Ollama para IA privada local em um laptop antigo

O artigo da XDA sobre transformar um laptop antigo em um assistente de IA privado para toda a casa é o estudo de caso que muitos de nós precisávamos. Um ThinkPad de 2020 com 32 GB de RAM e GPU integrada é suficiente para executar modelos modernos de 7B ou 13B em velocidade de conversa, hospedar uma interface de bate-papo para a casa e parar de pagar $20 por mês por pessoa para IA em nuvem. Esses são os melhores aplicativos de desktop para construir um assistente de IA privado para toda a casa em um laptop antigo em 2026, escolhidos pela combinação de runtime, interface de bate-papo e acesso amigável à família que torna a IA local realmente útil fora do terminal do operador.

O que procurar em uma pilha de IA doméstica

Um assistente de IA privado que toda a casa realmente usa deve cobrir:

Comparação rápida

Aplicativo Melhor para Runtime Interface de bate-papo Servidor API Custo
Ollama O runtime base em que todos constroem Ollama CLI + community UIs Sim Grátis
LM Studio Modelos locais centrados em GUI llama.cpp Sim Sim Grátis
Open WebUI A interface de bate-papo doméstica na frente de Ollama Qualquer um (Ollama, OpenAI) Sim (multi-usuário) Proxies Grátis
GPT4All O bate-papo local de usuário único mais simples llama.cpp Sim Opcional Grátis / Pro $5/mês
Jan Substituto de ChatGPT de código aberto llama.cpp / Ollama Sim Sim Grátis
Text Generation WebUI Ajuste fino de modelo para power-user e suporte de formato Múltiplo Sim Sim Grátis
Home Assistant with Local LLM IA doméstica acionada por voz sobre Ollama Ollama backend Voz + Bate-papo via Ollama Grátis

Os 7 melhores aplicativos para IA privada doméstica em um laptop antigo

1. Ollama, melhor como o runtime base em que todos constroem

Ollama é o runtime que tornou os LLMs locais uma instalação de um comando. ollama run llama3.1 baixa, carrega e serve um modelo com uma API compatível com OpenAI na porta 11434. A biblioteca de modelos é curada (Llama, Mistral, Phi, Qwen, Gemma e ajustes finos da comunidade), e o runtime detecta e usa automaticamente NVIDIA CUDA, AMD ROCm ou Apple Metal.

Em um laptop com RTX 3060 (ou Apple M2 e superior), um modelo de 13B é executado em velocidade de conversa. Apenas em CPU, modelos de classe 3B como Phi-3 Mini permanecem utilizáveis.

Onde falta: Apenas linha de comando por si só; precisa de uma interface de bate-papo em cima para uso doméstico. A lista de modelos curada é mais estreita que o universo GGUF bruto. A instalação do Docker é preferida no Windows.

Preço:

Plataformas: Windows, macOS, Linux

Baixar: ollama.com

Conclusão: O runtime padrão para qualquer configuração de IA privada doméstica em 2026.

2. LM Studio, melhor para modelos locais centrados em GUI

LM Studio é o concorrente GUI do Ollama. Download de modelos point-and-click do Hugging Face, um painel de bate-papo com seleção de modelo por conversa e um servidor compatível com OpenAI que inicia com uma caixa de seleção. LM Studio vem com recomendações por modelo para comprimento de contexto, quantização e número de GPU offload.

Para um operador que prefere um aplicativo estilo Windows a um terminal, LM Studio é o caminho mais curto de uma instalação limpa para um modelo local funcionando.

Onde falta: Single-user por design; não é uma interface de bate-papo doméstica. Gerenciamento de modelos por máquina, não centralizado. Não totalmente código aberto (aplicativo desktop proprietário em torno de runtimes abertos).

Preço:

Plataformas: Windows, macOS, Linux

Baixar: lmstudio.ai

Conclusão: A escolha certa para alguém aprendendo modelos locais antes de configurar um servidor multi-usuário.

3. Open WebUI, melhor como a interface de bate-papo doméstica na frente de Ollama

Open WebUI é o que torna um servidor Ollama utilizável por toda a casa. Contas multi-usuário, histórico de bate-papo por usuário, seletor de modelos, upload de documentos RAG, biblioteca de prompts e permissões baseadas em função, tudo em uma interface web auto-hospedada. Aponte para um endpoint Ollama (local ou através da LAN) e cada membro da família obtém uma experiência tipo ChatGPT sem compartilhar histórico.

É executado como um contêiner Docker no mesmo laptop que o Ollama, ou em uma máquina separada se comunicando com ele através da LAN.

Onde falta: A instalação do Docker é o caminho recomendado (Node bare é possível mas mais difícil). Entrada de voz via complemento Whisper, não nativo. O armazenamento do histórico de bate-papo cresce rapidamente com uso intenso.

Preço:

Plataformas: Docker, Linux, Windows (via Docker Desktop), macOS (via Docker Desktop)

Baixar: docs.openwebui.com

Conclusão: O complemento mais importante para transformar Ollama em um serviço doméstico.

4. GPT4All, melhor para o bate-papo local de usuário único mais simples

GPT4All é o aplicativo de bate-papo orientado para local da Nomic: baixe o instalador, escolha um modelo, converse. A interface foi construída para alguém que nunca tocou em um terminal, e a biblioteca de modelos cobre variantes Llama, Mistral, Phi e Falcon ajustadas pela comunidade.

Uma boa opção para um pai ou parceiro não técnico que quer sua própria IA local sem configurar um servidor.

Onde falta: Não é um servidor compartilhado; cada máquina tem seu próprio modelo e histórico. A biblioteca de modelos é menor que a do Ollama. O nível Pro adiciona recursos em nuvem que minam a premissa “totalmente local”.

Preço:

Plataformas: Windows, macOS, Linux

Baixar: gpt4all.io

Conclusão: A escolha certa para um laptop onde uma pessoa quer IA local e nada mais.

5. Jan, melhor para um substituto de ChatGPT de código aberto

Jan é um aplicativo de bate-papo desktop totalmente de código aberto que executa modelos locais via llama.cpp ou se conecta a endpoints remotos (OpenAI, Anthropic, Groq ou Ollama local). A interface é próxima à do ChatGPT, com chats, pastas e presets de system-prompt, e a filosofia do Jan é “seus dados permanecem em sua máquina.”

Para uma casa onde diferentes membros da família querem diferentes backends (alguns locais, alguns remotos), Jan gerencia ambos de forma limpa.

Onde falta: Projeto mais novo; algumas bordas ásperas na instalação do Windows. O suporte multi-usuário é mais fino que o Open WebUI. Alguns plugins são experimentais.

Preço:

Plataformas: Windows, macOS, Linux

Baixar: jan.ai

Conclusão: A escolha certa quando uma casa quer um aplicativo tipo ChatGPT que pode ser local ou híbrido.

6. Text Generation WebUI, melhor para ajuste fino de modelo para power-user e suporte de formato

Text Generation WebUI (oobabooga) é a ferramenta para power users. Suporta backends Transformers, ExLlamaV2, llama.cpp e MLX, expõe cada sampler e configuração de inferência e lida com formatos GGUF, GPTQ, EXL2 e AWQ. Treinamento LoRA e RP de cartão de personagem estão integrados.

A escolha certa quando o operador quer espremer cada token/seg de uma GPU antiga ou executar ajustes finos de nicho não na biblioteca do Ollama.

Onde falta: Curva de aprendizado acentuada. A interface tem anos de recursos empilhados que sobrecarregam os novos usuários. O suporte multi-usuário é limitado.

Preço:

Plataformas: Windows, macOS, Linux

Baixar: github.com/oobabooga/text-generation-webui

Conclusão: A escolha certa quando o objetivo é controlar cada detalhe da inferência.

7. Home Assistant with Local LLM, melhor para IA doméstica acionada por voz sobre Ollama

Home Assistant com a integração Local LLM transforma um servidor Ollama em IA doméstica acionada por voz: pergunte sobre o tempo, controle as luzes, consulte o calendário ou tenha uma conversa normal através de um alto-falante inteligente ou do aplicativo HA. Assist Pipeline lida com transcrição Whisper, inferência LLM em Ollama e TTS de volta para o alto-falante, tudo dentro da rede doméstica.

Para uma família onde “hey house, what’s on the schedule today” é a UX desejada, esta é a camada que une tudo.

Onde falta: A configuração atravessa dois projetos (Home Assistant + Ollama) e precisa que ambos estejam saudáveis. A escolha do alto-falante importa (mics compatíveis com Wyoming são os mais suaves). A latência depende do modelo; modelos menores se sentem mais rápidos.

Preço:

Plataformas: Home Assistant OS, Docker, Linux, Windows, macOS

Baixar: www.home-assistant.io e integração Ollama

Conclusão: A escolha certa quando a IA doméstica acionada por voz é o objetivo, não apenas uma janela de bate-papo.

Como escolher o certo

Para uma configuração totalmente amigável à casa, instale Ollama como runtime e Open WebUI como interface de bate-papo multi-usuário na frente. Esta é a pilha correta para um laptop transformado em servidor.

Para uso de máquina única do operador, LM Studio é a instalação mais fácil e cobre a maioria das necessidades diárias.

Para um membro da família não técnico com seu próprio laptop, GPT4All é a instalação de usuário único mais amigável.

Para uma casa dividida entre backends de IA locais e remotos, Jan é a interface de bate-papo correta.

Para ajuste fino para power-user e formatos de modelo de nicho, Text Generation WebUI é a ferramenta profunda.

Para IA doméstica acionada por voz, Home Assistant com a integração Local LLM vincula Ollama ao ecossistema de voz da casa.

FAQ

Qual laptop antigo é suficiente para um servidor de IA doméstica? Qualquer laptop de 2020 ou mais recente com 16 GB de RAM ou mais pode executar um modelo 7B em velocidade utilizável na CPU. Adicione uma GPU discreta (até uma GTX 1660 de 2018) e 13B é executada em velocidade de conversa.

A IA local supera o ChatGPT em qualidade? Não no topo da classe de modelo. Um modelo 13B bem quantizado é aproximadamente de classe GPT-3.5; um modelo 70B se aproxima da classe GPT-4 mas requer 24 GB ou mais de VRAM. Para a maioria das tarefas domésticas (rascunho de emails, resumo de documentos, brainstorming), os modelos locais são mais do que suficientes.

Os modelos locais permanecem atualizados? Os runtimes são atualizados com frequência (cadência de lançamento semanal em Ollama). Os modelos em si são versionados; atualizar significa baixar uma nova tag.

Quanto de largura de banda a configuração inicial usa? Um modelo 7B é 4–6 GB; um modelo 13B é 8–12 GB. Planeje 20 GB de downloads se o operador quiser uma pequena biblioteca.

A casa pode usar isso sem VPN ao viajar? Sim, mas apenas se o operador expor o servidor à internet. Tailscale é a forma mais limpa de alcançar o servidor de IA doméstica de fora da LAN sem abrir portas.

Meu histórico de bate-papo é realmente privado? Apenas se o runtime estiver configurado corretamente. Ollama, LM Studio, GPT4All e Jan são todos totalmente locais por padrão; Open WebUI armazena histórico em seu próprio banco de dados na mesma máquina. Ativar qualquer conector em nuvem (níveis Pro, backends de modelo remoto) envia dados fora da caixa.