Key Takeaways
- Melhor custo-benefício (2026): RTX 4070 Ti (US$ 600, lida com modelos 7-13B).
- Melhor sem limite de orçamento: RTX 5090 ou RTX 4090 (US$ 1.800-2.000, qualquer modelo em uma única GPU).
- Melhor opção equilibrada: RTX 4080 (US$ 1.200, lida com qualquer modelo com quantização Q5).
- Melhor para modelos de 70B: 2× RTX 4090 (US$ 3.600) ou RTX 6000 Ada (US$ 5.000).
- Em abril de 2026, NVIDIA domina. AMD e Intel ficam significativamente atrás.
Comparativo de GPUs por preço e desempenho
| Nível | GPU | VRAM | Velocidade (7B) | Preço |
|---|---|---|---|---|
| Econômico | RTX 4070 Ti | 12 GB | 80 tok/s | US$ 600-700 |
| Econômico-intermediário | RTX 5070 | 12 GB | 85 tok/s | US$ 550 |
| Intermediário | RTX 4080 | 16 GB | 120 tok/s | US$ 1.200 |
| Premium | RTX 4090 | 24 GB | 150 tok/s | US$ 1.800 |
| Premium | RTX 5090 | 32 GB | 160 tok/s | US$ 1.999 |
Faixa econômica (US$ 400-700)
RTX 4070 Ti (recomendada): US$ 600, 12 GB VRAM, 80 tok/s. Melhor custo-benefício para uso pessoal.
RTX 5070 (nova, início de 2026): US$ 550, 12 GB. Leve melhora de velocidade em relação à RTX 4070 Ti.
RTX 4070 (anterior): US$ 400, 12 GB. Ligeiramente mais lenta, não recomendada para novas builds.
Faixa intermediária (US$ 800-1.500)
RTX 4080 (US$ 1.200): 16 GB VRAM, 120 tok/s. Ideal para qualquer modelo de 7-13B.
RTX 5080 (nova, início de 2026): US$ 1.199, 16 GB. ~15% mais rápida que a RTX 4080.
RTX 4080 Super: Praticamente idêntica à RTX 4080, mesmo preço.
Topo de linha (US$ 1.600+)
RTX 4090 (US$ 1.800): 24 GB VRAM, 150 tok/s. GPU de consumo mais rápida. Pode rodar qualquer modelo em uma única GPU.
RTX 5090 (US$ 1.999): 32 GB VRAM, 160 tok/s. Último flagship. Ganho de velocidade marginal em relação à RTX 4090.
RTX 6000 Ada (US$ 5.000): GPU de servidor, 48 GB. Para deployments em produção.
Qual modelo de LLM local cabe na sua GPU
O nível da GPU determina qual tamanho de modelo você consegue rodar — não o contrário. A tabela abaixo mapeia a VRAM de cada GPU para o maior modelo que cabe confortavelmente em Q4_K_M, usando as mesmas famílias de modelos referenciadas em nossos guias de GPU (Qwen3, Gemma 4, DeepSeek, Llama).
| GPU (VRAM) | Melhor modelo | Quantização | Velocidade | Notas |
|---|---|---|---|---|
| RTX 4070 Ti / RTX 5070 (12 GB) | Qwen3 14B (denso) | Q4_K_M | ~35-45 tok/s | Mesmo nível de 12 GB de uma RTX 3060 econômica, mas 3-4x mais rápida. Também roda Qwen3 8B a 60+ tok/s. |
| RTX 4080 / RTX 5080 (16 GB) | gpt-oss:20b ou Gemma 4 E12B | Q4_K_M | ~55-65 tok/s | 16 GB é o mínimo para gpt-oss:20b (21B total / 3.6B ativos MoE); deixa margem para janelas de contexto maiores. |
| RTX 4090 / RX 7900 XTX (24 GB) | Denso 32-34B em Q5, ou Llama 4 Scout em 1.78-bit | Q5_K_M / IQ1_S | ~90-100 tok/s (34B) / ~20 tok/s (Scout) | O Llama 4 Scout (17B ativos / 109B total MoE) precisa de ~55 GB em Q4 — só cabe em 24 GB com uma quantização agressiva abaixo de 2 bits. |
| RTX 5090 (32 GB) | Denso 34B em Q8, ou Llama 4 Scout em ~2-bit | Q8_0 / IQ2_XS | ~130-150 tok/s (34B) | Os 8 GB extras em relação à RTX 4090 compram principalmente quantização de maior fidelidade nos mesmos tamanhos de modelo, não acesso a uma classe maior. |
| 2× RTX 4090 (48 GB combinados) | Llama 3.3 70B | Q5_K_M | ~100 tok/s | O ponto de entrada prático para modelos de classe 70B. Uma única RTX 6000 Ada (48 GB) é a alternativa profissional. |
GPUs AMD e Intel: status em abril de 2026
AMD (ROCm): Melhorando e competitiva em preço — a RX 7900 XTX se equipara à RTX 4080. O suporte do driver ROCm exige mais esforço de configuração do que CUDA (abril de 2026, ROCm 6.x) — verifique a lista de compatibilidade atual antes de comprar. Uma boa opção se você preferir o ecossistema AMD.
Melhor modelo para a RX 7900 XTX (24 GB): O mesmo nível de uma RTX 4090 — modelos densos de 32-34B em Q5, ou Llama 4 Scout em quantização agressiva de 1.78-bit — mas via ROCm em vez de CUDA, e tipicamente 10-20% mais lenta na mesma faixa de VRAM.
Intel Arc A770: Lenta demais para uso prático com LLMs. Não recomendada.
Recomendação: Fique com a NVIDIA pela estabilidade e maturidade do ecossistema.
Comparativo histórico: como a potência das GPUs cresceu
Contexto: a velocidade com que o desempenho das GPUs avançou:
| GPU | VRAM | Velocidade (7B) | Preço |
|---|---|---|---|
| RTX 2080 (2019) | 8 GB | 10 tok/s | US$ 700 |
| RTX 3090 (2020) | 24 GB | 25 tok/s | US$ 1.500 |
| RTX 4070 (2022) | 12 GB | 60 tok/s | US$ 600 |
| RTX 4090 (2022) | 24 GB | 150 tok/s | US$ 1.800 |
| RTX 5090 (2026) | 32 GB | 160 tok/s | US$ 2.000 |
Erros comuns ao escolher uma GPU para LLMs locais
Comprar uma GPU com menos VRAM do que o modelo precisa
Um modelo 13B em Q4 precisa de ~8 GB de VRAM. Uma GPU com 6 GB (RTX 4060) forçará offloading para RAM do sistema, reduzindo a velocidade em 50-70%. Sempre verifique os requisitos de VRAM antes de comprar.
Ignorar o custo de energia de longo prazo
Uma RTX 4090 consome 350-450 W sob carga. A US$ 0,15/kWh (EUA), isso custa US$ 394/ano em operação 24/7. Considere o TCO total, não apenas o preço de compra.
Perguntas frequentes
Qual GPU é melhor para LLMs locais em 2026?
RTX 4070 Ti (US$ 600) para melhor custo-benefício. RTX 4090 (US$ 1.800) para máximo desempenho em uma única GPU. Para modelos 70B sem dual-GPU, considere Apple Silicon M5 Max (128 GB de memória unificada).
Posso comprar GPU NVIDIA no Brasil para LLMs?
Sim, mas os preços no Brasil são significativamente mais altos devido a impostos de importação. RTX 4070 Ti custa R$ 4.000-5.500. RTX 4090 pode custar R$ 9.000-14.000. Considere importar dos EUA se possível.
AMD RX 7900 XTX vale para LLMs?
Em abril de 2026, a RX 7900 XTX compete bem em preço com a RTX 4080. O suporte do driver ROCm requer mais esforço de configuração do que CUDA (abril 2026, ROCm 6.x) — verifique a lista de compatibilidade atual antes de comprar. Com 24 GB de VRAM, ela roda os mesmos modelos densos de 32-34B em Q5 que uma RTX 4090, tipicamente 10-20% mais lenta na mesma faixa de VRAM. Uma boa opção para quem prefere o ecossistema AMD.
Qual GPU tem 32 GB de VRAM para LLMs locais em 2026?
A RTX 5090 (32 GB, ~US$ 1.999) é atualmente a única GPU de consumo com 32 GB de VRAM. Os 8 GB extras em relação à RTX 4090 (24 GB) compram principalmente quantização de maior fidelidade nos mesmos tamanhos de modelo — Q8 em vez de Q5 em modelos densos de 34B — não acesso a uma classe de modelo maior. Para modelos de classe 70B sem compressão agressiva, você ainda precisa de 48 GB no total.
A AMD RX 7900 XTX é boa para inferência de LLMs locais?
Sim, para os mesmos tamanhos de modelo que uma RTX 4090 — seus 24 GB de VRAM comportam modelos densos de 32-34B em Q5 e o Llama 4 Scout em quantização agressiva de 1.78-bit. A contrapartida é de software: o ROCm exige mais configuração de drivers e frameworks do que o CUDA (verifique a lista de compatibilidade atual do llama.cpp/Ollama/vLLM antes de comprar), e o throughput de inferência no ROCm normalmente fica 10-20% atrás do CUDA na mesma faixa de VRAM.
Fontes
- Especificações de GPU NVIDIA -- nvidia.com/en-us/geforce
- Banco de dados de GPUs TechPowerUp -- techpowerup.com/gpu-specs
- Benchmarks de desempenho de LLMs -- github.com/vllm-project/vllm/tree/main/benchmarks