Qual programa escolher para rodar a IA no Mac

Nesta aula você escolhe, com o técnico, o programa que roda o modelo no Mac e aceita um modelo local só depois de uma prova em português, repetida três vezes e conferida no registro das chamadas. No Mac, a escolha é entre o Ollama e o MLX, e ela se faz pelo uso, não pela velocidade: quem vai instalar, quem vai cuidar da máquina depois e o que a recepção vai pedir a ela todo dia.

Esse programa se chama runtime (o programa que faz o modelo funcionar no computador). Pense no motor de um carro: o modelo é o combustível, e sem motor ele fica parado no tanque. O Ollama (programa que baixa e roda modelos no seu computador) atende quem quer instalar e usar. O MLX (ferramentas da Apple para rodar IA nos chips dela) atende quem programa.

Dentro do Ollama, o MLX já é um dos motores, e uma versão de teste o pôs como padrão.

O que muda entre o Ollama e o MLX na hora de rodar um modelo?

Muda quem mexe na máquina, e, com uma pergunta por vez, muda pouco a velocidade. O MLX é a base aberta que a equipe de pesquisa da Apple publicou em novembro de 2023. Sozinho, ele não conversa com a recepção: quem roda um modelo em cima dele é um pacote para Python (linguagem em que o técnico escreve as instruções) ou um programa pronto, como o Ollama e o LM Studio.

Já o Ollama junta tudo num aplicativo. Até março de 2026, ele rodava os modelos no Mac com o llama.cpp (o motor aberto que roda modelos em computador comum); desde então ganhou o motor do MLX, e uma versão de teste de 25 de setembro de 2026 já o põe como padrão nos modelos que ele aceita. Sobre a velocidade, as medições são de terceiros e apontam para lados diferentes, como mostra o teste de Zach Rattner, publicado no blog dele.

Um ganhou, um empatou e um perdeu. Para Rattner, a quantização (compactar o modelo, como salvar uma foto em qualidade menor) pesa mais do que o programa. Quem promete que um dos dois é sempre o mais veloz no Mac precisa dizer em qual modelo e em qual compactação mediu.

Com vários pedidos ao mesmo tempo, o programa pesa mais: num teste de setembro de 2026 num Mac com M5 Pro de 64 GB, o pacote que roda o MLX direto concluiu só 2 de 100 pedidos de agente sob carga alta, e o Ollama, rápido na conversa, ficou fora dos critérios mínimos do estudo. Se o agente passar a atender vários pedidos juntos, o técnico repete o teste com carga.

A conta que decide é a da memória, a mesma usada para escolher a máquina: parâmetros vezes bits, dividido por oito, mais até 20% e o espaço da conversa. Na estreia do motor MLX, o Ollama pediu Mac com mais de 32 GB para um modelo de 35 bilhões de parâmetros, que em 4 bits pesa perto de 17,5 GB antes da folga.

Nos dois programas o caminho curto do desenho é o mesmo, e a pergunta sobre o cliente não sai do escritório.

Como decidir entre os dois pelo uso da recepção

A diferença aparece em quem instala e em quem mantém. Na pousada de exemplo, os dois programas acertaram a mesma pergunta de reservas com poucos segundos de diferença. O Ollama ficou porque entrou no Mac como qualquer aplicativo e a recepção aprendeu a reabri-lo sozinha; o MLX direto pedia Python e um pequeno programa que só o técnico entende.

Se quem cuida da máquina é você ou a recepção, fique com o Ollama. Se houver um técnico que programa e quer ajustar o modelo, o MLX direto passa a compensar; ele pede o Python, e o curso "Setup de Vibecoding no Mac" ensina a instalar o Python no Mac, tela por tela. O mesmo Ollama roda modelos pequenos, de menos de 1 a 4 bilhões de parâmetros, que ocupam de 1 a 3,4 GB e arrumam as mensagens do dia em fichas de campos fixos.

Como aceitar um modelo local com uma prova em português

O programa escolhido não diz se o modelo serve. A prova serve quando é escrita em português, do jeito que o cliente escreve, e quando a resposta certa vira itens de sim ou não. Pesquisadores da Maritaca AI, empresa brasileira que desenvolve modelos avaliados no estudo, e do Jusbrasil trocaram a nota geral por esses itens em 1.000 conversas reais em português, em maio de 2026: com os itens, três juízes de famílias diferentes concordaram na ordem inteira dos modelos, o que a nota geral não conseguiu.

Duas práticas completam a prova. Do τ-bench, prova de 2024 da Sierra, empresa americana que vende agentes de atendimento, vem a repetição: a tarefa só conta se passar em todas as tentativas. De um estudo de julho de 2026 da VAIV Company e da Universidade Nacional de Seul, na Coreia do Sul, vem o registro: em 4 bits, a nota pode empatar enquanto crescem as chamadas a ferramentas que não existem. As telas de instalação estão no curso "IA Local na Prática", em as ferramentas que instalam clicando, sem terminal.

Se dois modelos empatam nos acertos, fique com o que erra menos nas chamadas. Se um modelo acerta em inglês e erra em português, ele não serve ao balcão. O teste com a internet desligada prova que a ficha não saiu pela rede, mas não diz o que o programa gravou no Mac: num teste de setembro de 2026, pesquisadores acharam os pedidos guardados em arquivo pelo LM Studio na configuração padrão, e nenhum pedido guardado nem tentativa de falar com a internet no Ollama.

Guarde a folha com o nome e a versão exata do modelo, porque ela vira a linha de partida de qualquer troca. Como o programa muda depressa, as datas abaixo mostram em que pé ele está.

A linha do tempo explica por que você não precisa escolher motor: basta manter o Ollama atualizado e repetir a prova a cada versão nova do modelo.

A escolha está pronta quando a folha mostra as dez perguntas certas nas três rodadas, nenhuma chamada a ferramenta inexistente e as respostas saindo com a internet desligada. Se algo der errado no primeiro dia, o curso "IA Local na Prática" reúne as soluções rápidas para quando o programa ou o modelo falham. Com o modelo rodando dentro de casa, abra "O agente pode perceber que o Wi-Fi caiu antes do hóspede?" e liste os aparelhos que você quer que ele vigie.