Acesso gratuito à IA
Surpreendentemente, muitas pessoas ainda nunca conversaram com uma rede neural ou operaram um único agente de IA - parece caro, complexo ou "não é para mim". Na verdade, você pode começar de graça agora mesmo, muitas vezes sem um cartão de banco ou um computador potente. Abaixo estão maneiras comprovadas de obter acesso à IA: desde níveis gratuitos até concessões de computação. Os limites e os termos mudam - nós os verificamos regularmente.
Como usar: escolha um cartão, abra o link e cadastre-se - os limites atuais estão listados em cada um.
Níveis gratuitos
Funcionam de forma imediata e gratuita, geralmente sem cartão: cadastre-se e use. Existem limites (solicitações por dia, tokens por minuto), mas são suficientes para começar e para tarefas pessoais.
Gemini 2.5/3 Flash, Gemma 3, multimodal
DeepSeek R1/V3, Llama, Qwen
28-30 modelos gratuitos através de uma chave
GPT-5, GPT-4.1, GPT-4o, o4-mini, Llama
Créditos de teste
Um saldo inicial em dólares para experimentar (por exemplo, US$ 5). Expira em alguns dias ou semanas - útil para testar um modelo para sua tarefa antes de pagar.
Sem cartão, inscrição por SMS
Amplo catálogo de modelos abertos
Novas contas do Google Cloud; gaste em Gemini 3.1 Pro, Imagen, Veo, catálogo completo da Vertex AI
Programas para startups
Grandes concessões e créditos de computação para empresas: de milhares a centenas de milhares de dólares. Como conseguir: cadastre uma startup (pessoa jurídica, produto, site) e inscreva-se; alguns programas exigem uma aceleradora ou um investidor.
Para mantenedores de código aberto
Para estudantes
Acesso gratuito e créditos com status de estudante. Como obter: confirme que você é estudante - um e-mail .edu ou verificação via GitHub Education e programas universitários.
Alunos verificados
Créditos gratuitos para alunos que participam de eventos do campus YC 2025-2026; inclui nuvem Azure/AWS, GPT/Claude/Grok, voz, pesquisa, vídeo, bancos de dados
Créditos de computação A100 gratuitos com e-mail .edu verificado para alunos; Ativação de 3 a 14 dias
IA local: seu próprio modelo em seu próprio hardware
Os modelos abertos podem ser executados diretamente no seu computador - de graça, sem Internet, e seus dados não vão a lugar nenhum. A seguir, sem palavras complicadas, descobriremos do que o seu computador é capaz e selecionaremos um modelo que você pode instalar com um comando.
Como descobrir seu hardware2 minutos - e você conhece sua turma.
Um modelo de IA é um arquivo grande que é carregado inteiramente na memória do computador para ser executado. Quanto mais inteligente for o modelo, maior ele será e mais memória será necessária. Uma regra simples: o número no nome do modelo (por exemplo, 7B tem 7 bilhões de parâmetros) é aproximadamente a quantidade de memória em gigabytes que ele precisa; no formato econômico Q4 - aproximadamente metade (7B ≈ 4-5 GB). O modelo roda mais rápido em placa de vídeo, em sua memória de vídeo (VRAM); se não houver uma placa de vídeo poderosa, considera-se que ela usa RAM normal (RAM) - mais lenta, mas funciona. Mac em M1-M4 chips têm uma memória comum, então eles lidam bem com modelos grandes. Primeiro descubra quanta memória você tem:
- Mac: Abra o menu Apple (logotipo no canto superior esquerdo da tela) e selecione Sobre isto Mac. Na linha “Memória” estará a sua capacidade - por exemplo, “16 GB”.
- Windows: Clique em `Ctrl+Shift+Esc` juntos, abra a guia "Desempenho" e selecione "Memória" à esquerda. No topo estará o volume total - por exemplo, “16,0 GB”.
- Linux: No terminal, digite `free -h` e pressione Enter. Na linha `Mem` o primeiro número é a quantidade total de RAM.
- NVIDIA: No terminal, digite `nvidia-smi` - a quantidade de memória de vídeo estará no canto superior direito da tabela. Ou procure no aplicativo GeForce Experience.
- AMD: Em Linux - equipe `radeontop`; em Windows - no aplicativo AMD Adrenalin.
- Windows: Clique em `Ctrl+Shift+Esc` -> Desempenho -> GPU. Encontre a linha “Memória gráfica dedicada” - funciona para qualquer placa de vídeo.
- Mac (M1-M4): Não há memória de vídeo separada - a memória geral do computador é usada, e isso é uma vantagem: quase toda ela pode ser usada para IA.
Pegue um modelo cujo tamanho (em Q4, está escrito no cartão) seja menor que sua memória livre e deixe 2 a 4 GB de reserva - para o sistema e para a “memória de diálogo” (contexto). Na dúvida, comece com um modelo menor: se funcionar rápido, experimente um maior. Abaixo já dividimos os modelos em níveis - selecione o tamanho da memória.
Laptops básicos, básicos MacBook Air M1/M2, PCs sem placa de vídeo.
Melhor escolha para hardware fraco: conversa rápida, boa e segue instruções.
Forte em raciocínio e código para seu tamanho, permitido para comércio (MIT).
O mais leve: roda em quase todos os lugares, bom para tarefas simples e anotações.
O que lançar
LM Studio - um aplicativo com janela: baixe, selecione um modelo da lista, clique em “baixar” e converse. A maneira mais fácil de começar é sem a linha de comando.
Ollama - para a linha de comando: um comando `ollama run <модель>` baixa e executa o modelo. Conveniente para desenvolvedores e integrações (seu API a localhost).
Comparação de modelos
Aqui estão apenas exemplos para lançamento local. Todos os modelos podem ser visualizados e comparados no catálogo completo: Todos os modelos → · Comparar modelos →
| Modelo | Galeria de tiro | Tamanho (Q4) |
|---|---|---|
| Llama 3.2 3B★ | 8 GB RAM | ~2 GB |
| Phi-4 Mini | 8 GB RAM | ~2.5 GB |
| Gemma 2 2B | 8 GB RAM | ~1.6 GB |
| Llama 3.1 8B★ | 16 GB RAM | ~4.9 GB |
| Qwen2.5 7B | 16 GB RAM | ~4.7 GB |
| Mistral NeMo 12B | 16 GB RAM | ~7 GB |
| Qwen2.5 Coder 32B★ | 32 GB RAM / VRAM | ~20 GB |
| Gemma 2 27B | 32 GB RAM / VRAM | ~16 GB |
| DeepSeek R1 32B | 32 GB RAM / VRAM | ~20 GB |
| Llama 3.3 70B★ | 64 GB+ RAM / VRAM | ~43 GB |
| Qwen2.5 72B | 64 GB+ RAM / VRAM | ~47 GB |
| DeepSeek R1 70B | 64 GB+ RAM / VRAM | ~43 GB |
Perguntas frequentes
O que é quantização e Q4?
A quantização comprime o modelo, reduzindo a precisão das escalas - o arquivo fica várias vezes menor e cabe na memória. Q4 (4 bits) - equilíbrio popular: quase nenhuma perda de qualidade, mas ocupa ~metade de Q8. As dimensões no guia são para quantização Q4.
RAM ou VRAM - o que é mais importante?
Em uma placa de vídeo (GPU) o modelo roda mais rápido - o volume VRAM é importante aqui. Sem o poderoso GPU, o modelo é carregado no RAM normal e calculado no processador (mais lento, mas funciona). Apple Silicon tem uma memória combinada, então Mac pode lidar bem com modelos grandes.
Pode ser usado nos negócios?
Consulte modelo de licença. Apache 2.0 e MIT permitem uso comercial quase sem restrições. As licenças Llama e Gemma também são permitidas, mas com condições (por exemplo, um limite no número de usuários para Llama). Verifique sempre o texto da licença.
Quanto espaço em disco você precisa?
Cada modelo é um arquivo separado de ~1.5 GB (leve) a mais de 40 GB (grande). Deixe espaço livre suficiente para vários modelos. Ollama e LM Studio os mantêm em suas próprias pastas; os desnecessários podem ser excluídos com um comando.