Para modelos de linguagem pequenos (7 a 8 bilhões de parâmetros) e geração de imagens básica, 8 GB de VRAM resolvem. Para modelos médios e imagens em alta resolução, mire 16 GB. A NVIDIA (CUDA) é a opção com mais compatibilidade nas ferramentas de IA; a AMD entrega mais VRAM pelo preço, mas o suporte varia por programa.
| Tamanho do modelo | VRAM mínima | Exemplo de uso |
|---|---|---|
| 7 a 8 bilhões de parâmetros | 8 GB | Assistente local, resumo de texto, código simples |
| 12 a 14 bilhões | 12 a 16 GB | Respostas melhores, contexto maior |
| 30 a 34 bilhões | 24 GB | Qualidade próxima de serviços pagos em várias tarefas |
| 70 bilhões | 40 GB ou mais | Duas placas ou Mac com muita memória unificada |
Por que a VRAM é o número mais importante para IA?
Um modelo de IA precisa caber inteiro na memória da placa para rodar rápido. Quando não cabe, parte dele vai para a memória do sistema e a velocidade cai muito.
Regra prática para modelos de linguagem quantizados em 4 bits: cerca de meio gigabyte de VRAM por bilhão de parâmetros, mais uma folga para o contexto (o tamanho da conversa). Um modelo de 8 bilhões ocupa algo perto de 5 a 6 GB; um de 14 bilhões, perto de 9 a 10 GB.
NVIDIA ou AMD para inteligência artificial?
As ferramentas mais usadas para IA local (Ollama, LM Studio, llama.cpp, ComfyUI e PyTorch) nasceram em cima do CUDA, da NVIDIA. Por isso uma GeForce RTX costuma funcionar sem ajuste.
As Radeon da AMD avançaram com o ROCm e com suporte em vários desses programas, e muitas vezes oferecem 16 GB de VRAM onde a NVIDIA equivalente tem 8 GB. O preço disso é mais configuração e compatibilidade que varia por programa e sistema. Se você vai usar IA como ferramenta de trabalho e não quer mexer em configuração, prefira NVIDIA. Se o foco é jogos e IA é um extra, a VRAM maior da AMD pesa a favor.
Quanta VRAM para gerar imagens?
Geração de imagens também depende de VRAM. Modelos populares de imagem rodam com 8 GB em resolução padrão, com algumas otimizações. Para alta resolução, modelos mais novos e geração em lote sem esperar, 12 a 16 GB dão folga. Vídeo gerado por IA é o uso mais pesado e pede o máximo de VRAM que couber no orçamento.
Placa de vídeo usada vale a pena para IA?
Pode valer, porque VRAM alta usada custa menos que nova. Os cuidados: confira se a placa não foi usada em mineração contínua, teste temperatura e estabilidade sob carga antes de fechar e prefira vendedor que aceite devolução. Sem garantia, o risco de uma placa cara parar é todo seu.
Para quem depende da máquina para trabalhar, a placa nova com garantia e nota fiscal costuma compensar a diferença.
O que mais importa além da placa?
Fonte com potência e conectores certos para a placa, gabinete com espaço e ventilação, e pelo menos 32 GB de memória RAM no sistema quando você trabalha com modelos médios. SSD rápido ajuda a carregar modelos, que ocupam vários gigabytes cada.
Vale alugar placa de vídeo na nuvem em vez de comprar?
Para testar ou para uso esporádico de modelos grandes, alugar GPU por hora na nuvem sai mais barato que comprar. Para uso diário, privacidade dos dados e custo previsível, a placa própria compensa com o tempo.
Os erros que mais custam caro
- Escolher pelo nome da placa e ignorar a VRAM: duas versões do mesmo modelo podem ter 8 ou 16 GB.
- Comprar placa com pouca VRAM achando que a RAM do sistema compensa: compensa só com muita lentidão.
- Esquecer a fonte: placas mais fortes pedem fonte de maior potência e conector próprio.
- Comprar AMD para trabalho com IA sem conferir se o programa que você vai usar suporta a placa no seu sistema.
Perguntas frequentes
Placa de 8 GB roda IA?
Roda modelos de linguagem de 7 a 8 bilhões de parâmetros quantizados e geração de imagens em resolução padrão.
Qual a melhor placa de vídeo para IA custo-benefício?
A que entrega mais VRAM pelo preço dentro do ecossistema que você vai usar. Para compatibilidade máxima, uma GeForce RTX com 16 GB; para mais memória pelo preço, uma Radeon com 16 GB, conferindo o suporte dos programas.
Placa de vídeo de jogos serve para IA?
Sim. As GeForce RTX e Radeon de jogos rodam IA local; placas profissionais só fazem diferença em VRAM muito alta, uso contínuo e drivers certificados.
Veredito
Defina primeiro o tamanho de modelo que você quer rodar e converta em VRAM pela tabela. Com a VRAM certa, escolha NVIDIA para compatibilidade ou AMD para mais memória pelo preço, e confira fonte e gabinete antes de fechar a compra.
Não colocamos data nem preço no texto de propósito: o que está aqui continua verdadeiro depois que a oferta acabar. Como escolhemos está em Metodologia.
