germany.

Para um Mini PC de IA local de alta capacidade, faz portanto sentido considerar IVA da UE + Armazém na Alemanha + Garantia da UE + Reparação na Europa juntamente com o próprio hardware. Nenhum destes fatores aumenta o tamanho do modelo que pode executar, mas influenciam os custos de compra, reparação e pós-venda de possuir uma workstation de IA de gama alta na Europa.

Se considerar apenas três aspetos

1. Comece pelo caso de utilização e pelo modelo, depois escolha o Mini PC.

As cargas de trabalho 7B, 30B e 70B exigem hardware muito diferente.

2. Para IA local, verifique primeiro a capacidade e a arquitetura da memória.

O modelo, o contexto e o restante fluxo de trabalho de IA precisam todos de espaço na memória disponível.

3. Uma configuração de IA local com Mini PC + NAS resolve dois problemas diferentes.

O Mini PC trata do processamento. O NAS trata dos modelos, documentos, bases de conhecimento e cópias de segurança. À medida que o ambiente de IA local cresce, cada lado pode ser atualizado ou separado sem reconstruir todo o sistema de cada vez.