VRAM, RAM ou memória unificada: qual delas o LLM usa?
Onde o modelo precisa ficar num PC com placa de vídeo, num PC sem placa e num Mac.
Resposta curta
A memória de quem roda o modelo: VRAM na placa de vídeo, memória unificada no Mac, RAM do sistema num PC sem placa.
- Placa de vídeo: Só a própria VRAM. Uma RTX 4090 oferece 24 GB, seja qual for a RAM do PC.
- Mac: Memória unificada, mas o macOS libera só parte à GPU: uns 104 GB num Mac de 128 GB.
- PC sem placa: A RAM do sistema. Funciona, mas mais devagar.
Calculado com a regra de encaixe do site e o limite de trabalho do Metal, da Apple. Metodologia
Três tipos de memória
O modelo roda onde os pesos estão carregados. O que conta é a memória que o chip que faz o cálculo consegue acessar rápido, não o total impresso na caixa.
- VRAM da placa de vídeo
- Memória soldada na placa de vídeoA RAM do PC não soma. O site reserva 2 GB por placa, porque o sistema roda na própria RAM.
- RAM do sistema
- A memória principal do computadorUsada quando não há placa de vídeo, ou pelas camadas que não cabem na VRAM. O site reserva 25% dela para o sistema e os apps, no mínimo 2 GB e no máximo 8 GB.
- Memória unificada
- Um bloco só, dividido entre processador e GPUMacs com Apple silicon. Grande, mas o macOS limita a parte da GPU. O site também reserva 25% dela (de 2 GB a 8 GB).
A velocidade segue a mesma divisão: cada palavra que o modelo escreve lê os pesos ativos da memória uma vez, então a banda de memória (GB/s) responde por boa parte da velocidade. As páginas de hardware mostram a banda de cada máquina; o site só mostra tokens por segundo quando alguém mediu aquela máquina exata (caber não é velocidade).
O limite do macOS
O que cada Mac oferece a um modelo pela regra do site.
O Metal, a camada gráfica do macOS, informa um tamanho de trabalho recomendado: quanta memória a GPU deve usar sem prejudicar o sistema (Apple · recommendedMaxWorkingSetSize, lido em 17 de out. de 2026). A Apple não publica uma fração fixa; o site planeja com 75% da memória, valor bastante relatado em Macs recentes e que pode ser menor em algumas versões do macOS e em máquinas pequenas, mais a reserva do sistema, e nunca com mais do que o Mac tem:
- Mac mini M4 · 16 GB unificados
- Oferece 16 GB a um modelo(de 16 GB instalados): a reserva do sistema é o corte maior
- Mac mini M4 · 24 GB unificados
- Oferece 24 GB a um modelo(de 24 GB instalados): a reserva do sistema é o corte maior
- Mac mini M4 Pro · 48 GB unificados
- Oferece 44 GB a um modelo(de 48 GB instalados): o limite é a parte da GPU
- Mac Studio M5 Max · 128 GB unificados
- Oferece 104 GB a um modelo(de 128 GB instalados): o limite é a parte da GPU
Usuários avançados podem aumentar o limite da GPU no Terminal até o próximo reinício; o macOS ainda precisa de espaço para si (como fazer, em IA local, o básico).
Um modelo, quatro máquinas
Um modelo 27B em Q4, conversas curtas. Estimativas de planejamento em GB inteiros.
| Máquina | Tipo de memória | 27B Q4 precisa de (GB) | Oferece a um modelo (GB) |
|---|---|---|---|
| RTX 4090 · 24 GB de VRAM | VRAM da placa de vídeo | 23 | 24 |
| Dell XPS 14 (2026, DA14260) · Core Ultra 7 358H · Intel Arc Graphics · 32 GB | RAM do sistema | 29 | 32 |
| Mac mini M4 Pro · 48 GB unificados | Memória unificada | 29 | 44 |
| Mac Studio M5 Max · 128 GB unificados | Memória unificada | 29 | 104 |
Quando não cabe
O llama.cpp consegue dividir o modelo entre a placa de vídeo e o processador quando ele é maior que a VRAM (llama.cpp README, lido em 17 de out. de 2026). O Ollama e o LM Studio se baseiam no llama.cpp (Hugging Face · Ollama, lido em 17 de out. de 2026) (Hugging Face · LM Studio, lido em 17 de out. de 2026). O modelo roda, mas bem mais devagar, porque as camadas que ficam na RAM do sistema são lidas de uma memória mais lenta a cada palavra. As páginas de hardware listam o que cabe na VRAM, o caso rápido.
No Mac não há um segundo bloco de memória para onde levar o excedente: GPU e processador usam a mesma memória, então o modelo precisa caber abaixo do limite do macOS, ou o limite precisa ser aumentado.