Pular para o conteúdo principal
PromptQuorumFeito para humanos. Estruturado para IA.
Início/LLMs locais avançados
Overview & Reference

Análise do RAMen: memória de sessão local para o llama.cpp, com plano grátis

·6 min de leituraPor Hans Kuepper · Fundador do PromptQuorum · Mecanismo de descoberta de IA de pesos abertos e código aberto

O RAMen (versão 1.0.0, lançada em 6 de novembro de 2026) é uma camada local proprietária sobre o llama.cpp que salva cada chat no disco para que, segundo o criador, ele reabra em segundos, com plano gratuito e planos pagos. O alerta decisivo é que todos os números de velocidade vêm dos testes do próprio criador e a PromptQuorum não executou o software.

Principais conclusões

  • Manutenção: a versão 1.0.0 foi publicada em 6 de novembro de 2026, o dia desta análise, então não há aviso de projeto parado e o produto ainda não tem histórico.
  • Custo: um plano gratuito com memória limitada, mais assinaturas pagas e uma oferta vitalícia de lançamento.
  • Instalação: um comando de uma linha no terminal em todos os sistemas; não há instalador de clique duplo nem listagem em loja de apps.
  • Dados: segundo o criador, nada sai da sua máquina além da instalação, dos downloads de modelos e da verificação de licença dos planos pagos.

📍 Em uma frase

O RAMen é uma camada proprietária de linha de comando sobre o llama.cpp que salva chats de IA local no disco e, segundo o criador, acelera conversas longas, com plano gratuito.

💬 Em termos simples

Você instala com um comando, inicia o programa e aponta o seu agente de programação ou app de chat para ele; o RAMen lembra cada conversa, então você não espera o modelo reler tudo depois de uma reinicialização.

📌Nota: Esta análise se baseia em getramenai.com, na política de privacidade e no contrato de licença, nos scripts de instalação e nos dados de versões do GitHub, conferidos em 6 de novembro de 2026. A PromptQuorum não instalou, executou nem mediu o desempenho do RAMen, então velocidade, estabilidade e qualidade das respostas não foram avaliadas.

Ler em:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

Revisado pelo fundador. O fundador do RAMen revisou a precisão das especificações técnicas e da descrição deste registro. A análise em si continua sendo conteúdo editorial independente da PromptQuorum.

O RAMen é uma camada proprietária de linha de comando da NEOTECH Inc. que executa modelos locais com a sua própria versão do llama.cpp, salva cada sessão de chat e de agente no disco para que ela reabra em segundos após uma reinicialização e, segundo o criador, mantém conversas longas rápidas. Ele roda em Macs com Apple silicon, no Windows 10 e 11 e no Linux, expõe uma API compatível com a da OpenAI e tem um plano gratuito. Esta análise mostra o que você instala, quanto custa, para onde vão os seus dados e quais afirmações se apoiam apenas nas medições do próprio criador.

Análise do RAMen: memória de sessão local para o llama.cpp, com plano grátis

O que é o RAMen?

O RAMen é um gerenciador de sessões de IA local, feito pela NEOTECH Inc., que fica na frente do llama.cpp, o motor de código aberto sobre o qual rodam a maioria das ferramentas de modelos locais. Ele traz a sua própria versão do llama.cpp (licença MIT) com duas adições: salva no disco a memória de trabalho do modelo (o KV cache) de cada conversa e a restaura quando a conversa continua, e lê apenas as partes de uma conversa longa que importam para cada nova palavra.

A página de funcionamento do criador observa que o llama.cpp já tem salvamento e restauração de slots e que ferramentas pequenas automatizam isso; a proposta do RAMen é fazer isso automaticamente para todas as sessões, com verificações de que um cache salvo corresponde ao modelo e às configurações. O software é de código fechado, sob um contrato de licença proprietário; o repositório público no GitHub só hospeda os pacotes de download.

Onde obter

O RAMen é instalado pelo terminal, com um comando por sistema; os pacotes ficam hospedados no GitHub Releases e não há instalador gráfico.

Opção
Como obter
Mac (Apple silicon)Terminal: curl -fsSL https://getramenai.com/install.sh | bash
Linux (x64)Mesmo comando; escolhe a versão NVIDIA quando o nvidia-smi funciona e, caso contrário, a versão para CPU
Windows 10/11 (x64)PowerShell: irm https://getramenai.com/install.ps1 | iex
Download manualRAMen no GitHub Releases, .tar.gz ou .zip com checksums .sha256
CelularNenhum app para iPhone ou Android é mencionado
Sitegetramenai.com
Política de privacidadePolítica de privacidade do RAMen; Contrato de licença

Versão analisada: 1.0.0 (6 de novembro de 2026). É necessário um terminal: depois da instalação, ramen start baixa um modelo, se você não tiver nenhum, e inicia o RAMen em segundo plano. O instalador adiciona ~/.ramen/bin ao PATH do seu shell e guarda os chats salvos em ~/.context-engine; rm -rf ~/.ramen remove o programa.

Requisitos

O criador não informa valores mínimos de RAM, disco nem versão do sistema; a página diz apenas que você precisa de um computador que rode o llama.cpp.

Mac

O que as fontes dizem:
Somente Apple silicon (M1 ou mais novo); o instalador recusa Macs com Intel

Windows

O que as fontes dizem:
Windows 10 e 11, 64 bits; versão para CPU, com uma versão NVIDIA quando uma GPU NVIDIA é detectada

Linux

O que as fontes dizem:
Somente x64, versão para CPU ou NVIDIA; por enquanto o instalador recusa Linux em ARM

Ganho de velocidade em chats longos

O que as fontes dizem:
Exige uma placa NVIDIA RTX série 20 ou mais nova, ou um Mac com Apple silicon; não é afirmado para máquinas só com CPU

Modelos

O que as fontes dizem:
Qualquer modelo GGUF, ou um que o RAMen escolhe e baixa; as licenças dos modelos são as dos próprios criadores deles

Conta

O que as fontes dizem:
Nenhuma no plano gratuito; os planos pagos usam uma chave de licença da loja Polar

Como começar

Os passos seguem as páginas do criador; a PromptQuorum não os executou.

  1. 1
    Execute o instalador
    Why it matters: Use o comando de uma linha do seu sistema; os scripts baixam um pacote e verificam o checksum SHA-256 dele antes de instalar.
  2. 2
    Inicie o RAMen
    Why it matters: `ramen start` encontra um modelo que caiba no seu computador, baixa do Hugging Face e roda em segundo plano, ou então você aponta para um arquivo GGUF que já tem.
  3. 3
    Conecte os seus apps
    Why it matters: `ramen connect cline` (ou continue, aider, opencode, open-webui) configura a ferramenta; qualquer app que fale a API da OpenAI pode usar o endpoint local.
  4. 4
    Ative um plano pago só se quiser
    Why it matters: `ramen activate YOUR-KEY` libera os recursos pagos; `ramen deactivate` libera um dos computadores de uma chave.

Recursos confirmados pelas fontes

Cada item abaixo é a descrição do criador; os números de velocidade e de qualidade são medições do próprio criador, não testes independentes.

  • Memória de sessão. O KV cache de cada conversa é salvo no disco enquanto você trabalha e restaurado quando a conversa continua, mesmo após uma reinicialização; vários chats e agentes compartilham alguns slots ativos da GPU e os demais esperam no disco. O criador relata que um chat de 70.082 tokens em um Mac mini M2 Pro com Qwen3 4B reabriu em 3.7 segundos, em vez de uma releitura de 12 minutos e 47 segundos.
  • Leitura seletiva. Em vez de ler toda a memória a cada nova palavra, o RAMen guarda um resumo de cada bloco e lê o equivalente a cerca de 8.000 tokens, mais o início e a parte mais recente da conversa, com base em uma técnica que, segundo o criador, se apoia em pesquisas sobre atenção esparsa sensível à consulta (Quest, 2024). Ela só liga sozinha acima de um tamanho em que é mais rápida na sua máquina, entre 16K e cerca de 43K tokens.
  • Benchmark do fabricante. Em uma NVIDIA RTX A6000 com Qwen3 32B e uma conversa de 87K tokens, o criador mediu 20.4 tokens por segundo contra 8.4 do llama.cpp normal e, em uma NVIDIA L4 com Qwen3 4B a 128K tokens, 42.2 contra 9.1; o ganho é pequeno abaixo de aproximadamente 30K a 40K tokens em uma placa NVIDIA rápida.
  • Vários agentes, uma GPU. Alternar entre agentes retoma cada um de onde parou; o criador cita 99.7 por cento do histórico de cada agente reaproveitado quando três agentes compartilham uma GPU.
  • Limites que o criador informa. A leitura seletiva acelera a escrita, não a primeira leitura de um prompt longo novo; ela ainda não se combina com modelos de rascunho (speculative decoding); modelos com janela deslizante ganham pouca velocidade.

Planos e preços

O RAMen tem um plano gratuito e assinaturas pagas vendidas pela loja Polar; toda instalação começa com 14 dias de todos os recursos, sem precisar de cartão.

Gratuito

Preço:
US$ 0, sem data de término
O que inclui:
Lembra dos últimos 3 chats, um chat por vez; funciona com os seus apps

Pro

Preço:
US$ 3,99 por mês ou US$ 29 por ano
O que inclui:
Lembra de todos os chats e sessões de agentes, vários agentes em uma GPU, chats longos mantidos rápidos, até 3 computadores

Team

Preço:
US$ 9,99 por pessoa por mês, a partir de 3 pessoas
O que inclui:
Pro para toda a equipe, licenças transferíveis, suporte prioritário por e-mail

Server

Preço:
US$ 149 por servidor por mês
O que inclui:
Uma máquina com GPU atendendo uma equipe, uma chave por pessoa, uso por pessoa, métricas do Prometheus

Enterprise

Preço:
Sob consulta
O que inclui:
Licenças offline para máquinas sem internet, faturas, ordens de compra, um contrato de suporte

O site também anuncia uma oferta de lançamento, o Pro vitalício por US$ 19,99, pagos uma única vez, para os primeiros 1.000 compradores. Os preços são em dólares americanos e os impostos sobre a venda são tratados no checkout; confirme-os no site do criador antes de comprar. Se uma licença paga terminar, o contrato de licença diz que o RAMen continua no plano gratuito.

Fluxo de dados e privacidade

A política de privacidade (em vigor desde 6 de novembro de 2026) diz que o RAMen roda no seu computador e que os seus prompts, arquivos, conversas e modelos ficam lá. Ela lista o que o RAMen envia: nos planos pagos, na inicialização, a chave de licença, o identificador da loja e um rótulo anônimo da máquina (a plataforma mais um código curto derivado da máquina, nunca o nome dela) ao provedor de pagamentos Polar; e, quando ramen start baixa um modelo, uma conexão com o Hugging Face, que vê o seu endereço de internet e o arquivo solicitado. A política afirma que não há análise de uso, relatório de falhas nem rastreamento no software.

O site conta as visitas com o Cloudflare Web Analytics, sem cookies, e é hospedado no GitHub Pages. As compras passam pela Polar, que repassa ao criador o seu nome, e-mail, país e o que você comprou. O formulário de lembrete de lançamento no site guarda o seu e-mail na Cloudflare. A página inicial diz que o software continua funcionando offline entre as verificações de licença, e o plano Enterprise oferece licenças offline.

📌Nota: Estas são afirmações do criador, não resultados de auditoria, e a PromptQuorum não inspecionou o tráfego de rede. O software é de código fechado, então as afirmações não podem ser conferidas no código.

Para quem é

  • Quem usa agentes de programação como Cline, Continue, Aider ou OpenCode com um modelo local e perde tempo quando uma sessão longa precisa ser relida após uma reinicialização.
  • Quem tem uma máquina com NVIDIA RTX ou Apple silicon e trabalha com conversas muito longas, onde o criador relata os maiores ganhos.
  • Compradores cautelosos que querem testar um plano gratuito e um teste de 14 dias antes de pagar qualquer coisa.

O que não conseguimos verificar

  • Velocidade e qualidade. Todos os números de benchmark e a afirmação de respostas idênticas vêm do criador; a PromptQuorum não fez testes e não encontrou medições independentes.
  • Maturidade. A versão 1.0.0 é o primeiro lançamento público, e o lançamento do produto no Product Hunt está anunciado para 8 de novembro de 2026, então não há histórico de longo prazo sobre estabilidade ou suporte.
  • Código e auditoria. Não há código-fonte público do RAMen nem auditoria de terceiros; o contrato de licença proíbe engenharia reversa, exceto onde a lei permitir.
  • Requisitos. Não são publicados valores mínimos de RAM, disco nem versões do sistema, e não há suporte a Macs com Intel, Linux em ARM nem a celulares.
  • Detalhes da licença. A verificação de licença dos planos pagos foi descrita, mas o tráfego exato dela não foi examinado.

Concorrentes e alternativas

llama.cpp

Plataformas:
Mac, Windows, Linux
Preço / licença:
Grátis / MIT
Principal diferença:
O motor de código aberto sobre o qual o RAMen é construído; salvar e restaurar slots é manual
Artigos sobre llama.cpp (9)

+176 mais não exibidos

Ollama

Plataformas:
Mac, Windows, Linux
Preço / licença:
Grátis / MIT
Principal diferença:
Executor de modelos de código aberto com biblioteca de modelos e API local
Artigos sobre Ollama (10)

+333 mais não exibidos

KoboldCpp

Plataformas:
Mac, Windows, Linux
Preço / licença:
Grátis / AGPL-3.0
Principal diferença:
Fork do llama.cpp em um único arquivo, com interface de chat e de escrita embutida
Artigos sobre KoboldCpp (10)

+5 mais não exibidos

Confirme o preço, a licença e as plataformas de cada app na página dele antes de escolher.

Comparar no diretório

Perguntas frequentes

A leitura seletiva muda as respostas que o modelo dá?

O criador diz que, quando a seleção cobre a conversa inteira, o RAMen escreve exatamente o mesmo texto que a atenção normal, e que deu as mesmas respostas que a atenção completa em 54 de 54 testes com documentos longos, de 16K a 64K tokens. Esses são testes do próprio criador e não foram conferidos de forma independente.

O que acontece com os meus chats salvos se eu parar de pagar?

O RAMen continua no plano gratuito, que mantém os 3 chats salvos usados mais recentemente e apaga do disco as cópias salvas mais antigas à medida que novos chats são salvos (o criador confirmou isso ao PromptQuorum em 6 de novembro de 2026). As conversas em si continuam no seu app, porque o RAMen salva a memória de trabalho do modelo, não o texto do chat; um chat mais antigo ainda funciona, apenas é lido de novo desde o início, como no llama.cpp puro.

O RAMen funciona offline?

O criador diz que ele funciona offline depois que um modelo está no disco, e que os planos pagos continuam funcionando entre as verificações de licença. A primeira instalação e qualquer download de modelo precisam de conexão com a internet.

O RAMen é feito pela equipe do llama.cpp?

Não. A NEOTECH Inc. faz o RAMen e diz que ele é construído sobre o llama.cpp, que acompanha a sua licença MIT; o projeto llama.cpp em si é um projeto de código aberto separado.

Veredito

O RAMen oferece uma camada proprietária sobre o llama.cpp, com teste gratuito, que salva chats no disco, retoma sessões de agentes em segundos e, segundo as medições do criador, acelera conversas muito longas em máquinas com NVIDIA RTX e Apple silicon. Em contrapartida, é um primeiro lançamento sem histórico, só se instala pelo terminal, é de código fechado, os planos pagos contatam um servidor de licenças na inicialização e todos os números de desempenho são do próprio criador. Ele serve para quem usa chats locais longos ou agentes de programação e quer testá-lo no plano gratuito; quem precisa de privacidade auditada ou de afirmações de velocidade verificadas deve esperar por resultados independentes.

Fontes

← Voltar para LLMs locais avançados

MCP