Outras Ferramentas IA: Análises e Comparações

Quer rodar um LLM local mas não sabe se o seu PC dá conta? Cerca de 90% da especificação se resume à VRAM (a memória da GPU). Este guia traz uma tabela rápida de VRAM por tamanho de modelo, uma fórmula simples, a armadilha do cache KV que cresce com o contexto, velocidades realistas por GPU e Mac, e três níveis de configuração por orçamento. Com o jargão ao mínimo, até iniciantes descobrem qual hardware comprar.

Um LLM local que você roda no próprio PC ou LLMs em nuvem como Claude, ChatGPT e Gemini — ambos são "LLMs", mas diferem em desempenho, custo, privacidade e esforço. Este artigo coloca tudo lado a lado em uma única comparação e mostra com honestidade até onde a mal compreendida "diferença de desempenho" diminuiu em 2026, hoje desprezível para muitos casos de uso. Em seguida, ele guia você pela escolha na ordem confidencialidade → qualidade → volume, com um guia de decisão prático. Para a maioria das pessoas, a resposta é o híbrido: o local para o trabalho confidencial e rotineiro, a nuvem para as partes mais difíceis.

Retreinar uma IA gigante do zero é caro demais, mas você quer ajustá-la só para você; o LoRA (Low-Rank Adaptation) realiza esse desejo congelando o modelo original e treinando apenas uma pequena peça adicional (um adaptador), reduzindo os parâmetros treináveis a menos de 1% do modelo original. O LoRA torna o fine-tuning drasticamente mais barato e rápido, e é enormemente popular na geração de imagens, como no Stable Diffusion, como um pequeno arquivo que adiciona um personagem ou estilo. Este artigo explica com uma analogia de remendo. O LoRA é o carro-chefe do fine-tuning eficiente em parâmetros (PEFT): deixar os enormes pesos originais congelados, inserir uma pequena matriz adicional em cada camada e treinar apenas isso (W = W0 + BA, onde W0 fica congelado e BA é a pequena parte adicionada). Ele se baseia na hipótese de que adaptar uma IA não exige grandes mudanças (um rank baixo basta), que os experimentos do artigo original corroboraram (embora haja estudos em que ele fica abaixo do treinamento completo em matemática e programação). Benefícios: parâmetros treináveis abaixo de 1% do original (cerca de 10.000 vezes menos com o GPT-3 175B no artigo original), menos memória de GPU (no mesmo caso, de 1,2 TB para 350 GB durante o treinamento), treinamento mais rápido e barato, sem latência de inferência depois que o adaptador é mesclado, e menos perda das capacidades do modelo original. Sua maior força são os adaptadores intercambiáveis: mantenha uma base comum e troque pequenos arquivos LoRA por caso de uso (suporte, tom da empresa, um personagem específico) instantaneamente. Muita gente encontra o LoRA pela primeira vez na geração de imagens, onde LoRAs do Stable Diffusion que aprenderam um personagem, estilo ou tema são amplamente compartilhados. O QLoRA combina a quantização, treinando o LoRA sobre uma base 4-bit: permitiu o fine-tuning, em uma única GPU de 48 GB, de um modelo de 65B que, treinado por completo em 16 bits, exigiria mais de 780 GB, e de um modelo de 33B em uma GPU de consumo de 24 GB, com desempenho equivalente ao dos métodos de 16 bits nas comparações do artigo (o próprio artigo diz que não verificou se ele se iguala ao treinamento completo em 33B e 65B). Diferentemente do fine-tuning completo (treinar todos os pesos), o LoRA difere nos pesos treinados, no custo, no resultado e no melhor uso; para a maior parte do trabalho, o LoRA basta. Mantenha a base, tempere pouco. Os números vêm das condições experimentais dos artigos originais e outros, como orientação.

Um enorme modelo de 70B rodando em um único PC caseiro, em vez de um rack de GPUs de data center (com a CPU e a RAM assumindo a parte que não cabe numa GPU de consumidor), é possível graças à quantização, que reduz a precisão numérica dos pesos do modelo para encolher drasticamente tamanho e memória. Enquanto a destilação transfere conhecimento para um modelo separado e menor, a quantização deixa o mesmo modelo mais leve. Este artigo explica isso com uma analogia de compressão de fotos. A quantização substitui pesos armazenados como decimais FP16/FP32 por inteiros INT8 (8 bits) ou INT4 (4 bits), cortando bytes por peso (FP32=4, INT8=1, INT4=0,5); como comprimir uma foto RAW para JPEG, você sacrifica um pouco de precisão por uma grande redução, e a surpresa é o quão pouco abre mão. Em memória, 4-bit usa cerca de um quarto do FP16: um modelo de 70B cai de ~140GB para ~35GB, e um de 8B em 4-bit fica em ~4.5-5GB, cabendo em uma GPU intermediária de 8GB de VRAM para uso local (a democratização dos LLMs). Em precisão, INT8 é praticamente sem perdas e INT4, segundo relatos, degrada abaixo de 4% em perguntas e respostas gerais e senso comum, mas a perda é mais perceptível em matemática, geração de código e raciocínio difícil (aparece como um pequeno aumento na perplexidade), então escolha a precisão em bits pela tarefa. Principais métodos: GPTQ (pioneiro do 4-bit preciso), AWQ (protege os ~1% pesos mais importantes; se supera o GPTQ depende da avaliação), GGUF (formato llama.cpp/Ollama, Q2_K-Q8_0, híbrido CPU+GPU, para uso local) e QLoRA (base de 4-bit mais LoRA para fine-tuning em GPU de consumidor). Difere da destilação (mudar para um modelo separado menor) e do fine-tuning (adicionar conhecimento de tarefa), e as três costumam ser combinadas (quantizar um modelo destilado; fazer fine-tuning sobre uma base quantizada). Para começar, rode um modelo GGUF com o Ollama em um comando, escolha Q4/Q8 pela VRAM e evite INT4 para código ou matemática exata. A maioria dos grandes modelos já vem quantizada, então basta baixar e usar. Mantenha a inteligência, tire apenas o peso. Os números são citados de materiais públicos, indicativos.

Uma IA enorme e de alto desempenho é inteligente, mas pesada e cara; a destilação de modelos (destilação de conhecimento) resolve isso transferindo o conhecimento de um grande modelo professor para um pequeno modelo aluno, mantendo um desempenho próximo ao do professor com um tamanho muito menor e mais velocidade. Este artigo explica o tema com uma analogia professor-aluno. A chave são os soft labels: o treinamento comum só ensina "a resposta é gato" (hard label), enquanto a destilação passa toda a distribuição de probabilidade do professor, como "90% gato, 8% cachorro, 2% raposa", cujo grau de hesitação carrega informações ricas; um parâmetro temperature suaviza as probabilidades para revelar relações sutis (exemplo real: o recurso de 2024 da API da OpenAI para treinar modelos menores com saídas de modelos maiores). Benefícios: rápido e barato, muito mais compacto com desempenho próximo ao do professor (TinyBERT: 7,5x menor, mais de 96,8%), roda na edge e é forte para especialização. Duas abordagens: white-box (acesso total a pesos e representações internas, transferência mais profunda; para seus modelos ou modelos OSS) e black-box (só as saídas/respostas da API visíveis; usar a API de outra empresa como professor pode violar os termos). Difere da quantização (comprimir a precisão dos pesos do mesmo modelo) e do fine-tuning (continuar treinando um modelo existente para uma tarefa) — a destilação move o conhecimento para um modelo pequeno separado, e as três são combináveis. A realidade jurídica/ToS foi um grande tema em 2026: a técnica é legítima, mas OpenAI, Anthropic e xAI incluem cláusulas de destilação anticompetitiva que proíbem usar saídas para criar modelos concorrentes, então destilar um concorrente a partir de uma API restrita pode violar os termos. A disputa OpenAI v. DeepSeek (a OpenAI alegou que contas ligadas à DeepSeek burlaram restrições para obter saídas para destilação, enquanto os termos da DeepSeek supostamente permitem destilar suas saídas) mostra que a avaliação depende de quais termos de API se aplicam, e o Claude Fable 5/Mythos 5 desvia solicitações sinalizadas como destilação para um modelo Opus menos capaz. Dicas: use seus modelos ou modelos OSS licenciados como professor, verifique as cláusulas antidestilação antes de usar uma API comercial e avalie se o uso configura desenvolvimento de um modelo concorrente. Inteligência do modelo grande, operação do pequeno — mas quem você escolhe como professor muda o resultado técnica e juridicamente. Os números são citados de materiais públicos, em caráter orientativo.

Fine-tuning é o treinamento adicional de um modelo pré-treinado, com pesos ou adaptadores ajustados para moldar estilo, classificação e tendências de resposta. O artigo compara fine-tuning com RAG e prompts, explica os métodos completo, LoRA e QLoRA e separa os custos de dados, treinamento, inferência e operação. Também mostra o mínimo de 10 exemplos (SFT) e a recomendação de 50, o encerramento do fine-tuning de autoatendimento para novos usuários e um exemplo de classificação de consultas com etapas de avaliação antes de decidir a adoção.

Você provavelmente imagina que um LLM precisa rodar na nuvem, mas modelos pequenos ocupam só alguns gigabytes e rodam até em um notebook comum. Um LLM local significa rodar um modelo de IA diretamente no seu PC em vez da nuvem. As vantagens são privacidade (o input nunca sai da sua máquina), nenhuma taxa de API e uso offline; as desvantagens, não ser tão inteligente quanto a IA de ponta na nuvem e exigir um PC razoavelmente capaz. Este guia para iniciantes cobre a quantização (o Q4_K_M fica com cerca de 30% do tamanho em fp16: de 16 GB para 4,9 GB no Llama 3.1 8B), uma tabela com os tamanhos reais de download das tags do Ollama (em 30 de setembro de 2026), os requisitos oficiais do Ollama e do LM Studio, os passos oficiais do Ollama (install.sh no macOS e no Linux, install.ps1 no Windows, depois ollama run gemma4 e ollama ps para conferir se está na GPU), o alerta de que modelos ":cloud" não rodam na sua máquina, como escolher um modelo (com Llama 3.1, Gemma 4, Qwen3.8 e DeepSeek-R1 como exemplos) e quando usar local ou nuvem.

Em 9 de junho de 2026, a Anthropic lançou o Claude Fable 5 — liberando, pela primeira vez em uma forma que usuários e desenvolvedores comuns podem usar, capacidade no nível do "Mythos", o modelo de fronteira há muito considerado o mais poderoso internamente. A Anthropic o posiciona como o modelo mais poderoso que oferece de forma geral, com o slogan "feito para trabalho complexo e de longa duração". Esta análise, escrita para que iniciantes possam acompanhar, cobre o que é o Fable 5 (uma forma pública e segura da capacidade de classe Mythos, otimizada para terminar uma maratona em vez de uma única pergunta e resposta; ID do modelo claude-fable-5), como ele difere de seu gêmeo Mythos 5 (idênticos por dentro, apenas as salvaguardas diferem; o público usa o Fable), os benchmarks (SWE-Bench Pro 80.0% vs Opus 4.8 69.2 e GPT-5.5 58.6, os primeiros 90%+ de sempre na análise de longa duração da Hex, topo no Cognition FrontierCode e no financeiro da Hebbia, novo SOTA em visão jogando Pokémon sem ajuda), sua verdadeira força em autonomia de longa duração (foco ao longo de milhões de tokens, mais autonomia que qualquer Claude anterior, a Stripe concluindo uma migração Ruby de 50 milhões de linhas em um dia contra mais de dois meses manualmente, memória em arquivo impulsionando uma tarefa de jogo 3x mais que o Opus 4.8, o GitHub relatando programação de longo horizonte de alta autonomia), preço e disponibilidade ($10 entrada / $50 saída por 1M tokens, contexto de 1M e saída de 128K, gratuito dentro de cada plano de 9 a 22 de junho e depois créditos, API claude-fable-5 e GitHub Copilot), uma comparação direta com o Opus 4.8 (padrão $5/$25 vs $10/$50, +10.8 pontos no SWE-Bench Pro, mesmo contexto de 1M, Opus 4.8 Fast Mode a $10/$50; divida trabalho pesado para o Fable 5 e o dia a dia para o Opus 4.8 padrão), o destaque do novo design de segurança (classificadores de cibernética, bioquímica e destilação que recuam para o Opus 4.8 apenas quando perigoso, acionados em menos de 5% das sessões para que 95%+ rodem com desempenho total, com retenção de 30 dias do tráfego de classe Mythos), o contexto de lançar dias após alertar que a IA é perigosa demais (um terceiro caminho que fecha apenas as áreas perigosas) e quando usá-lo. Os números são citados do anúncio da Anthropic e de relatos e podem mudar.

Digite um texto e, em segundos, nasce um vídeo com som — o que não muito tempo atrás seria ficção científica virou realidade em 2026, e a situação está mudando em um ritmo assustador. O Sora da OpenAI, que dominava a conversa, encerrou seu app e a versão web em abril de 2026 (e a API, em seguida, em 24 de setembro de 2026); em seu lugar, Google Veo, Kling e Runway assumiram a liderança. Este guia atualizado (junho de 2026), independente de ferramenta, cobre o que é a geração de vídeo com IA (criar imagens em movimento a partir de palavras ou de uma imagem, com sincronização de áudio, 1080p–4K e imagem para vídeo agora padrão), o cenário de 2026 (o encerramento do Sora — pano de fundo relatado de pressão sobre computação e custos e queda de usuários — e os líderes atuais Google Veo 3.1, Kling 3.0 e Runway Gen-4.5, com a cobrança por segundo como norma), como funciona (modelos de difusão estendidos para a dimensão do tempo; texto para vídeo e imagem para vídeo), o fluxo dos 5 passos em comum (escolher uma ferramenta, prompt/imagem, definir duração/proporção/áudio, gerar e escolher, juntar na edição), as dicas essenciais de prompt de vídeo (sujeito + movimento + câmera + estilo + duração + áudio, com verbos e câmera como chaves, um corte uma ação, usar imagem para vídeo, gerar em quantidade), o que ela já faz e o que ainda não faz (peças longas de uma só vez e consistência total continuam difíceis, e o custo por segundo soma) e os pontos essenciais de direitos, marcas-d'água e ética (marcas-d'água como o SynthID viram padrão e não podem ser removidas em muitos planos, e o padrão de procedência C2PA também se espalha, a saída puramente de IA é fracamente protegida com diferenças entre países, o uso comercial depende dos termos e deepfakes de pessoas reais são proibidos). Faça cortes e junte-os na edição em vez de mirar uma peça longa de uma só vez. Como o campo se move rápido, sempre confirme o mais recente oficialmente.

"Eu não sei desenhar, então isso não é para mim" — esse preconceito sobre a geração de imagens com IA está invertido. Basta instruí-la com palavras e, segundos depois, você tem visuais de nível profissional. Este guia, que atravessa as ferramentas, cobre o que é a geração de imagens com IA (criar imagens do zero por meio de palavras — a habilidade de comunicar, não de desenhar; a versão em imagem da engenharia de prompts), como funciona (modelos de difusão esculpem uma figura a partir do ruído aleatório usando o seu prompt como pista, desenhando do zero a cada vez, por isso os resultados oscilam), o fluxo de trabalho comum de 4 passos que funciona em qualquer ferramenta (escolher uma ferramenta, escrever um prompt, gerar e escolher, refinar e finalizar — a iteração é o pressuposto), a anatomia essencial do prompt de imagem em 6 partes (sujeito, cena/cenário, estilo, luz/cor, composição/enquadramento, técnico) mais prompts negativos e proporção de aspecto — embora exclusões, proporção e texto na imagem se escrevam de forma diferente em cada ferramenta (o Midjourney usa --no, o Google pede descrição positiva e a API da Stability AI tem negative_prompt, segundo a documentação oficial), 7 dicas para dominar (fazer as contas, acrescentar aos poucos, imagens de referência, inpainting, fixar a seed, upscale, salvar bons prompts), onde a IA tem dificuldade (mãos, texto, consistência, precisão fina) e as soluções, e o essencial sobre direitos, uso comercial e ética para o trabalho (a saída puramente de IA é fracamente protegida segundo o Copyright Office dos EUA e o caso Thaler, definitivo desde que a Suprema Corte recusou a revisão em 2026, com diferenças entre países; o uso comercial depende dos termos de cada ferramenta; deepfakes e a imitação não autorizada de estilo são proibidos; a proveniência está se difundindo, e a OpenAI coloca em suas imagens tanto metadados C2PA quanto uma marca d'água SynthID). Qual ferramenta escolher e os tutoriais específicos remetem aos artigos de comparação, do Midjourney e do Stable Diffusion. Conheça a anatomia, faça as contas, acrescente palavras aos poucos — qualquer pessoa pode se aproximar da imagem que quer.

Você pergunta a mesma coisa para a mesma IA e, ainda assim, uma pessoa a chama de inútil enquanto outra se impressiona com o quanto ela é capaz — e a verdadeira causa dessa diferença muitas vezes não é o poder da IA, mas a forma como o prompt é escrito. Este é um compêndio prático dessa habilidade, a engenharia de prompts, organizado para que um iniciante possa usá-la de imediato. Ele cobre o que é engenharia de prompts (a habilidade de projetar e melhorar sua instrução para a IA — não código, e sim a arte de como dizer as coisas), os três princípios que mudam seus resultados (seja específico, dê contexto, especifique a saída, além de "faça X" em vez de "não faça Y"), as 6 partes essenciais de um bom prompt (papel, contexto, instrução, exemplos, formato, restrições — os elementos que se repetem nos guias publicados pelos fornecedores; você não precisa das seis toda vez), 7 técnicas práticas (dar um papel, mostrar um modelo/few-shot, raciocinar passo a passo, fixar o formato da saída, estruturar com delimitadores, não pedir demais de uma vez e iterar — a mais forte sendo a iteração), um exemplo antes/depois, técnicas de nível avançado (cadeia de raciocínio, autoconsistência, encadeamento de prompts, ReAct — embora modelos de raciocínio como a série o e o pensamento estendido do Claude façam CoT internamente, de modo que enunciar o objetivo funciona melhor), 7 erros comuns, além de dicas por modelo e segurança na entrada. Com links internos para dicas de prompt de desenvolvimento de aplicativos e cuidados com a entrada. Transforme o vago em específico, o despejo em diálogo — qualquer um pode melhorar a partir de hoje.

Em junho de 2025, Sam Altman, da OpenAI, escreveu em seu blog: "Já passamos do horizonte de eventos; a decolagem começou" ("The Gentle Singularity"). No entanto, outros pesquisadores descartam categoricamente a ideia como algo que nunca vai chegar. Este guia para iniciantes explica que a singularidade (singularidade tecnológica) é "o ponto de virada no qual a IA supera a inteligência humana e começa a se aprimorar sozinha, de modo que o progresso se torna explosivamente rápido e já não pode ser previsto nem controlado" (uma hipótese, não realizada em 2026). Aborda o coração da questão — a explosão de inteligência = autoaprimoramento recursivo, em que uma IA inteligente constrói uma IA ainda mais inteligente e quem aprimora muda de humano para IA; como ela difere da AGI e da ASI (AGI/ASI são "estados" de inteligência, a singularidade é o "evento" de se tornar imprevisível; AGI → autoaprimoramento → o salto repentino para a ASI = a singularidade); a história do termo (a "explosão de inteligência" de I. J. Good em 1965 → Vinge popularizando o nome em 1993 → Kurzweil tornando-a mainstream com "2045"); a ampla dispersão das previsões (Kurzweil 2045, Altman "já começou", Vinge e céticos como Gary Marcus e o "freio da complexidade" do falecido Paul Allen); decolagem dura repentina vs. decolagem suave gradual; as esperanças (avanços em doenças e na ciência) e os riscos (perda de controle, o problema do alinhamento); o profundo ceticismo (freio da complexidade, limites físicos, uma coisa totalmente diferente); e mitos comuns como "robôs dominando", "imediata quando a AGI chegar" e "fixada para 2045". Sem temê-la em excesso nem sonhar demais — aproveite ao máximo a IA de hoje enquanto observa com calma o que pode vir a seguir.