Aviso de publicidade: Podemos receber uma comissão quando você compra pelos links desta página. Isso não muda o preço que você paga nem a ordem da lista.
Calculadora de VRAM: quanta memória de GPU seu modelo precisa?
Escolha um modelo, uma quantização e um tamanho de contexto. A calculadora soma os pesos, o cache KV e a sobrecarga do runtime, e mostra quais GPUs conseguem rodar o modelo e onde alugar uma pelo menor preço.
GPUs que conseguem rodar
- 1× L424 GB VRAM · Vast.ai · mês 24/7: US$ 241Melhor custo-benefícioUS$ 0,33/h →
- 1× RTX A600048 GB VRAM · RunPod · mês 24/7: US$ 241US$ 0,33/h →
- 1× RTX 409024 GB VRAM · Novita AI · mês 24/7: US$ 245US$ 0,34/h →
- 1× RTX 4000 Ada20 GB VRAM · Akamai Cloud (Linode) · mês 24/7: US$ 380US$ 0,52/h →
- 1× RTX 509032 GB VRAM · Vast.ai · mês 24/7: US$ 438US$ 0,60/h →
- 1× L40S48 GB VRAM · RunPod · mês 24/7: US$ 577US$ 0,79/h →
Sem GPU
Um VPS só com CPU precisa de cerca de 8 GB de RAM para isso. Funciona, mas espere respostas lentas acima de ~8B parâmetros.
VPS mais baratos com RAM suficiente
- Contabo · Cloud VPS 44 vCPU · 8 GB RAMUS$ 6,26/mês →
- IONOS · VPS L+4 vCPU · 8 GB RAMUS$ 8,00/mês →
- OVHcloud · VPS-24 vCPU · 8 GB RAMUS$ 8,50/mês →
Pesos = parâmetros × bits por peso. Cache KV calculado a partir das camadas, cabeças e janelas do próprio modelo. Somamos 1 GiB para o runtime e deixamos 5% de cada placa livre.
O que ocupa a memória
Três coisas: os pesos do modelo (parâmetros × bits por peso), o cache KV, que cresce a cada token de contexto e a cada usuário simultâneo, e uma sobrecarga fixa do runtime.
Os números da arquitetura vêm do arquivo de configuração oficial de cada modelo, então modelos com janela deslizante como Gemma 3 e gpt-oss são calculados corretamente, sem superestimar.
Como escolher a quantização
4 bits (Q4_K_M) é o padrão mais usado: cerca de um quarto da memória do FP16, com pouca perda de qualidade. 8 bits fica perto do original. Use FP16 só para fine-tuning ou quando a memória não é problema.
Perguntas frequentes
Quanta VRAM preciso para um modelo de 8B?
Cerca de 6 GB em 4 bits com contexto curto, ou uns 17 GB em FP16. Uma placa de 12–16 GB dá conta com folga.
Por que contexto longo usa tanta memória?
O cache KV guarda chaves e valores de cada token da janela, em cada camada. Dobrar o contexto dobra essa parte.
Funciona para o Ollama?
Sim - o Ollama usa o llama.cpp com arquivos GGUF, que é exatamente o que as opções de quantização descrevem.
Fontes
Os preços vêm da página de preços de cada provedor na data indicada. Os provedores mudam preços com frequência - o valor final é o do checkout.