Ollama acelerou a execução de modelos em GPUs NVIDIA em até 20% e ativou o Vulkan para AMD e Intel
A Ollama, programa que executa redes neurais diretamente no seu computador, otimizou o trabalho com o formato GGUF. Nas placas NVIDIA, o ganho chega a 20%: a medição foi feita com o Gemma 4 26B, na RTX 5090, usando pesos quantizados em Q4_K_M. Já o Vulkan, interface gráfica universal, agora vem ativado por padrão, e as placas AMD e Intel funcionam sem bibliotecas proprietárias. Modelos locais ficam mais fáceis de rodar no hardware que você já tem.
Processado por IA de Ollama Blog; editado por Hamidun News
A Ollama, programa que executa redes neurais diretamente no seu computador, e não em uma nuvem de terceiros, lançou uma atualização com duas mudanças relevantes. Primeiro, nas placas de vídeo NVIDIA, os modelos agora rodam até 20% mais rápido. O resultado veio de um teste com o modelo Gemma 4 26B, na placa RTX 5090 e com pesos quantizados em Q4_K_M (um método para reduzir o tamanho do modelo, de modo que ele caiba na memória de vídeo).
Segundo, o Vulkan passou a vir ativado por padrão. Trata-se de uma interface gráfica universal, compatível com placas de diferentes fabricantes. Assim, quem tem AMD ou Intel ganha aceleração na GPU sem precisar instalar bibliotecas do fabricante.
Além disso, a Ollama trabalha melhor com o GGUF, formato de arquivo único no qual os modelos locais são publicados no Hugging Face. Para o desenvolvedor, isso significa menos trabalho com drivers e mais modelos que rodam com um único comando.
Executar redes neurais no próprio hardware deixou há muito de ser hobby para entusiastas: é uma forma de não pagar por APIs, não enviar código e documentos para fora e experimentar modelos abertos com tranquilidade. Mas a execução local sempre teve dois pontos fracos: nem toda placa de vídeo era bem suportada, e o modelo desejado do Hugging Face costumava exigir muitos ajustes para funcionar na ferramenta. A atualização mais recente da Ollama ataca os dois problemas.
Mais rápido na NVIDIA e com suporte a mais hardware
A primeira mudança é a velocidade. Segundo a Ollama, o desempenho em equipamentos NVIDIA subiu até 20%. Essa melhora não é mágica dos desenvolvedores da Ollama: as otimizações contaram com a participação das equipes da NVIDIA e do projeto llama.cpp, base de grande parte do ecossistema de modelos locais. A medição foi feita com o Gemma 4 26B rodando em uma RTX 5090 com quantização Q4_K_M. A quantização comprime os pesos do modelo para uma precisão menor, de modo que ele ocupe menos memória de vídeo e rode mais rápido. O Q4_K_M é um dos compromissos mais populares entre tamanho e qualidade.
A segunda mudança é que o Vulkan agora está ativado por padrão. Com isso, placas AMD e Intel passam a ter aceleração na GPU, sem a necessidade de instalar bibliotecas proprietárias do fabricante. Antes, essa configuração costumava ser uma dor de cabeça: escolher a versão certa do driver, instalar componentes extras e verificar se a placa era reconhecida. A proposta agora é que o modelo simplesmente rode na placa de vídeo.
No mesmo movimento, a Ollama ampliou a compatibilidade com o ecossistema GGUF. O suporte foi reforçado para Apple silicon e, agora, para uma gama maior de hardware, de modo que mais modelos funcionam logo após a instalação.
Como rodar um modelo do Hugging Face
O processo é simples. Primeiro, você baixa o arquivo GGUF ou a pasta com esses arquivos. Depois, cria um Modelfile, um arquivo de texto curto que indica o caminho do modelo, por exemplo: FROM ./my-model.Q4_K_M.gguf. Em seguida, executa o comando ollama create -f Modelfile my-model e roda o modelo com o nome que você definiu.
Na prática, isso importa porque a Ollama facilita o uso não só das versões "oficiais", mas também de modelos ajustados que a comunidade e equipes independentes publicam. Se você precisa de um modelo voltado à sua tarefa, como código em uma linguagem específica ou trabalho com documentos, não é preciso esperar que ele entre no catálogo da ferramenta.
Agentes e assistentes com modelo local
Outro detalhe é a herança de recursos. Se um modelo GGUF sabe chamar ferramentas (tool calling), essa capacidade é mantida na Ollama. Assim, ele pode ser conectado a agentes de programação e assistentes pessoais com um único comando: ollama launch claude --model my-model, além de variantes equivalentes para hermes e openclaw. Para confirmar se um arquivo específico oferece suporte a chamadas de ferramentas, é preciso procurar a indicação correspondente na descrição do modelo.
Isso é útil para quem monta cadeias de agentes e quer testar cenários localmente: a depuração acontece sem cobrança por tokens e os dados permanecem na máquina.
O que vale considerar
O número "até 20%" se refere a uma configuração específica: Gemma 4 26B, RTX 5090 e Q4_K_M. Em outros modelos, placas e quantizações, o ganho pode ser diferente, e a comparação é melhor feita com as suas próprias tarefas. Sobre a velocidade do Vulkan em placas AMD e Intel, o anúncio não traz números: o que foi declarado é a ampliação da compatibilidade, não recordes de desempenho. Por fim, a qualidade das chamadas de ferramentas depende do próprio modelo: nem toda versão ajustada lida bem com cenários agentivos, mesmo que o suporte formal esteja presente.
Os autores também agradecem a Georgi Gerganov e aos mantenedores do llama.cpp, além dos parceiros de hardware NVIDIA, AMD, Qualcomm e Intel, pelo trabalho de otimização no ecossistema GGML. É um bom sinal: a execução local de modelos vem se tornando uma tarefa de engenharia compartilhada pelos fabricantes de chips, e não apenas um tema de nicho.
Conclusão prática: se você adiava experimentos com modelos locais por causa de hardware problemático ou de ajustes complicados nos arquivos, agora é um bom momento para testar. Atualize a Ollama, baixe um GGUF do Hugging Face e compare a velocidade na sua placa de vídeo. Isso leva uma noite e ajuda a decidir quais tarefas podem sair das APIs na nuvem e passar para a sua máquina.
- 21 de nov. de 2026Memória flash para SSD ficou 19–32% mais barata em negociações pontuais — drives podem cair de preço
- 21 de nov. de 2026Unsloth atualizou os modelos comprimidos do Qwen3.8-27B: precisão sobe 5–10% com o mesmo tamanho
- 21 de nov. de 2026IA escreve código vulnerável em 44% dos testes: Positive Technologies dá um scanner aos agentes
- 21 de nov. de 2026Sber lança coluna com GigaChat por 14.990 rublos: a voz entende sem internet
Perguntas frequentes sobre a notícia
O que se sabe sobre Mais rápido na NVIDIA e com suporte a mais hardware?
A primeira mudança é a velocidade. Segundo a Ollama, o desempenho em equipamentos NVIDIA subiu até 20%. Essa melhora não é mágica dos desenvolvedores da Ollama: as otimizações contaram com a participação das equipes da NVIDIA e do projeto llama.cpp, base de grande parte do ecossistema de modelos locais. A medição foi feita com o Gemma 4 26B rodando em uma RTX 5090 com quantização Q4_K_M.
Como rodar um modelo do Hugging Face?
O processo é simples. Primeiro, você baixa o arquivo GGUF ou a pasta com esses arquivos. Depois, cria um Modelfile, um arquivo de texto curto que indica o caminho do modelo, por exemplo: FROM ./my-model.Q4_K_M.gguf. Em seguida, executa o comando ollama create -f Modelfile my-model e roda o modelo com o nome que você definiu. Na prática, isso importa porque a Ollama facilita o uso não só das versões "oficiais", mas também de modelos ajustados que a comunidade e equipes independentes publicam.
O que se sabe sobre Agentes e assistentes com modelo local?
Outro detalhe é a herança de recursos. Se um modelo GGUF sabe chamar ferramentas (tool calling), essa capacidade é mantida na Ollama. Assim, ele pode ser conectado a agentes de programação e assistentes pessoais com um único comando: ollama launch claude --model my-model, além de variantes equivalentes para hermes e openclaw. Para confirmar se um arquivo específico oferece suporte a chamadas de ferramentas, é preciso procurar a indicação correspondente na descrição do modelo.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.