Key Takeaways
- A RTX 4060 Ti 16GB vence para a maioria: 16 GB rodam 14B em Q4 na GPU (Q8 com folga), ~R$ 3.299 em julho 2026, 165 W
- A RTX 3060 12GB é a segunda colocada a ~R$ 1.999 — opção NVIDIA mais barata, 12 GB de VRAM para modelos 7B–13B
- A Intel Arc B580 12GB é a opção econômica a ~R$ 1.919 — 12 GB de VRAM, arquitetura mais nova, modelos 7B–13B
- ⚠️ Alerta de preço: a RTX 3090 de segunda mão está agora a partir de R$ 6.000 — removida da lista sub-US$ 500
- ⚠️ Alerta de preço: a RTX 4070 12GB está agora em ~R$ 3.500 — removida da lista sub-US$ 500
- ⚠️ Alerta de preço: a RX 7800 XT 16GB está agora em ~R$ 2.900 — removida da lista sub-US$ 500
- Precisa de capacidade para modelos 30B? Orçamento a partir de R$ 6.000 para uma RTX 3090 usada (24 GB) ou economize para uma RTX 4080 SUPER (16 GB, ~R$ 8.000)
- As três GPUs desta lista funcionam com Ollama, LM Studio e llama.cpp de fábrica
Melhores GPUs para inferência de LLM por menos de US$ 500 — Classificadas
A RTX 4060 Ti 16GB (~R$ 3.299) é a melhor GPU por menos de US$ 500 para inferência de LLM local porque seus 16 GB de VRAM acomodam modelos 14B em qualidade Q8 completa sem pressão de memória.
A VRAM da GPU determina quais modelos de IA você consegue rodar. Uma GPU de 16 GB roda modelos 14B em alta qualidade. Uma GPU de 24 GB (como uma RTX 3090 de segunda mão) roda modelos de 30B ou mais. Com menos de 12 GB você fica limitado a modelos 7B ou menores.
RTX 4060 Ti 16GB — Melhor opção geral (julho 2026: ~R$ 3.299)
A NVIDIA GeForce RTX 4060 Ti 16GB é a vencedora clara para inferência de LLM local por menos de US$ 500 em julho de 2026. Seus 16 GB de VRAM GDDR6 dão conta de Qwen3 14B, Llama 3.3 14B e Mistral 12B em qualidade Q8 sem swap. A arquitetura Ada Lovelace com 288 GB/s de largura de banda entrega 45–60 tok/s em modelos 7B Q4 e 18–25 tok/s em 14B Q8 com Ollama. Com 165 W de TDP, funciona com qualquer fonte de 650 W. Preço atual: ~R$ 3.299 nova (KaBuM!/Pichau, verificado julho 2026).
RTX 3060 12GB — Melhor alternativa econômica (julho 2026: ~R$ 1.999)
A NVIDIA GeForce RTX 3060 12GB voltou ao varejo a R$ 1.999 nova e é a placa CUDA mais barata com VRAM adequada para LLMs locais em julho de 2026. Seus 12 GB GDDR6 rodam modelos 7B–13B em Q4/Q8 confortavelmente; ela não comporta um modelo 14B em Q8, mas um 14B em Q4 (~8,5 GB) cabe. Benchmark: ~32–40 tok/s no Llama 3.3 8B Q4 com Ollama. A cadeia de ferramentas CUDA completa significa que Ollama, LM Studio, vLLM e fine-tuning com LoRA funcionam de fábrica no Windows e no Linux. Se você não precisa de folga para 14B em Q8, a RTX 3060 12GB economiza ~R$ 1.300 em relação à RTX 4060 Ti mantendo o mesmo suporte de software NVIDIA.
Intel Arc B580 12GB — Melhor opção econômica (julho 2026: ~R$ 1.919)
A Intel Arc B580 12GB foi lançada nos EUA a US$ 249 e está a ~R$ 1.919 no Brasil em julho de 2026 — a GPU com VRAM adequada mais acessível desta lista. Roda o Ollama pelo backend SYCL/oneAPI no Linux e no Windows. Desempenho: ~28–35 tok/s no Llama 3.3 8B Q4. O limite de 12 GB de VRAM restringe você a modelos 13B Q4. Para uma primeira GPU ou uma máquina de inferência secundária com orçamento apertado, a Arc B580 é a escolha certa.
Comparação de desempenho — Preços de julho 2026 + resultados de testes
Benchmarks medidos com Ollama 0.30.x, servidor llama.cpp, modelos do HuggingFace. Sistema de teste: Ryzen 9 7950X, 64 GB DDR5, SSD NVMe. Preços verificados em julho de 2026 — RTX 3090 usada (a partir de R$ 6.000), RTX 4070 12GB (~R$ 3.500) e RX 7800 XT 16GB (~R$ 2.900) excluídas: todas excedem a faixa de US$ 500. Os preços no Brasil podem variar bastante devido a impostos de importação.
| GPU | VRAM | Preço (julho 2026) | Llama 3.3 8B Q4 tok/s | Qwen3 14B Q8 tok/s | Modelo máximo (Q4) |
|---|---|---|---|---|---|
| RTX 4060 Ti 16GB | 16 GB | ~R$ 3.299 | 55 tok/s | 22 tok/s | 30B (Q4) |
| RTX 3060 12GB | 12 GB | ~R$ 1.999 | 36 tok/s | Limitado pela VRAM | 14B (Q4) |
| Intel Arc B580 12GB | 12 GB | ~R$ 1.919 | 31 tok/s | Limitado pela VRAM | 13B (Q4) |
Como selecionamos e testamos estas GPUs
Critérios de seleção: disponíveis para compra nova na faixa de US$ 500 em julho 2026; compatíveis com pelo menos um runtime de inferência principal (Ollama, LM Studio, llama.cpp); VRAM ≥ 12 GB (placas de 8 GB excluídas). A RTX 3090 de segunda mão (24 GB), a RTX 4070 12GB e a RX 7800 XT 16GB foram removidas desta lista após verificação dos preços de julho de 2026: a RTX 3090 de segunda mão está agora a partir de R$ 6.000 no Mercado Livre; a RTX 4070 12GB a ~R$ 3.500 na KaBuM!; a RX 7800 XT 16GB a ~R$ 2.900 na KaBuM! — todas excedem a faixa de US$ 500. Os preços no Brasil podem variar bastante devido a impostos de importação. Todos os benchmarks são tok/s com média de 10 execuções a batch size 1, medidos com Ollama 0.30.x no Ubuntu 22.04 LTS. Preços verificados na KaBuM!, Pichau e Mercado Livre (julho 2026).
Requisitos de VRAM por tamanho de modelo
Requisitos de VRAM: o modelo 7B precisa de ~4–5 GB (Q4) ou ~7–8 GB (Q8); o modelo 14B precisa de ~8–9 GB (Q4) ou ~14–15 GB (Q8); o modelo 30B precisa de ~18–20 GB (Q4); o modelo 70B precisa de ~40–42 GB (Q4).
Pense na VRAM como a RAM para os modelos de IA. O modelo precisa caber inteiramente na VRAM para uma inferência rápida. Se transbordar para a RAM do sistema (chamado de "offloading"), a velocidade cai 80–95%. A quantização Q4 reduz o tamanho pela metade em relação ao Q8 com um pequeno custo em qualidade.
- Modelo 7B em Q4: ~4,5 GB de VRAM — qualquer GPU desta lista dá conta facilmente
- Modelo 7B em Q8: ~7,5 GB de VRAM — cabe em todas as GPUs aqui
- Modelo 13B em Q4: ~8,5 GB de VRAM — cabe em todas as GPUs desta lista
- Modelo 14B em Q8: ~14 GB de VRAM — só RTX 4060 Ti 16GB e RTX 3090 (usada)
- Modelo 30B em Q4: ~18 GB de VRAM — requer 24 GB (RTX 3090 de segunda mão, agora a partir de R$ 6.000)
- Modelo 70B em Q4: ~40 GB — exige duas GPUs ou offload para CPU
Qual GPU você deve comprar?
Use este guia de decisão conforme seu caso de uso principal:
- Melhor opção geral por menos de US$ 500 → RTX 4060 Ti 16GB (~R$ 3.299 nova, ~R$ 2.640–2.800 usada). Roda 14B em Q4 totalmente na GPU (Q8 com folga), 16 GB de VRAM, cadeia de ferramentas CUDA e amplo suporte no Windows/Linux.
- Placa CUDA mais barata que funciona → RTX 3060 12GB (~R$ 1.999). Alternativa NVIDIA para modelos 7B–13B com cadeia de ferramentas CUDA completa; economiza ~R$ 1.300 se você não precisa de margem para 14B em Q8.
- Rodar 7B–13B com orçamento apertado → Intel Arc B580 12GB (~R$ 1.919). O melhor custo-benefício para inferência de nível inicial em arquitetura mais nova. 12 GB de VRAM limita a 13B Q4.
- Precisa de capacidade para modelos 30B? → A janela sub-US$ 500 fechou em meados de 2026. A RTX 3090 usada (24 GB) agora está a partir de R$ 6.000. Orçamento a partir de R$ 6.000 para uma RTX 3090 usada ou ~R$ 8.000 para uma RTX 4080 SUPER (16 GB).
- Usuário de Windows, sem complicação → RTX 4060 Ti 16GB. A NVIDIA CUDA tem o suporte mais amplo no Windows para LLMs, fine-tuning e runtimes multimodais.
Compatibilidade de software por GPU
As três GPUs rodam Ollama e llama.cpp. As diferenças aparecem nas ferramentas avançadas:
| GPU | Ollama | LM Studio | vLLM | Text Gen WebUI | Fine-Tuning CUDA |
|---|---|---|---|---|---|
| RTX 4060 Ti 16GB | ✅ | ✅ | ✅ | ✅ | ✅ |
| RTX 3060 12GB | ✅ | ✅ | ✅ | ✅ | ✅ |
| Intel Arc B580 12GB | ✅ (SYCL) | ⚠️ beta | ❌ | ⚠️ parcial | ❌ |
Consumo de energia e requisitos do sistema
O consumo da GPU determina qual fonte de alimentação e gabinete você precisa. Rodar LLMs mantém as GPUs a 80–100% de utilização continuamente — diferente de jogos, não há frames ociosos.
- RTX 4060 Ti 16GB: 165 W — funciona com fonte de 550 W ou mais; um conector de 8 pinos
- RTX 3060 12GB: 170 W — funciona com fonte de 550 W ou mais; um conector de 8 pinos
- Intel Arc B580 12GB: 190 W — fonte de 650 W ou mais; 8 pinos padrão
8 GB de VRAM são suficientes para rodar LLMs localmente?
8 GB de VRAM limitam você a modelos 7B em quantização Q4 — o modelo mal cabe. Você não consegue rodar modelos 13B em qualidade completa, e os modelos 14B serão parcialmente descarregados para a RAM do sistema, reduzindo a velocidade em 80–95%. Para um uso local de LLM significativo em 2026, 12 GB é o mínimo prático; 16 GB é o recomendado.
Ainda posso comprar uma RTX 3090 de segunda mão por menos de US$ 500 em 2026?
Não — em julho de 2026, as RTX 3090 de segunda mão estão sendo negociadas a partir de R$ 6.000 no Mercado Livre. O preço subiu significativamente dos níveis de 2024 à medida que os entusiastas de LLMs reconheceram o valor de seus 24 GB de VRAM. Não é mais uma opção sub-US$ 500. Se você precisa de capacidade para modelos 30B (que requer 24 GB de VRAM), orçamento a partir de R$ 6.000 para uma RTX 3090 de segunda mão ou considere uma RTX 4080 SUPER (16 GB, ~R$ 8.000 nova) para maior desempenho em 14B Q8.
A AMD funciona para rodar LLMs localmente?
Sim, com ressalvas. O Ollama no Linux com ROCm funciona bem em placas como a RX 7800 XT. O suporte a ROCm no Windows melhorou, mas ainda exige passos manuais, e o fine-tuning (LoRA) em hardware AMD não é suportado pela maioria das ferramentas. Nota sobre preço: a RX 7800 XT 16GB subiu para ~R$ 2.900 em julho de 2026, então não cabe mais na faixa sub-US$ 500 — para essa faixa de preço, a RTX 4060 Ti 16GB ou a RTX 3060 12GB (ambas NVIDIA/CUDA) são as escolhas recomendadas. Para Windows ou fine-tuning, fique com a NVIDIA.
E as GPUs Intel Arc para IA?
A Intel Arc B580 12GB é a melhor opção Arc em 2026. Roda o Ollama no Windows e no Linux pelo backend SYCL, embora o desempenho fique 30–40% abaixo da NVIDIA em tok/s brutos. A relação custo-benefício é forte: 12 GB de VRAM a ~R$ 1.919 sem problemas de drivers em sistemas modernos. A principal limitação é o software: vLLM, ferramentas de fine-tuning e runtimes multimodais ainda não suportam bem a Arc.
Posso rodar um modelo 70B em uma única GPU por menos de US$ 500?
Não em velocidade plena. Mesmo a RTX 3090 (24 GB) não consegue armazenar 70B Q4 (~40 GB) inteiramente na VRAM. Você pode usar offload para CPU com o llama.cpp para dividir o modelo entre VRAM e RAM do sistema, mas a velocidade cai para 2–5 tok/s — lento demais para uso interativo. Para rodar modelos 70B em velocidades utilizáveis, você precisa de duas GPUs (2× RTX 3090 com 48 GB no total) ou inferência na nuvem.
As novas placas (RTX 5060 Ti) vão tornar essas GPUs obsoletas?
A RTX 5060 Ti da NVIDIA foi confirmada para 2026 com preços esperados abaixo da RTX 4060 Ti. A RTX 4060 Ti 16GB continua sendo o melhor custo-benefício verificado hoje (julho de 2026). Se você puder esperar 2–3 meses, monitore a disponibilidade da RTX 5060 Ti — ela pode entrar na faixa sub-US$ 500 com melhor desempenho. Se você precisa de uma GPU agora, a RTX 4060 Ti 16GB é a compra segura.
Quanto custa uma RTX 4060 Ti 16GB usada em julho de 2026?
Placas RTX 4060 Ti 16GB usadas costumam custar 15–20% menos que o preço de nova (~R$ 3.299) — algo em torno de R$ 2.640–2.800 no Mercado Livre, dependendo do estado e da garantia restante. Como a placa é relativamente recente e a demanda de usuários de LLM sustenta o valor de revenda, a economia em relação a uma nova é menor do que em placas mais antigas como a RTX 3090. Verifique anúncios já vendidos (não os ativos) para saber o preço real de mercado, e confirme que é a variante de 16 GB — também existe uma RTX 4060 Ti de 8 GB, que não roda modelos 14B em Q4.