Ollama: Como Rodar IA Local no Seu Computador

Todo desenvolvedor ja pensou: 'e se eu pudesse rodar IA no meu proprio computador?' Privacidade total, zero custo por token, funciona sem internet. O problema era que configurar isso era uma dor de cabeca enorme — baixar pesos, gerenciar dependencias, configurar CUDA, criar servidor...

O Ollama resolveu isso. Com dois comandos voce tem um servidor de IA rodando localmente, com qualquer modelo que voce quiser. Llama, Mistral, DeepSeek, CodeLlama, Qwen — todos rodando no seu hardware, offline, gratuito.

Nesse tutorial vou do zero ao setup completo: instalacao, escolha de modelos pelo seu hardware, integracao com VSCode e terminal, e quando faz sentido usar local vs nuvem. Mas se voce quer uma alternativa sem precisar de hardware proprio, veja o combo OpenCode + Antigravity com 150 modelos gratis na nuvem.

Por Que Rodar IA Localmente

Tres razoes principais levam devs para o Ollama: privacidade, custo e disponibilidade offline.

Privacidade e a mais forte. Quando voce manda codigo para Claude ou GPT-4, esse codigo sai do seu computador e vai para servidores de outra empresa. Para projetos com NDA, codigo proprietario ou dados sensiveis, isso pode ser um problema real ou ate uma violacao contratual.

Custo a longo prazo tambem faz diferenca. Usar Claude Sonnet o dia todo custa $15-30 por dia facilmente se voce for intenso. O Ollama tem custo zero depois de pagar o hardware. Pra quem ja tem uma maquina decente, e gratuito imediatamente.

Disponibilidade offline e util em contextos especificos: aviao, cliente sem internet, lab sem rede externa. Com Ollama configurado voce nunca fica travado por falta de conexao.

Requisitos de Hardware

Antes de baixar qualquer modelo, e importante entender o que seu hardware aguenta. O gargalo e sempre a memoria — RAM se voce usa CPU, VRAM se voce usa GPU.

Apple Silicon merece mencao especial. O M1, M2 e M3 usam memoria unificada — CPU e GPU compartilham o mesmo pool. Um MacBook Pro M3 Max com 48GB aguenta modelos de 30B com velocidade boa. E muito melhor do que um PC com 16GB de RAM e placa de video dedicada com 8GB de VRAM separados.

Instalando o Ollama

# Verificar modelos instalados
ollama list

# Ver modelo em execucao
ollama ps

# Baixar modelos especificos para codigo
ollama pull codellama:13b
ollama pull deepseek-coder-v2
ollama pull qwen2.5-coder:7b

# Testar API REST diretamente
curl http://localhost:11434/api/generate \
  -d '{"model": "llama3.2", "prompt": "Explica async/await em 3 linhas"}'

Melhores Modelos para Codigo

Nem todo modelo local e bom para codigo. Alguns sao treinados especificamente para programacao, outros sao generalistas. Aqui os que realmente valem no dia a dia.

Integrando com Continue.dev no VSCode

O Continue.dev e a forma mais simples de usar Ollama no VSCode. Com o servidor Ollama rodando, a configuracao e minima.

{
  "models": [
    {
      "title": "DeepSeek Coder (Local)",
      "provider": "ollama",
      "model": "deepseek-coder-v2"
    },
    {
      "title": "Llama 3.2 (Local)",
      "provider": "ollama",
      "model": "llama3.2"
    }
  ],
  "tabAutocompleteModel": {
    "title": "Qwen Coder 7B (Local)",
    "provider": "ollama",
    "model": "qwen2.5-coder:7b"
  }
}

Nao precisa de API key. O Continue.dev detecta o Ollama automaticamente se ele estiver rodando na porta padrao. Se voce mudar a porta, adicione 'apiBase': 'http://localhost:PORTA' na config.

Integrando com OpenCode

O OpenCode tem suporte nativo ao Ollama. Alem de usar modelos locais, voce pode misturar local e nuvem no mesmo setup.

{
  "provider": {
    "ollama": {
      "baseURL": "http://localhost:11434"
    }
  },
  "model": "ollama/deepseek-coder-v2"
}

No terminal com OpenCode configurado, voce troca entre modelo local e nuvem com /model. Da pra comecar o dia no Ollama e quando aparecer um problema dificil trocar para Claude sem sair da ferramenta.

Performance: Local vs Nuvem

A pergunta que todo mundo faz: qual e mais rapido? Depende do hardware.

Em CPU puro, o Llama 7B gera uns 5-15 tokens por segundo. Claude na nuvem gera 50-100 tokens por segundo. Ou seja, para respostas longas a nuvem e muito mais rapida em CPU.

Em GPU ou Apple Silicon a historia muda. Um MacBook Pro M3 com o Llama 3.3 70B gera 15-25 tokens por segundo — comparavel a muitas APIs de nuvem. Uma RTX 4090 com Qwen 2.5 Coder 7B gera 80-120 tokens por segundo. Mais rapido que a nuvem.

Configurando Inicio Automatico

Chato ter que lembrar de iniciar o Ollama toda vez. Da pra configurar para iniciar automaticamente com o sistema.

# macOS: criar servico launchd
cat > ~/Library/LaunchAgents/com.ollama.server.plist << 'EOF'
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
  <key>Label</key>
  <string>com.ollama.server</string>
  <key>ProgramArguments</key>
  <array>
    <string>/usr/local/bin/ollama</string>
    <string>serve</string>
  </array>
  <key>RunAtLoad</key>
  <true/>
</dict>
</plist>
EOF

launchctl load ~/Library/LaunchAgents/com.ollama.server.plist

# Linux: habilitar servico systemd
sudo systemctl enable ollama
sudo systemctl start ollama

Proximo Passo

Com Ollama instalado e funcionando, voce tem a base para um setup de IA completamente local. Mas rodar modelo local e so uma das opcoes. Para uma visao completa das melhores ferramentas de IA para desenvolvimento, confere o ranking dos melhores modelos para codigo em 2026.

E se voce quer comparar o setup local com alternativas gratuitas na nuvem, o OpenCode com Antigravity e outra opcao excelente que nao exige hardware proprio.