Melhores Mini PCs para IA Local em 2026: Um Guia do Comprador

Dois anos atrás, executar um modelo de linguagem capaz em casa exigia uma torre repleta de duas ou três GPUs, uma fonte de alimentação de 1.000 watts e um perfil de ventilação que soava como um secador de cabelos. Em 2026, você pode realizar grande parte desse mesmo trabalho a partir de um dispositivo do tamanho da palma da sua mão, com consumo energético tão baixo quanto o de um laptop. O problema é que o mercado de mini PCs fragmentou-se em máquinas que parecem semelhantes, mas se comportam de maneira muito distinta assim que um modelo é carregado.

Este guia esclarece isso. Comparamos as quatro classes de máquinas compactas que realmente importam para IA local agora — Mac mini da Apple, DGX Spark da NVIDIA, caixas Ryzen AI Max+ («Strix Halo») da AMD e mini PCs equipados com NPU da Intel — com especificações verificadas, preços atuais e números de tokens por segundo publicados. Ao final você saberá qual se encaixa nos modelos que deseja rodar e quais linhas da ficha técnica são marketing em vez de desempenho.

Memória unificada versus VRAM: o único conceito que explica tudo

Todas as recomendações abaixo dependem dessa distinção, portanto, vale a pena dedicar trinta segundos para entendê-la.

Uma GPU tradicional possui sua própria VRAM dedicada. Uma RTX 4090 tem 24 GB; se seu modelo e seu contexto não cabem nesses 24 GB, ele simplesmente não será executado nessa placa — ponto final. A VRAM é rápida — a da RTX 4090 alcança cerca de 1.008 GB/s —, mas sua quantidade nunca é proporcional ao tamanho dos modelos atuais.

Memória unificada inverte a compensação. A série M da Apple, GB10 da NVIDIA e Strix Halo da AMD compartilham um único pool de memória entre CPU e GPU, então uma máquina de 128GB pode dedicar 96GB ou mais a um modelo. É assim que uma caixa do tamanho de uma palma roda um modelo de 120 bilhões de parâmetros que não caberia em nenhuma GPU de consumidor único. O preço que você paga é largura de banda: LPDDR5x unificado roda em aproximadamente 150–310 GB/s nessas máquinas, uma fração da VRAM discreta. E como a geração de tokens é limitada por largura de banda de memória, esse teto define seus tokens por segundo — não importa quanto poder de computação o chip afirma ter. Mantenha esses dois números (capacidade e largura de banda) em mente e toda ficha técnica abaixo se torna legível. Se você quer a visão completa do lado da GPU, veja nosso artigo complementar sobre melhor Placas de vídeo para LLMs locais em 2026.

Uma observação sobre o modelo de benchmark usado a seguir: o gpt-oss-120B é um modelo misto de especialistas (MoE) com cerca de 117 bilhões de parâmetros no total, mas apenas ~5,1 bilhões ativos por token. Esse design MoE é exatamente o motivo pelo qual uma versão quantizada cabe — e roda a velocidades utilizáveis — nesses dispositivos com memória unificada, apesar de sua largura de banda modesta.

Apple Mac mini (M6 / M5 Pro): a escolha padrão

O Mac mini continua sendo a recomendação mais fácil para o maior número de pessoas. Apple substituiu os modelos M4 e M4 Pro com uma nova geração que entrou à venda em 22 de setembro de 2026: o modelo base agora usa o chip M6 e começa em US$ 899 (16GB de memória unificada, SSD de 256GB), configurável para 24GB ou 32GB.

O M6 tem uma GPU de 12 núcleos e 153 GB/s de largura de banda de memória (170 GB/s nas configurações de 24GB e 32GB) — fino para modelos de classe 8B. Para IA local séria você quer o M5 Pro, que sobe para uma GPU de 16 ou 20 núcleos e, crucialmente, 307 GB/s de largura de banda — aproximadamente o dobro do M6. Começa em US$ 1.699 com 24GB; configurado com 48GB ou 64GB, armazena inteiramente um modelo de 32B quantizado para Q4 em memória (Qwen 2.5 32B em Q4_K_M é um arquivo de 19,8GB). Apple lista a configuração com CPU de 18 núcleos, GPU de 20 núcleos, 64GB, SSD de 1TB em US$ 3.199. No llama.cpp da comunidade Apple Silicon scoreboard, o M5 Pro gera cerca de 66–68 tok/s em Llama 2 7B em Q4_0.

Uma ressalva importante antes de comprar: 64GB é o teto. Isso é suficiente para armazenar um modelo de 70B em Q4 (Llama 3 70B em Q4_K_M é um arquivo de 42,5GB) com apenas espaço modesto para contexto, e a geração de tokens em um modelo denso de 70B é lenta em 307 GB/s. Se você especificamente precisa de mais do que isso, as caixas com memória unificada de 128GB abaixo são o caminho realista.

O que vende o Mac mini não é a velocidade máxima — é o conjunto completo. Apple lista seu ruído em repouso em 5 dBA e o classifica em 155W de potência contínua máxima, e é pequeno e silencioso o suficiente para deixar rodando como servidor de inferência sempre ativo em uma prateleira. Suporte de software via Ollama, LM Studio, e o framework MLX da Apple é excelente. Se você é novo em modelos locais, nosso guia completo sobre o Ollama explica como executar um modelo exatamente nesse tipo de máquina.

NVIDIA DGX Spark: 128 GB e pilha CUDA, com um preço elevado

O DGX Spark (anunciado inicialmente como 'Projeto DIGITS' na CES 2025, renomeado DGX Spark na GTC em março de 2025 e com entrega prevista para 15 de outubro de 2025) é a proposta da NVIDIA para colocar um 'supercomputador pessoal de IA' sobre sua mesa. Ele combina um superchip Grace Blackwell GB10 — um processador Arm de 20 núcleos (10× Cortex-X925 + 10× Cortex-A725) integrado a uma GPU Blackwell — com 128 GB de memória LPDDR5x unificada coerente, um SSD autocriptografado de 4 TB e uma interface de rede ConnectX-7 de 200 Gbps para interligar duas unidades. A NVIDIA o classifica com desempenho máximo de até 1 petaflop em operações de IA em precisão FP4, sendo capaz, segundo a própria empresa, de executar inferência em modelos de até ~200 bilhões de parâmetros ou realizar ajuste fino em modelos de até ~70 bilhões. A alimentação é fornecida por um adaptador de 240 W.

Aqui vem a parte honesta: o Spark é um monstro no processamento de prompts: no modelo gpt-oss-120B, alcança cerca de 1.723 tok/s na fase de prefill em testes padronizados, ficando no mesmo patamar de um sistema com três GPUs RTX 3090. Já a geração de tokens (generation) atinge apenas ~38,6 tok/s na mesma comparação, pois a largura de banda de memória do GB10 é de apenas 273 GB/s — um pouco abaixo dos 307 GB/s do novo Mac mini M5 Pro, e a restrição de ligação durante a fase de decodificação limitada por memória. Pilhas de inferência altamente otimizadas (vLLM, SGLang, TensorRT-LLM da NVIDIA) reportadamente levaram a geração de gpt-oss-120B de unidade única para perto de 50–60 tok/s com a configuração correta, mas o teto de largura de banda que o mantém bem abaixo de um rig com múltiplas GPUs é física, não software.

Há ainda o preço. O Spark foi lançado por US$ 3.999 e subiu para $4,699 em fevereiro de 2026 em meio a restrições de fornecimento de memória — um salto de 18% que NVIDIA atribuiu a restrições de fornecimento de memória mundial. Isso é aproximadamente US$ 37 por GB de memória — e para throughput puro de geração, três RTX 3090s usadas reportadamente custam menos e rodam várias vezes mais rápido. O Spark ganha seu valor se você especificamente precisa da pilha de software CUDA/NVIDIA, NVFP4 ou do espaço de cabeçalho de inferência de 200B em uma caixa de 240W. Nos aprofundamos em nosso análise do DGX Spark / Projeto DIGITS e na comparação direta entre DGX Spark vs Mac Studio comparação.

AMD Ryzen AI Max+ 395 (Strix Halo): a opção mais econômica

O Strix Halo da AMD é a surpresa desta geração. O modelo topo de linha Ryzen AI Max+ 395 inclui 16 núcleos Zen 5, uma GPU RDNA 3.5 de 40 unidades de computação (Radeon 8060S) e uma NPU XDNA 2 com desempenho de 50 TOPS. Combinado com até 128 GB de LPDDR5X, dos quais até 96 GB podem ser alocados à GPU, ele emprega o mesmo truque de memória unificada do Spark — permitindo executar um modelo de 120B que nenhuma GPU consumidora isolada consegue comportar — a uma fração do custo.

A troca envolve largura de banda e processamento de prompts. A largura de banda de memória máxima do Strix Halo fica em torno de 256 GB/s, e no modelo gpt-oss-120B ele atinge apenas ~340 tok/s na fase de prefill contra os 1.723 tok/s do Spark. Mas aqui está o ponto decisivo: a geração de tokens é de ~34 tok/s, dentro de uma margem do 38 do Spark. Para cargas de trabalho estilo chat onde você gera mais do que ingere, o intervalo é pequeno. Modelos densos de 70B são outra história: em Q4 cada token gerado tem de ler os ~42,5GB completos de pesos através daquele barramento ~256 GB/s, então espere tok/s de um dígito.

O que o torna atraente é o preço e a flexibilidade. Os preços de entrada subiram com a escassez de RAM em 2026: versões de 64 GB do GMKtec EVO-X2 começam em torno de US$ 1.500, enquanto a versão de 128 GB do EVO-X2 agora custa cerca de US$ 2.200. O Desktop reparável da Framework começa em aproximadamente US$ 1.639 (versão básica, Ryzen AI Max+ 395, 64 GB), sem armazenamento nem sistema operacional, e a Estação de Trabalho para IA da Corsair 300 foi lançada próximo de US$ 2.000, mas ultrapassou esse valor significativamente durante a escassez. O software é o ponto fraco — ROCm e llama.cpp funcionam bem, mas o ecossistema é menos maduro que os da Apple ou da NVIDIA, e os recursos de IA do Windows dependem principalmente da NPU, não da GPU principal.

Mini PCs da Intel: modelos pequenos e descarga para NPU

Os mini PCs da Intel ocupam um segmento distinto, e é fundamental evitar compras equivocadas. Os atuais chips Arrow Lake-H, como o Core Ultra 9 285H, combinam uma iGPU Arc com uma NPU de 13 TOPS, totalizando até cerca de 99 TOPS de poder computacional de IA na plataforma quando se somam CPU e GPU; a pilha IPEX-LLM da Intel permite executar Ollama e llama.cpp em sua iGPU e NPU. O grande avanço de 2026 é o Panther Lake (Core Ultra Series 3), lançado na CES 2026, que integra uma NPU de 50 TOPS a uma GPU muito mais potente, alcançando até ~180 TOPS na plataforma — embora continue sendo uma solução voltada para notebooks/móveis, não para desktops destinados a modelos grandes.

Contudo, nenhum desses dispositivos é uma máquina de modelos grandes com memória unificada. Com DDR5 padrão (tipicamente ~120 GB/s em canal duplo) e sem alocação de até 96 GB para a GPU, um mini PC da Intel é a ferramenta certa para modelos de 3B–8B, assistentes locais, transcrição e tarefas em segundo plano aceleradas por NPU — não para executar um modelo de 70B. Se sua carga de trabalho for 'um modelo quantizado de 8B e alguns recursos de IA do Windows', um mini PC da Intel é barato e energeticamente eficiente. Se for 'o maior modelo possível que eu consiga rodar', opte pelas máquinas com memória unificada listadas acima. A escolha entre NPU e GPU para IA é um tema à parte, abordado detalhadamente em nossa análise NPU versus GPU para IA .

Tabela comparativa

Os números de geração abaixo são para gpt-oss-120B (geração de token / processamento de prompt) a partir de testes estilo llama.cpp padronizados onde ambos cabem; notas de modelo menor são dadas caso contrário. Preços em USD — os da Apple são preços de lista atuais, o resto preços de rua de meados de 2026 — e se movem com a escassez de memória contínua.

Máquina	Memória unificada	Largura de banda	Limite realista de tamanho de modelo	Geração / prefill (120B)	Potência	Preço (2026)
Mac mini M6 (base)	16–32 GB	153–170 GB/s	~8–14B (Q4)	n/a	até 155W (classificado)	$899+
Mac mini M5 Pro	24–64GB	307 GB/s	~32B (Q4); 70B em Q4 apenas com 64GB, apertado	n/a	até 155W (classificado)	$1.699+ ($3.199 com 64GB)
AMD Strix Halo (Ryzen AI Max+ 395)	até 128GB	~256 GB/s	~120B (Q4 MoE)	34 / 340 tok/s	80–120 W	US$ 1.500–3.000+
NVIDIA DGX Spark	128 GB	273 GB/s	~200B (inferência)	39 / 1.723 tok/s	máx. ~240 W	US$ 3.999–4.699
Mini PC Intel Arrow Lake-H	DDR5 (sem grande pool de GPU)	~120 GB/s	~8B (Q4)	n/a	~65 W	US$ 600–1.200

Apple substituiu o Mac mini M4 e M4 Pro pelos modelos M6 e M5 Pro em 22 de setembro de 2026; os números do Mac mini acima vêm da ficha técnica atual da Apple e preços de lista.

Para referência, um Mac Studio M3 Ultra roda cerca de 819 GB/s de largura de banda (e decodifica o mesmo modelo 120B em torno de 70 tok/s), enquanto um rig com três 3090s atinge ~124 tok/s de decodificação — ambos bem fora do território de mini PC, e um lembrete do que você abandona pelo pequeno fator forma. Se você está ponderando uma caixa Apple maior, o Mac Studio atual (à venda desde setembro de 2026) vem com M5 Max (até 128GB, até 614 GB/s) ou M5 Ultra (até 512GB, 1,2 TB/s); nossa DGX Spark vs Mac Studio comparação cobre esse aumento.

Recomendações por caso de uso

Para a maioria das pessoas ou assistente silencioso sempre ativo: Mac mini M5 Pro com 48GB ou 64GB. O melhor equilíbrio de capacidade, baixo ruído, tamanho pequeno e uma pilha de software madura. Desça para o modelo M6 se você só precisa de modelos 8B.

Maior tamanho de modelo por um preço acessível: um computador com AMD Strix Halo (GMKtec EVO-X2, Framework Desktop ou Corsair AI Workstation 300). Os 128 GB permitem carregar modelos de 70B–120B inacessíveis ao Mac mini, com velocidades de geração que se aproximam muito das do muito mais caro Spark — e mesmo com preços inflacionados pela escassez, seu custo permanece bem abaixo do do Spark.

Desenvolvimento CUDA / fluxo de trabalho NVIDIA / processamento intenso de prompts: DGX Spark. Você paga um prêmio pela pilha NVIDIA, pelo formato NVFP4, pelos recursos de clustering ConnectX e pela pré-processamento de prompts líder no setor — justificável apenas se esses aspectos forem especificamente relevantes para você.

Modelos locais menores e tarefas executadas na NPU: um mini PC Intel Arrow Lake ou Panther Lake. Econômico, eficiente e dimensionado idealmente para trabalhos com modelos de classe 8B e recursos de IA do Windows.

Perguntas frequentes

Qual é o melhor mini PC para executar LLMs localmente em 2026?

Para a maioria dos usuários é o Mac mini M5 Pro com 48GB ou 64GB — silencioso, baixo consumo de energia e capaz até ~modelos de 32B. Se você precisa rodar modelos 70B+, uma caixa AMD Strix Halo com 128GB é a escolha de valor, e o NVIDIA DGX Spark é a opção CUDA premium.

Quanta memória RAM é necessária para executar um modelo de 70 bilhões de parâmetros?

Um modelo de 70B quantizado para Q4 precisa aproximadamente de 40–48GB apenas para pesos, mais espaço para contexto. Na prática você quer uma máquina com 64GB no mínimo, e 128GB para rodá-lo confortavelmente com uma janela de contexto grande. Um Mac mini M5 Pro com 64GB consegue armazenar um modelo de 70B em Q4 com pouco espaço para contexto; para um trabalho confortável com 70B, as máquinas com memória unificada de 128GB são o melhor ajuste.

Por que o NVIDIA DGX Spark é lento na geração de tokens, apesar de custar mais de US$ 4.000?

Porque a geração de tokens é limitada por largura de banda de memória, e o 273 GB/s do Spark é modesto — um pouco abaixo dos 307 GB/s do Mac mini M5 Pro. Seu ponto forte é processamento de prompt (cerca de 1.723 tok/s em um modelo 120B) e capacidade de 128GB, não velocidade pura de geração, onde testes padronizados o colocam em torno de 38 tok/s (pilhas otimizadas podem atingir ~50–60).

A memória unificada é tão boa quanto a VRAM dedicada de uma GPU?

Trata-se de um compromisso. A memória unificada oferece muito mais capacidade (até 128 GB), permitindo executar modelos que não caberiam em nenhuma GPU consumidora individual, mas com largura de banda significativamente menor que a da VRAM. Para modelos grandes que simplesmente não cabem de outra forma, ela é a única opção prática; para modelos menores, uma GPU discreta é mais rápida.

O Mac mini consegue executar um modelo de 70B?

Apenas assim. A configuração superior do Mac mini M5 Pro tem 64GB, suficiente para armazenar um modelo de 70B em Q4 (Llama 3 70B em Q4_K_M é um arquivo de 42,5GB) com pouco espaço para contexto, e a geração é lenta em 307 GB/s. O espaço prático máximo fica em torno de 32B em Q4. Para trabalho regular com 70B, suba para uma máquina de 128GB como uma caixa Strix Halo, um Mac Studio ou o DGX Spark.

Os mini PCs AMD Strix Halo são bons para IA, ou o software ainda é instável demais?

Eles são genuinamente capazes — com 128 GB de memória e velocidades de geração próximas às do DGX Spark por uma fração do preço. A ressalva é o software: ROCm e llama.cpp funcionam, mas são menos refinados que o MLX da Apple ou o CUDA da NVIDIA, e o processamento de prompts é fraco. Se você estiver confortável com alguma configuração inicial, o custo-benefício é excelente.

Quanto consumo de energia e ruído devo esperar dessas máquinas?

O Mac mini é o mais silencioso: Apple lista 5 dBA em repouso e uma classificação de potência contínua máxima de 155W. As caixas Strix Halo consomem 80–120W com ventiladores audíveis mas modestos. O DGX Spark vem com um adaptador de energia de 240W. Todos são dramaticamente mais silenciosos e consomem menos energia do que um desktop com múltiplas GPUs, que podem consumir 300–450W ou mais.

Conclusão

A era dos mini PCs para IA local é real, mas o marketing exagera um ponto específico: essas máquinas se destacam pelo tamanho reduzido, silêncio, eficiência energética e grande memória unificada — não pela velocidade bruta. Nenhum desses dispositivos supera um desktop multi-GPU em tokens por segundo, e você não deve comprá-lo esperando esse desempenho.

Escolha pelo tamanho de modelo que você realmente roda. Para modelos 8B–32B com o mínimo de complicação, o Mac mini M5 Pro é a escolha fácil e a que recomendaríamos para a maioria dos leitores. Para rodar modelos 70B–120B sem uma torre, uma caixa AMD Strix Halo oferece a melhor capacidade por dólar, com o DGX Spark reservado para quem especificamente precisa da pilha NVIDIA e do poder de processamento de prompt. E se suas necessidades param em modelos 8B, um mini PC Intel fará o trabalho por menos. Combine a memória ao modelo, leia a linha de largura de banda e ignore o petaflop na caixa.