Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
InfraestruturaAnálise · No radarOllama Blog→ original

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
Ollama acelerou a execução de modelos em GPUs NVIDIA em até 20% e ativou o Vulkan para AMD e Intel
Fonte: Ollama Blog. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalOllama Blog ↗
Editor-chefe
Até 20% mais rápido na NVIDIAas otimizações vieram das equipes da NVIDIA e do projeto llama.cpp
Vulkan ativado por padrãoAMD e Intel funcionam sem bibliotecas adicionais
Modelo do Hugging Facearquivo GGUF, Modelfile e o comando ollama create

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.

História

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.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…