Sunday, 22 November 2026 | Updating Daily AI insight, written for builders

Lista de modelos Ollama (2026): Todos os modelos populares, tamanhos e requisitos de RAM

Atualizado · Originalmente publicado

Quais modelos você pode executar com Ollama agora? Em novembro de 2026, a biblioteca do Ollama lista 270 famílias de modelos, a maioria em vários tamanhos. Os modelos de chat mais baixados são Llama 3.1, DeepSeek-R1, Llama 3.2, Qwen 2.5, Qwen3 e Gemma 3; a geração atual para começar é do Google Gemma 4do Google, o Qwen 3.5, 3.6 e 3.8 da Google gpt-ossda Alibaba. Cada um está a um comando de distância, por exemplo ollama run gemma4:e4b ou ollama run qwen3.5:9b.

Este guia prático Lista de modelos do Ollama cobre os modelos que as pessoas realmente executam, o que cada um precisa em memória e para o que cada um é bom, além de como listar os modelos que você já tem e baixar novos. Para a maioria dos modelos, Ollama baixa um build quantizado em 4 bits por padrão, e é por isso que um modelo «70B» cabe em uma boa workstation e um «8B» roda em um laptop. Os tamanhos abaixo são os padrões listados em ollama.com e mudam a cada lançamento — sempre verifique o Banco de dados de modelos de IA ou execute ollama list para saber quais modelos estão disponíveis atualmente na sua máquina.

Referência rápida

  • Executável em qualquer laptop (8 GB de RAM): Qwen 3.5 2B/4B, Llama 3.2 3B, Gemma 3 4BBonsai 2 9B — pequenos, rápidos, offline.
  • Melhor desempenho geral (16 GB): Qwen 3.5 9B, Gemma 4 E4B ou 12B, gpt-oss 20B, Llama 3.1 8B — o ponto ideal para a maioria das pessoas.
  • Alta qualidade (24–32 GB / GPU): Qwen 3.6 27B/35B, Qwen 3.8 27B, Gemma 4 26B/31B, Muse Glimmer 30B.
  • Próximo à fronteira (workstation, 48 GB a 96 GB+): Llama 3.3 70BLlama 3.3 70B, DeepSeek-R1 70B, gpt-oss 120B, Qwen 3.5 122B.
  • Raciocínio: gpt-oss, DeepSeek-R1. Codificação: Qwen3-Coder, tags de codificação Qwen 3.6, Flint, MiMo V2.6. Visão: Gemma 4, Qwen 3.5, Qwen3-VL. Incorporações: nomic-embed-text, EmbeddingGemma 2.
  • A regra: escolha com base na memória disponível — verifique qualquer modelo gratuitamente com nossa calculadora de VRAM.

Resposta curta: Você pode executar qualquer modelo na biblioteca oficial do Ollama que tenha um download local e caiba em sua memória: em 8 GB comece com qwen3.5:4b, em 16 GB com qwen3.5:9b ou gemma4:e4b, e em uma GPU de 24 GB com qwen3.8:27b, cada um ollama pull para longe. Alguns modelos novos, como DeepSeek V4.1 Flash e Kimi K3.1 Pro, têm apenas :cloud tags, portanto são executados nos servidores do Ollama, não em sua máquina. Nossos Destaques de novembro de 2026 fornecem o comando pull e o tamanho de download para cada escolha local, e o tabela completa abaixo lista a memória que cada família popular precisa.

Fatos-chave

  • 270 famílias de modelos na biblioteca oficial (7 de novembro de 2026), a maioria em vários tamanhos
  • Qualquer laptop (8 GB de RAM): Qwen 3.5 2B/4B, Llama 3.2 3B, Gemma 3 4B
  • O ponto ideal de 16 GB: Qwen 3.5 9B, Gemma 4 E4B/12B, gpt-oss 20B, Llama 3.1 8B
  • 24–32 GB/GPU: Qwen 3.6 27B/35B, Qwen 3.8 27B, Gemma 4 26B/31B — workstation: Llama 3.3 70B, gpt-oss 120B, Qwen 3.5 122B
  • O Ollama faz o download, por padrão, de versões quantizadas em 4 bits para a maioria dos modelos — é por isso que um «70B» cabe em uma boa workstation
  • Especialistas: Qwen3-Coder & Flint (código) · Gemma 4 / Qwen3-VL (visão) · nomic-embed-text & EmbeddingGemma 2 (embeddings) · gpt-oss & DeepSeek-R1 (raciocínio)

Melhores modelos Ollama (novembro de 2026)

Estas são nossas escolhas para cada orçamento de memória este mês. Todos os comandos e tamanhos de download abaixo foram verificados na página de tags ollama.com do modelo em 7 de novembro de 2026. As escolhas seguem as necessidades de memória, as capacidades que o Ollama lista para cada modelo (entrada de imagem, ferramentas, raciocínio) e a recência da atualização de cada família; são escolhas editoriais, não resultados de benchmarks. «Tamanho de download» é o tamanho da tag no comando, e um intervalo significa que a tag mapeia para mais de uma compilação, como um GGUF de 4 bits e uma versão MLX para Apple Silicon.

Modelo Comando pull Tamanho de download Indicado para
Qwen 3.5 4B ollama pull qwen3.5:4b 3,3–4,0 GB Qualquer laptop com 8 GB de RAM; lê imagens; contexto de 256K
Bonsai 2 9B (Prism ML) ollama pull bonsai-2:9b 3,2 GB Apertado em disco ou memória: pesos ternários, cerca de metade do tamanho de uma compilação padrão de 4 bits; lê imagens
Qwen 3.5 9B ollama pull qwen3.5:9b 6,6–7,6 GB Versátil para 16 GB; lê imagens; contexto de 256K
Gemma 4 E4B (Google) ollama pull gemma4:e4b 6,6–9,5 GB Versátil para 16 GB; lê imagens; contexto de 128K
MiMo V2.6 9B (Xiaomi) ollama pull mimo-v2.6 6,6–8,7 GB Novidade este mês: codificação e fluxos de trabalho de agentes em uma máquina de 16 GB; lê imagens; suportado a partir do Ollama 0.40.15
gpt-oss 20B (OpenAI) ollama pull gpt-oss:20b 14 GB Raciocínio com esforço baixo, médio ou alto; o cartão do modelo diz que funciona com tão pouca memória quanto 16 GB
Qwen 3.8 27B ollama pull qwen3.8:27b 18 GB GPU de 24 GB: codificação, pesquisa e tarefas longas de agentes; lê imagens
Gemma 4 31B (Google) ollama pull gemma4:31b 19–20 GB 24–32 GB: o maior tamanho do Gemma 4; lê imagens; contexto de 256K
Qwen3-Coder 30B ollama pull qwen3-coder:30b 19 GB Assistente de codificação em uma GPU de 24 GB; contexto de 256K
Flint 40B (Recursive) ollama pull flint:40b 23 GB Agentes locais de codificação: um modelo de mistura de especialistas de 39,8B com cerca de 2,5B parâmetros ativos por token
gpt-oss 120B (OpenAI) ollama pull gpt-oss:120b 65 GB Raciocínio em estação de trabalho; dimensionado para caber em uma única GPU de 80 GB
EmbeddingGemma 2 (Google) ollama pull embeddinggemma-2:740m 1,3 GB Embeddings para RAG e busca locais; o Ollama lista entrada de texto e imagem para esta tag (o cartão do modelo do Google também cobre vídeo e áudio)
LFM3 1.7B (Liquid AI) ollama pull lfm3 1,1–1,7 GB Menor escolha de chat: agentes locais, chamada de ferramentas e saída estruturada; contexto de 256K

Mais recente que a tabela de outubro abaixo: da Liquid AI LFM3 família (lfm3, lfm3-vl, lfm3-audio e lfm3-omni) chegou no final de outubro, e o Ollama 0.40.13 estendeu de Apple Silicon para Linux e Windows. vLLM Semantic Router d3 modelos de decisão (2B, 4B, 9B e 27B) chegaram com o Ollama 0.40.11 e ingressaram na categoria de decisão. No início de novembro, o Ollama 0.40.15 adicionou suporte para o MiMo V2.6 9B da Xiaomi MiMo V2.6 9B (ollama run mimo-v2.6, ajustado a partir do Qwen 3.5 9B para codificação e fluxos de trabalho de agentes) e o AutoTrust modelos de decisão (autotrust-jev, suportado em Apple Silicon nesse lançamento). O Perplexity de 4B pplx-decider-flash e Kimi K3.1 Pro ingressou na biblioteca na mesma semana; Kimi K3.1 Pro é apenas na nuvem (kimi-k3.1-pro:cloud), portanto executa nos servidores da Ollama, não na sua máquina. A versão atual é Ollama 0.40.16 (9 de novembro de 2026, conforme lançamentos no GitHub), portanto atualize o Ollama antes de baixar as famílias mais recentes.

Os modelos Ollama mais populares à primeira vista

Todos os modelos listados abaixo estão disponíveis com um simples comando ollama pull <nome>«Download» é o tamanho padrão listado em ollama.com (um build de 4 bits para a maioria dos modelos; famílias mais novas mostram um intervalo porque a tag padrão mapeia para mais de um build, como um GGUF de 4 bits e uma versão MLX para Apple Silicon); «Memória mínima» é um piso prático de RAM do sistema (CPU) ou VRAM (GPU) para executá-lo confortavelmente. Os tamanhos mudam a cada lançamento.

Modelo Parâmetros Baixar Memória mínima Melhor para
Llama 3.2 1B / 3B ~1,3 / 2 GB 4–8 GB Dispositivos de borda, smartphones, conversação ultraleve
Llama 3.1 8B ~4,9 GB 8–16 GB Modelo mais baixado da biblioteca; um versátil comprovado
Llama 3.3 70B ~43 GB 48 GB+ Grande modelo aberto denso
Gemma 4 E2B / E4B / 12B / 26B / 31B ~4,6–20 GB 8–32 GB Família Google atual: texto + imagem, modos de pensamento
Gemma 3 270M–27B ~0,3–17 GB 4 GB+ Eficiente (Google); 4B e acima leem imagens
Gemma 2 9B / 27B ~5,4 / 16 GB 12–32 GB Excelente relação qualidade/tamanho
Qwen 3.8 27B ~18 GB 24–32 GB Qwen mais recente: codificação, agentes, entrada de imagem
Qwen 3.6 27B / 35B (MoE) ~18–24 GB 24–32 GB Codificação agentic (-coding tags)
Qwen 3.5 0.8B–122B ~1.2–81 GB 4 GB+ Multimodal, contexto 256K, maior variedade de tamanhos
Qwen3 0.6B–235B ~0.5–142 GB 4 GB+ Denso e MoE, variantes com raciocínio
Qwen 2.5 0,5B–72B ~0,4–47 GB 4 GB+ Multilíngue, ampla faixa de tamanhos
Qwen 2.5 Coder 0.5B–32B ~0.4–20 GB 4 GB+ Assistente local de programação
gpt-oss (OpenAI) 20B / 120B ~14 / 65 GB 16 / 80 GB Raciocínio em peso aberto, esforço ajustável
Mistral 7B ~4.4 GB 8 GB Clássico rápido e confiável
Mistral Nemo 12B ~7 GB 16 GB Contexto longo de 128k
Mixtral 8×7B ~26 GB 32 GB ou mais Qualidade de mistura de especialistas (mixture-of-experts)
Phi-4 14B ~9 GB 16 GB Raciocínio em um modelo pequeno
Phi-3 Mini 3,8 bilhões ~2.2 GB 8 GB Pequeno, mas capaz
DeepSeek-R1 (versão destilada) 1,5 bilhão – 70 bilhões ~1,1 – 43 GB 8 GB ou mais Raciocínio passo a passo
LLaVA 7B – 34B ~4,7 – 20 GB 8 GB ou mais Visão (mais antigo; Gemma 4 e Qwen 3.5 agora também leem imagens)
nomic-embed-text — ~0,3 GB 2 GB Incorporações (embeddings) para RAG/pesquisa

Quer comparar esses modelos locais com os modelos em nuvem quanto a preço e velocidade? A Banco de dados de modelos de IA lista modelos abertos e fechados lado a lado, e o Calculadora de custos de API de IA mostra quando executar localmente é mais vantajoso do que pagar por token.

Novos na biblioteca Ollama (outubro de 2026)

Estas famílias foram adicionadas ou atualizadas entre meados de setembro e final de outubro de 2026. Os comandos usam tags explícitas porque um nome simples nem sempre obtém o tamanho que você espera — por exemplo, nemotron-3.5-boltbusca a versão de 25 GB com 74B, que ainda não funciona no Apple Silicon.

Modelo Comando de execução Parâmetros Baixar Melhor para
Nemotron 3.5 Lightning (NVIDIA) ollama run nemotron-3.5-lightning:30b 30B MoE (3B ativo) ~19–25 GB Agentes sempre ativos, contexto até 1M de tokens
Nemotron 3.5 Bolt (NVIDIA) ollama run nemotron-3.5-bolt:e4b E4B (8B, 4B efetivo) / 74B-A9B ~7.2–7.9 / 25 GB Modelo de visão compacto para codificação local e uso de ferramentas
Bonsai 2 (Prism ML) ollama run bonsai-2:9b 2B / 4B / 9B / 27B ~0.9 / 1.6 / 3.2 / 8.3 GB Pesos ternários, aproximadamente metade do tamanho das versões de 4 bits; visão, ferramentas, raciocínio
Flint (Recursive) ollama run flint:40b 39.8B MoE (~2.5B ativo) ~23 GB Agentes de codificação locais, contexto de 262K tokens
LFM2.5 (Liquid AI) ollama run lfm2.5:24b 8B / 24B ~5.2 / 15 GB Chamada rápida de ferramentas em hardware de consumo (24B é o novo tamanho)
Nemotron 3 Nano (NVIDIA) ollama run nemotron-3-nano:4b 4B / 30B ~2.8–2.9 / 18–24 GB Modelo agentic eficiente, agora com tamanho de 4B
EmbeddingGemma 2 (Google) ollama pull embeddinggemma-2:740m 270M–740M ~0.3–1.3 GB Embeddings multimodais: Ollama lista entrada de texto para todos os tamanhos e entrada de imagem para os tamanhos 440M e 740M; o cartão de modelo do Google também cobre vídeo e áudio
Phonon (Gradium) ollama run phonon "Hello there" 31M / 40M ~0.1–0.15 GB Conversão de texto em fala local em inglês, francês, alemão, espanhol e português (apenas Apple Silicon)

Duas outras tendências de outubro importam. Uma nova decisão categoria de modelos pequenos — Cloudflare’s clef, Perplexity’s pplx-decider, Liquid AI’s d1 e Together AI’s tev1 — pontuam, encaminham e classificam entradas em vez de conversar. E várias das maiores adições são somente na nuvem: Mistral Large 4, DeepSeek V4.1 Flash, MiniMax M3.1 Flash, Muse Spark Open e Beam do Reflection possuem apenas :cloud tags (por exemplo ollama run mistral-large-4:cloud), então executam nos servidores do Ollama em vez de sua máquina — veja nosso guia sobre modelos Ollama na nuvem. Proprietários de estações de trabalho também obtiveram Nemotron 3.5 Super da NVIDIA (nemotron-3.5-super:120b, ~80–90 GB). Novos modelos frequentemente precisam de um lançamento recente do Ollama (Clef, por exemplo, requer 0.35.1 ou posterior), então atualize o Ollama antes de fazer download.

Como listar os modelos Ollama já instalados

Para ver todos os modelos já na sua máquina, com seu tamanho e quando foi modificado pela última vez, execute:

ollama list

Isso imprime quatro colunas: NAME (com a tag), ID, SIZE e MODIFIED. O atual referência da CLI escreve este comando como ollama ls; ambas as grafias funcionam. Para ver o que está carregado na memória no momento, use ollama ps, para descarregar um modelo, use ollama stop <nome>, e para excluir um modelo e recuperar o espaço em disco que ele ocupa, use ollama rm <nome> (passo a passo em como remover um modelo Ollama). Esses quatro comandos são tudo que você precisa para gerenciar uma coleção local, e o conjunto completo está em nosso Guia do Ollama.

Como encontrar e baixar novos modelos da biblioteca

O catálogo completo do Ollama está disponível em sua biblioteca online, e baixar qualquer modelo exige apenas um comando:

ollama pull llama3.1  ou execute-o diretamente com  ollama run llama3.1

Os nomes dos modelos usam tags para indicar tamanho e variante — por exemplo, llama3.1:8b, gemma4:26b, qwen3.5:27b. Se você omitir a tag, Ollama faz download da mais recente tag padrão do modelo, e esse tamanho varia por família: plain gpt-oss é o 20B de 14 GB, plain qwen3.6 é o 35B de 23 GB e simples nemotron-3.5-bolt é a compilação 74B de 25 GB, portanto verifique primeiro a página de tags do modelo. Tags nomeadas cloud ou terminando em -cloud (como kimi-k3.1-pro:cloud ou deepseek-v4.1-flash:1017-cloud) executam nos servidores da Ollama em vez de sua máquina, e -mlx são builds para Apple Silicon. Para uma primeira instalação, nosso guia passo a passo de instalação do Ollama abrange Mac, Windows e Linux.

Modelos pequenos — executam em quase qualquer laptop

Modelos de menos de 1B até cerca de 4B parâmetros rodam bem em um laptop moderno com 8 GB de RAM, sem GPU necessária. Qwen 3.5 2B e 4B (que também leem imagens), Llama 3.2 3B, Gemma 3 4B e Phi-3 Mini são destaques, e o novo Bonsai 2 da Prism ML encaixa um modelo de 9B em um download de 3.2 GB usando pesos ternários. São rápidos, genuinamente úteis para resumir, rascunhar e perguntas simples, e pequenos o suficiente para manter carregados. Não corresponderão a um modelo cloud de fronteira, mas para tarefas privadas e offline do dia a dia são excelentes — e são o ponto de partida correto se você é novo em IA local.

Modelos de tamanho médio — o ponto ideal para 16 GB

A classe de 7B a 14B é onde a maioria das pessoas deveria começar. Qwen 3.5 9B, Gemma 4 E4B e 12B e Llama 3.1 8B cabem confortavelmente em 16 GB de RAM ou uma GPU comum, e as duas famílias mais novas adicionam entrada de imagem e modos de raciocínio (reasoning) embutidos. O gpt-oss 20B da OpenAI (um download de 14 GB) é o passo seguinte — Ollama diz que funciona em sistemas com tão pouco quanto 16 GB de memória. Phi-4, Mistral Nemo e o mais antigo Qwen 2.5 7B e Mistral 7B continuam sendo opções sólidas. Se você quer um modelo para uso geral, escolha desta linha — é o melhor equilíbrio entre capacidade e demanda de hardware.

Modelos grandes — exigem workstation ou GPU

A partir de cerca de 27B você entra em hardware sério. A geração atual de 26B–35B — Qwen 3.6 27B/35B, Qwen 3.8 27B, Gemma 4 26B e 31B, Meta’s Muse Glimmer 30B (ollama run muse-glimmer:30b, aproximadamente 18 GB) e da NVIDIA Nemotron 3.5 Lightning — descarrega com cerca de 16–25 GB e requer uma GPU de 24 GB ou 32 GB+ de memória; opções mais antigas como Gemma 2 27B, Qwen 2.5 32B e Mixtral 8x7B situam-se na mesma faixa. A classe de 70B ou superior — Llama 3.3 70B, o DeepSeek-R1 70B destilados, gpt-oss 120B (65 GB, dimensionado para uma única GPU de 80 GB), Qwen 3.5 122B (81 GB) e o Llama 4 Scout (llama4:scout, 67 GB) — exigem 48 GB a 96 GB+ de memória rápida, o que na prática significa GPUs com VRAM elevado ou um Mac Apple Silicon com muita memória. A recompensa é qualidade que se aproxima dos grandes modelos em nuvem, funcionando completamente na sua máquina. Consulte o nosso melhores GPUs para IA guia sobre quais equipamentos realmente suportam esses modelos.

Modelos especializados: codificação, visão e incorporações (embeddings)

Para além de chat geral, Ollama aloja modelos específicos para tarefas. Para programação, Qwen3-Coder 30B (qwen3-coder:30b, 19 GB), as -coding tags de Qwen 3.6 e a nova Flint foram construídas para programação agentic, enquanto Qwen 2.5 Coder continua a cobrir máquinas pequenas e Code Llama é a opção mais antiga. Para visão, Gemma 4 e Qwen 3.5 lêem imagens nativamente, Qwen3-VL (2B–235B) é a família dedicada de visão-linguagem, GLM-OCR (glm-ocr, 2,7 GB) trata OCR de documentos, e LLaVA é a veterana. Modelos de embedding como nomic-embed-text, mxbai-embed-large, Qwen3-Embedding e o multimodal EmbeddingGemma 2 não conversam nada — convertem texto (e, para EmbeddingGemma 2, imagens; o cartão de modelo do Google também lista vídeo e áudio) em vetores para busca e geração aumentada por recuperação, a base de uma configuração RAG local. Ollama agora também hospeda conversão de texto em fala: Phonon lê texto em voz alta em cinco idiomas em Macs Apple Silicon (a geração de fala chegou em Ollama 0.40.11), e lfm3-audio e lfm3-omni também falam em Linux e Windows.

Qual modelo Ollama você realmente deveria usar?

A resposta honesta é: o maior que sua memória consegue manter na classe que precisa. Para uso geral, comece com Qwen 3.5 9B ou Gemma 4 E4B (ou o Llama 3.1 8B já comprovado) e aumente apenas se a qualidade for insuficiente. Para raciocínio, tente gpt-oss 20B ou uma destilação DeepSeek-R1; para codificação, Qwen3-Coder 30B ou Qwen 2.5 Coder em máquinas menores; para imagens, Gemma 4 ou Qwen 3.5. Classificamos as melhores escolhas por caso de uso em os melhores LLMs locais para executar no Ollama, e comparamos o próprio Ollama com alternativas em Ollama vs. LM Studio vs. vLLM vs. llama.cpp.

Verifique se o modelo cabe no seu sistema antes de baixá-lo

O erro mais comum é baixar um modelo muito grande para sua máquina — ele recusará carregar ou rastejará conforme troca para disco. Antes de baixar, dimensione-o: como regra aproximada, um modelo de 4 bits precisa de pouco menos de 1 GB de memória por bilhão de parâmetros, além de espaço para contexto. Se você não sabe quanta memória sua placa gráfica tem, veja como verificar sua VRAM. Nosso gratuito calculadora de VRAM fornece o valor exato para qualquer modelo e tipo de quantização, e Requisitos do sistema do Ollama explicam detalhadamente a compensação entre RAM e VRAM.

A maioria dos modelos nesta lista são compilações GGUF (as tags -mlx funcionam no mecanismo MLX separado da Ollama); o nosso guia de modelos GGUF explica os sufixos de quantização e quais arquivos são compatíveis com sua GPU.

Mais guias do Ollama em Convly AI

Perguntas frequentes

Como listar os modelos instalados no Ollama? Executar ollama list para ver todos os modelos instalados com seus respectivos tamanhos, ollama ps para saber qual está carregado no momento e ollama rm <nome> para excluí-lo.

Qual é o melhor modelo do Ollama? Não existe um único melhor — depende da sua memória. Llama 3.1 8B continua a ser o modelo mais descarregado da biblioteca, mas numa máquina de 16 GB o mais recente Qwen 3.5 9B e Gemma 4 E4B encaixam no mesmo orçamento e adicionam entrada de imagem; consulte nossa lista classificada para cada caso de uso.

Quantos modelos o Ollama possui? 270 famílias de modelos na biblioteca oficial em 7 de novembro de 2026 — chat, codificação, visão, OCR, embedding, fala e os novos modelos de decisão — a maioria com vários tamanhos e quantizações. As tabelas acima cobrem os que a maioria das pessoas realmente executa.

Quais são os modelos Ollama mais novos? As adições de início de novembro são MiMo V2.6 9B da Xiaomi para código e agentes (ollama run mimo-v2.6), os modelos de decisão AutoTrust e pplx-decider-flash e Kimi K3.1 Pro, que é apenas na nuvem e executa nos servidores da Ollama em vez de sua máquina. Fim de outubro trouxe a pequena família LFM3 da Liquid AI (modelos de texto, visão, áudio e omni), modelos de decisão d3 do Semantic Router vLLM e conversão de texto em fala Phonon do Gradium. Adições recentes incluem Nemotron 3.5 Lightning e Bolt da NVIDIA, Bonsai 2 da Prism ML, Flint da Recursive e EmbeddingGemma 2 do Google. Entre famílias gerais de chat, as mais recentes são Qwen 3.8 (ollama run qwen3.8:27b), Qwen 3.6, Gemma 4 e Muse Glimmer da Meta.

Quanta RAM preciso para executar modelos do Ollama? 8 GB executa modelos pequenos (1B–4B), 16 GB executa a popular classe 7B–12B mais gpt-oss 20B, e uma GPU de 24 GB ou 32 GB+ de memória é necessária para modelos de 27B–35B. Verifique qualquer modelo com o nosso calculadora de VRAM.

Posso executar esses modelos offline? Sim — uma vez baixado, cada modelo Ollama local executa integralmente na sua máquina sem conexão com a internet, que é a principal razão para usar modelos locais em primeiro lugar. A exceção são tags apenas na nuvem nomeadas cloud ou terminando em -cloud, como kimi-k3.1-pro:cloud: executam nos servidores da Ollama, não na sua máquina, e precisam de conexão.

Resumo final

A lista de modelos do Ollama é extensa, mas a escolha é simples: defina primeiro o que você precisa — conversação geral, raciocínio, programação, visão ou incorporações (embeddings) — e, em seguida, selecione o maior modelo nessa categoria que sua memória consiga suportar. Comece com um modelo de 8B, use ollama list para acompanhar o que você já tem instalado e confie sempre na calculadora de VRAM antes de cada download, para nunca baixar algo que sua máquina não consiga executar. A partir daí, executar uma IA capaz, local e privada requer apenas alguns comandos.

Nomes de modelos, tamanhos e disponibilidade mudam frequentemente; tamanhos e tags foram verificados na biblioteca oficial Ollama em 7 de novembro de 2026 — verifique com ollama list e com a biblioteca oficial antes de confiar neles.

Escrito por Mustafa Ihsan

Mustafa Ihsan é o fundador e editor de Convly.ai. Ele construiu e mantém o banco de dados de modelos de IA ao vivo do site, seu índice de desempenho por preço e seus calculadores gratuitos para requisitos de VRAM, custos de API e economia de self-hosting. Ele escreve sobre preços de modelos, resultados de benchmarks e o hardware necessário para executar modelos de IA localmente, e consistentemente prefere números medidos a afirmações de fornecedores.

Scroll to Top