Que portátil para IA local em 2026: guia completo por orçamento

Executar IA local em portátil já não é ficção científica em 2026. Stable Diffusion, LLMs tipo Llama ou Mistral, transcrição com Whisper, geração de imagens e edição assistida por IA funcionam decentemente em hardware mainstream. Mas a diferença entre um portátil que mal arranca um modelo 7B e outro que executa SDXL mais um LLM 13B em simultâneo é enorme. Este guia diz-te exactamente o que precisas conforme os modelos que vais realmente usar.

Porque a IA local mudou o jogo em 2026

Até 2023, executar IA local exigia uma workstation desktop com RTX 4090 e 64 GB de RAM no mínimo. Em 2026 três mudanças democratizaram-na:

• NPUs integradas: Intel Core Ultra Series 3 traz 180 TOPS de NPU. Snapdragon X2 Plus chega aos 80 TOPS. Apple M5 Pro/Max usa Neural Engine. Permite executar modelos pequenos sem GPU dedicada.
• Quantização agressiva: técnicas como GGUF Q4_K_M reduzem um LLM 13B de 26 GB para 7-8 GB sem perda significativa de qualidade.
• GPU móvel com mais VRAM: RTX 4080/5080 móvel com 12-16 GB já cobrem modelos sérios.

Componentes críticos para IA local

NPU integrada

A NPU acelera inferência de forma eficiente. Para 2026 visa pelo menos 40 TOPS — cobre Copilot+, geração de imagens leve e LLMs 1.5B-3B. Para algo sério (Stable Diffusion XL, LLMs 7B+), a NPU não chega e precisas de GPU dedicada.

GPU dedicada e VRAM

A métrica mais decisiva para IA séria. Regras:

• 6 GB VRAM: só modelos muito pequenos (Llama 3.2 1B-3B, Stable Diffusion 1.5).
• 8 GB: Llama 7B em Q4, Stable Diffusion 1.5 com folga.
• 12 GB: Llama 13B em Q4, Stable Diffusion XL.
• 16 GB: Llama 13B em Q5/Q6, SDXL com LoRAs, modelos de visão.
• 24 GB+: Llama 30B em Q4, FLUX, workflows complexos.

Para aprofundar, consulta o nosso guia que RTX para LLMs.

RAM de sistema

Embora a VRAM seja crítica, a RAM importa porque:

• Modelos quantizados podem carregar parte em RAM e parte em VRAM (offload).
• Apple Silicon usa "unified memory" — a RAM total é partilhada entre CPU e GPU.
• Para datasets ou RAG com embeddings, a RAM em quantidade é decisiva.

Mínimos práticos: 16 GB básico, 32 GB para IA séria, 64 GB para profissional. Mais detalhe em quanta RAM precisas.

SSD NVMe rápido

Os modelos são grandes (5-50 GB cada). Se descarregares vários para experimentar, enches o disco depressa. Recomendações:

• 1 TB NVMe PCIe 4.0 no mínimo.
• 2 TB NVMe se fizeres fine-tuning local ou tiveres biblioteca extensa de modelos.

Recomendações por modelo de IA

Stable Diffusion 1.5

• VRAM mínima: 4 GB (lento). Confortável: 6-8 GB.
• Tempo por imagem 512x512: 5-15 segundos em RTX 4060.
• Funciona decentemente em NPU Snapdragon X2.

Stable Diffusion XL

• VRAM mínima: 10 GB. Confortável: 12-16 GB.
• Tempo por imagem 1024x1024: 20-60 segundos em RTX 4070.

LLMs quantizados 7B-13B (Llama, Mistral, DeepSeek)

• 7B Q4: 5-6 GB VRAM, ~30 tokens/s em RTX 4060.
• 13B Q4: 8-9 GB VRAM, ~20 tokens/s em RTX 4070.
• 13B Q5: 10-11 GB VRAM, ~15 tokens/s em RTX 4070.

LLMs 30B-70B

• 30B Q4: ~18 GB VRAM. RTX 4090 móvel ou Apple M5 Max unified.
• 70B Q4: ~40 GB. Só em Mac M5 Max com 64+ GB unified ou desktop.

Whisper (transcrição)

• Modelo medium: ~3 GB VRAM. Confortável em qualquer GPU dedicada.
• Large-v3: ~6 GB. RTX 4050+.

Melhores portáteis para IA local em 2026

Entrada (~1 500 €)

ASUS TUF A15 com RTX 4060 8 GB + Ryzen 7 8945HS + 32 GB DDR5 + 1 TB NVMe. Cobre modelos 7B confortáveis, SD 1.5 com folga, SDXL justo.

Mainstream (~2 200 €)

Lenovo Legion Pro 5 com RTX 4070 8 GB + Intel Core Ultra 9 + 32 GB DDR5 + 1 TB NVMe. Modelos 13B confortáveis, SDXL bem, começas a sentir-te competente.

Pro (~3 500 €+)

MSI Raider com RTX 5080 12 GB + Core Ultra 9 HX + 64 GB DDR5 + 2 TB NVMe. Modelos 30B em Q4, SDXL com vários LoRAs, fine-tuning leve.

Mac M5 Pro/Max para IA local

Apple Silicon tem uma vantagem chave: a unified memory. A RAM total partilha-se dinamicamente entre CPU e GPU. Um MacBook Pro M5 Max com 64 GB unified pode executar modelos que em NVIDIA exigiriam 64 GB de VRAM dedicada (impossível em portátil).

• M5 base 16 GB: modelos 7B Q4.
• M5 Pro 24-36 GB: 13B-20B confortáveis.
• M5 Max 48-128 GB: até 70B Q4 em portátil.

Vantagens: menos consumo, melhor autonomia sob carga, sem throttling térmico.

Limitações: o ecossistema CUDA não funciona (alguns frameworks dependem dele), a velocidade bruta por token é geralmente inferior a NVIDIA equivalente.

Perguntas frequentes

Vale a pena um portátil com NPU se vou usar GPU dedicada? Sim. A NPU acelera tarefas leves (Copilot+, transcrição, upscaling) sem usar a GPU, poupando bateria.

Qual a melhor relação preço-qualidade para IA local? Em 2026, ASUS TUF com RTX 4070 móvel e 32 GB de RAM por cerca de 1 700 €. Cobre 90% dos casos.

Windows ou Linux? Linux costuma executar melhor LLMs locais (melhor suporte de drivers, ferramentas como llama.cpp mais maduras). Mas Stable Diffusion e Ollama correm bem em ambos.

Apple Silicon vs NVIDIA para IA local? Apple ganha em autonomia e modelos grandes (graças à unified memory). NVIDIA ganha em velocidade bruta, ecossistema CUDA e preço.

Ainda não sabes que portátil para o teu workflow de IA?

Dá ao assessor IA os modelos que queres executar (Llama 13B, SDXL, Whisper, etc.) e o teu orçamento. Recebes uma recomendação específica com disponibilidade no teu mercado.