Ollama: como executar modelos de IA em local, grátis e privado (guia 2026)

Todas as IA que usas no dia a dia —ChatGPT, Claude, Gemini— vivem em servidores alheios. Escreves, o teu texto viaja para um centro de dados, alguém o processa, devolve-te a resposta. Funciona às mil maravilhas e pagas por isso: com dinheiro ou com os teus dados.

O Ollama propõe exatamente o contrário: descer o modelo para o teu computador e corrê-lo aí. Sem internet, sem subscrição, sem que os teus prompts saiam de casa. Parece ideal até aparecer a letra miudinha: é preciso hardware. Vamos vê-lo sem fumaça.

O que é o Ollama

O Ollama é uma ferramenta gratuita e de código aberto que descarrega, gere e executa modelos de linguagem (LLM) diretamente na tua máquina. Dá-te três formas de o usar: uma linha de comandos simples, uma interface gráfica de secretária para quem não quer terminal, e uma API local para ligar as tuas próprias aplicações.

A sua graça é tirar toda a fricção. Antes, correr um modelo open source em local significava lutares com dependências de Python, drivers de GPU, formatos de pesos e configurações que te roubavam uma tarde. O Ollama embrulha tudo isso: um comando descarrega o modelo, otimiza-o para o teu hardware e deixa-o pronto a falar. A complexidade continua ali por baixo, mas já não lhe tocas tu.

Por baixo não treina nada próprio: orquestra os melhores modelos de pesos abertos do momento. Na sua biblioteca convivem as grandes famílias —Llama da Meta, Qwen da Alibaba, DeepSeek, Gemma da Google, Mistral— e muitas variantes especializadas em código, raciocínio ou visão. Escolhes qual conforme a tarefa e os recursos que tens.

Como se instala e usa

Começar é direto. Descarregas o instalador para macOS, Windows ou Linux a partir do site oficial, executa-lo e já tens o motor a correr em segundo plano. Não há configuração inicial obrigatória.

A partir daí, tudo gira à volta de um comando. Para descarregar um modelo e começar a conversar basta isto:

ollama run llama3

Na primeira vez o modelo é descarregado (pode ter vários gigas, paciência com a ligação); nas seguintes arranca de imediato porque já o tens em disco. Quando termina, deixa-te um prompt no terminal e conversas como em qualquer chat, mas sem internet pelo meio.

O dia a dia resume-se a uns poucos comandos:

• ollama run <modelo> — descarrega se for preciso e abre o chat.
• ollama pull <modelo> — só descarrega, sem abrir.
• ollama list — lista os modelos que já tens.
• ollama rm <modelo> — apaga um para libertar disco.

Quem preferir não tocar no terminal tem a app de secretária com interface gráfica: mesma potência, janela de chat normal. E quem programa tem a API, que é onde o Ollama mostra mesmo os dentes.

Os modelos que podes correr

Aqui está a liberdade do Ollama: não te casa com um só modelo. A sua biblioteca cobre as grandes famílias de pesos abertos e atualiza-se constantemente à medida que saem versões novas.

• Llama (Meta) — a família mais popular e um bom ponto de partida; equilíbrio entre qualidade e peso.
• Qwen (Alibaba) — das mais ativas na biblioteca, com variantes muito fortes em código e raciocínio que rendem surpreendentemente bem em hardware de consumo.
• DeepSeek — referência para raciocínio com cadeia de pensamento; os seus modelos R-series destacam-se em problemas complexos.
• Gemma (Google) — modelos compactos com visão e chamada a ferramentas, pensados para correr com pouca VRAM.
• Mistral e derivados — leves, rápidos e muito capazes para o seu tamanho.

Cada modelo vem em vários tamanhos (medidos em milhares de milhões de parâmetros: 7B, 13B, 70B…) e em diferentes níveis de quantização, que é uma compressão que reduz o peso em troca de alguma precisão. A regra mental: modelo maior = mais esperto, mas também mais RAM/VRAM e mais lento. Começar por um pequeno e subir se o teu equipamento aguentar é a jogada sensata.

Requisitos e desempenho (a letra miudinha)

Esta é a parte que o marketing de "IA grátis no teu PC" costuma esconder. O Ollama é grátis, mas o hardware é contigo, e aí não há magia.

O mínimo realista para arrancar são uns 8 GB de RAM e espaço em disco para os pesos. Com isso corres modelos pequenos (classe 7B-8B) de forma decente. Para modelos de 13B e mais, vais querer 16 GB ou bastante mais.

O fator que muda mesmo a experiência é a GPU. O Ollama acelera com NVIDIA (CUDA), AMD (ROCm) e Apple Silicon (Metal) nos Mac. A diferença é brutal: um modelo que em CPU demora dezenas de segundos a responder, com uma GPU decente responde em poucos segundos. Em CPU funciona, sim, mas a sensação passa de "assistente" a "espera e reza".

A API local: onde o Ollama fica sério

Para além do chat, o Ollama levanta uma API REST em localhost:11434, e aqui vem o seu melhor truque: tem um endpoint compatível com o formato da OpenAI.

O que significa na prática? Que se tens um projeto escrito contra a API da OpenAI, migrá-lo para o teu modelo local é quase mudar uma linha: apontas a base_url do SDK para o teu localhost:11434/v1 e pronto. O mesmo código que falava com os servidores da OpenAI fala agora com o modelo que corre na tua máquina, grátis e sem que nada saia dali.

Isso abre a porta a montes de integrações: assistentes de código no editor, apps de chat de secretária como as que se ligam por API, automações locais, RAG sobre os teus próprios documentos. O Ollama torna-se o motor de IA privado de todo o teu setup. Para quem constrói coisas, esse detalhe pesa mais do que qualquer benchmark.

Privacidade: os teus dados não saem de casa

Este é o argumento mais limpo do Ollama, e não precisa de arquiteturas estranhas para se sustentar: como o modelo corre no teu computador, os teus prompts e as respostas nunca viajam para nenhum servidor. Ponto. Podes desligar o wifi e continuar a trabalhar.

Não há logs na nuvem de terceiros, não há termos de serviço a dizer que podem usar as tuas conversas para treinar, não há falha de dados alheia que te exponha. Se lidas com código proprietário, dados de clientes, rascunhos legais ou qualquer coisa que não queiras enviar para a nuvem de ninguém, esta é a diferença que muda tudo.

É o mesmo destino que ferramentas como a Venice AI perseguem, mas por outro caminho: a Venice anonimiza na nuvem, o Ollama simplesmente não usa a nuvem. Privacidade por ausência de servidor.

O bom e o mau, sem maquilhagem

Para quem é o Ollama?

Não é uma IA "melhor" do que as grandes da nuvem; é uma IA com outras prioridades: privacidade, controlo, custo zero por utilização e liberdade para mexericar.

Interessa-te se: te preocupa a privacidade e não queres enviar os teus dados para a nuvem, trabalhas com informação sensível ou código proprietário, queres experimentar com modelos open source sem lutares com a instalação, és programador e queres um motor local por trás das tuas apps, ou simplesmente gostas de ter o controlo total e não pagar por token. Se já tens um equipamento com GPU decente ou um Mac com boa memória unificada, o encaixe é quase perfeito.

Não te interessa se: o teu equipamento é modesto (8 GB de RAM à justa e sem GPU) e só te vais frustrar com a lentidão, precisas da máxima qualidade em cada tarefa —aí o GPT e o Claude continuam a marcar o teto—, ou simplesmente queres abrir um site e escrever sem instalar nem configurar nada. Para esse caso, uma IA na nuvem é mais cómoda.

A pergunta honesta não é "o Ollama é melhor do que o ChatGPT?", porque não joga a isso. A pergunta é "quanto vale para mim que a IA corra na minha máquina, grátis e sem que nada saia dali?". Se a resposta for "bastante" e tens o hardware, o Ollama é a forma mais limpa e direta de ter IA privada no teu próprio computador.