Existe uma terceira opção entre pagar assinatura de IA e não usar IA nenhuma: rodar o modelo no seu próprio computador. O problema é que, até outro dia, isso significava baixar arquivos de vários gigabytes e lidar com placa de vídeo. Não é mais o caso.

Neste passo a passo você instala, em um computador comum, o LFM3-1.7B — o modelo de texto de 1,73 bilhão de parâmetros que a Liquid AI lançou em 27 de outubro de 2026 — e o coloca para fazer uma tarefa chata de verdade: separar mensagens por assunto. Sem conta, sem cartão, sem internet depois do download.

Versão usada neste tutorial: Ollama 0.40.14 (publicado em 3 de novembro de 2026) e LFM3-1.7B com pesos abertos sob a LFM Open License v1.0. Testado em 5 de novembro de 2026.

O passo a passo em vídeo: instalação, o comando que baixa o modelo e o programa de triagem de mensagens rodando de verdade.

Por que um modelo pequeno resolve o seu problema

A promessa do LFM3 é simples de entender: em vez de um modelo gigante que sabe tudo, um modelo pequeno que faz uma coisa bem feita. A Liquid AI descreve o LFM3-1.7B como feito para “separar, classificar e extrair” — exatamente o tipo de tarefa que você repete toda semana sem perceber: olhar a caixa de entrada, decidir o que é urgente, o que é cobrança, o que é propaganda e o que é conversa.

O que isso significa na prática, em três pontos:

  • Cabe em qualquer lugar. Segundo a fabricante, em precisão de 4 bits ele ocupa cerca de 1 GB de memória — “cabe em qualquer celular ou notebook”.
  • Nada sai do seu computador. O modelo roda na sua máquina. Suas mensagens não passam por servidor nenhum.
  • Não tem mensalidade. Você baixa uma vez e usa quantas vezes quiser.

Passo 1 — Instale o programa que roda a IA

O Ollama é o programa que executa o modelo no seu computador. É gratuito e tem instalador para Windows, Mac e Linux — baixe aqui.

Depois de instalar, confira a versão no terminal (ou no Prompt de Comando, no Windows):

ollama --version
# esperado: ollama version is 0.40.14

Se a versão for anterior à 0.40, o modelo novo não vai ser reconhecido — veja o primeiro erro comum mais abaixo.

Passo 2 — Baixe o modelo (um comando, 1,1 GB)

ollama pull lfm3

São 1,1 GB medidos no download (o número que aparece no catálogo oficial do lfm3 no Ollama é “1,1 GB – 1,7 GB”, dependendo da precisão escolhida). Em uma conexão de fibra levou menos de meio minuto; numa conexão lenta, conte alguns minutos.

Passo 3 — Teste antes de escrever qualquer código

Com o modelo baixado, dá para conversar com ele direto no terminal:

ollama run lfm3 "Quanto é 17% de 2340? Responda só o número."
# resposta que recebemos: 397.8

O teste que fizemos aqui acertou a conta. Guarde esse detalhe: acertar uma conta curta não significa que ele acerta conta longa — voltamos a isso no fim.

Passo 4 — Use a IA dentro de um programa seu

Aqui está a parte que muda tudo para quem não é programador: quando o Ollama está rodando, ele abre um endereço na sua própria máquina, o http://localhost:11434. Qualquer programa que saiba pedir uma página na internet consegue pedir uma resposta à IA — sem chave, sem senha, sem cadastro. A documentação do endereço de conversa está em docs.ollama.com/api/chat.

O exemplo abaixo é o programa que aparece no vídeo. Ele não tem nada de especial: pega cinco mensagens, pede a classificação em português e imprime a resposta.

"""Separa mensagens por assunto usando uma IA que roda no seu computador."""

import json
import os
import urllib.error
import urllib.request

ENDERECO = os.environ.get("OLLAMA_URL", "http://localhost:11434")
MODELO = "lfm3"

MENSAGENS = [
    "Mãe: chegou a encomenda? preciso do remédio hoje",
    "Loja: ÚLTIMAS HORAS 70% OFF, clique aqui",
    "Cliente: preciso de um orçamento para pintar 3 salas",
    "Banco: seu PIX de 320 reais foi enviado",
    "Vizinha: você ficou com a minha chave?",
]

PEDIDO = (
    "Classifique cada mensagem em uma destas categorias: "
    "urgente, dinheiro, compra, pessoal, spam. "
    'Responda apenas com JSON: [{"id": 1, "categoria": "...", "resumo": "..."}]'
)


def perguntar(texto):
    corpo = json.dumps(
        {
            "model": MODELO,
            "stream": False,
            "messages": [{"role": "user", "content": texto}],
        }
    ).encode()
    pedido = urllib.request.Request(
        ENDERECO + "/api/chat",
        data=corpo,
        headers={"Content-Type": "application/json"},
    )
    with urllib.request.urlopen(pedido, timeout=120) as resposta:
        return json.load(resposta)["message"]["content"]


lista = "\n".join(f'{i + 1}. "{m}"' for i, m in enumerate(MENSAGENS))
print(perguntar(PEDIDO + "\n\n" + lista))

Salve como triagem.py e rode:

python3 triagem.py

Resultado real da nossa execução (nenhum ajuste depois):

[
  {"id": 1, "categoria": "urgente", "resumo": "Mãe perguntou se a encomenda chegou e precisa do remédio hoje."},
  {"id": 2, "categoria": "compra", "resumo": "Loja anunciou últimas horas com 70% off, convite para clicar e comprar."},
  {"id": 3, "categoria": "compra", "resumo": "Cliente pediu orçamento para pintar 3 salas."},
  {"id": 4, "categoria": "dinheiro", "resumo": "Banco informou que o PIX de 320 reais foi enviado."},
  {"id": 5, "categoria": "pessoal", "resumo": "Vizinha perguntou se eu fiquei com a chave."}
]

Repare na estrutura: uma lista, um assunto e um resumo por mensagem. Isso é o que permite ligar a saída a uma planilha, a um filtro de e-mail ou a uma pasta — sem você abrir cada mensagem.

O que anunciam × o que medimos

É aqui que este tutorial se separa de release de fabricante. Todos os números abaixo saíram de execução própria, em 5 de novembro de 2026, com o modelo recém-baixado.

  • Memória: a fabricante anuncia “cerca de 1 GB em 4 bits”. Medido: o download é de 1,1 GB, o processo que carrega o modelo ocupou 1,1 GB de memória com 32 mil tokens de contexto, e o próprio Ollama reporta 1,3 GB (modelo + esse contexto). Ou seja: a promessa de “mais ou menos 1 GB” se confirma, com 10% a 30% de folga para cima.
  • Velocidade com placa de vídeo: 510 palavras por segundo (437 tokens em 0,86 s) numa placa de vídeo de desktop. Um texto de 400 palavras sai em menos de um segundo.
  • Velocidade sem placa de vídeo: forçamos o modelo a rodar só no processador, como num notebook comum. Resultado: 13,7 palavras por segundo — 630 tokens em 45,8 s. Dá para usar, mas não espere resposta instantânea.
  • Primeira execução: 4,5 s só para carregar o modelo na memória, no modo sem placa de vídeo. As execuções seguintes começam na hora.
  • Acerto na tarefa: rodamos a triagem duas vezes com as mesmas cinco mensagens. Nas duas, quatro das cinco classificações ficaram como esperávamos — e nas duas a promoção “70% OFF” foi para a caixa compra, e não para spam. É o erro que se repete, e por isso vale saber: propaganda com cara de oferta engana este modelo.

O que este modelo não faz

Sendo honesto sobre o limite, porque é o que evita frustração: no próprio cartão do modelo no Hugging Face, a Liquid AI escreve que ele não é recomendado para programação nem para raciocínio longo em várias etapas, e que para tarefas de conhecimento você deve usar busca ou recuperação de documentos junto.

Na prática, o que vimos:

  • Resumir e classificar: bem, inclusive em português.
  • Conta curta: acertou 17% de 2.340 (397,8).
  • Português: vez ou outra escorrega para o português de Portugal (“o tonal azul”, “até nos olhos”). Não é erro seu, é o modelo sendo multilíngue.
  • Fato recente: não conte com ele para saber o que aconteceu este mês. Modelo baixado não tem notícia dentro.

Erros comuns no caminho (e como sair deles)

“Este modelo exige uma versão mais nova do Ollama”

Foi o primeiro erro que apareceu aqui, no computador desta redação, que tinha uma instalação antiga. A mensagem é This model requires a newer version of Ollama. O LFM3 usa uma arquitetura nova (tri-hybrid) que só é reconhecida a partir da linha 0.40. Solução: baixe o instalador atual em ollama.com/download e confirme com ollama --version.

Erro 404 ao chamar a IA pelo programa

Aconteceu nas nossas primeiras tentativas: o programa pedia o modelo lfm3 e recebia HTTP Error 404, porque o que estava baixado era a variante de precisão lfm3:1.7b. O nome do modelo tem de ser exatamente o que aparece em ollama list. Se o seu programa usar lfm3, rode ollama pull lfm3; se usar lfm3:1.7b, baixe essa variante.

O programa trava e não devolve nada

Quase sempre é porque o Ollama não está rodando. Confira com ollama list: se ele não responde, abra o Ollama (ou rode ollama serve) e tente de novo. Um bom programa trata isso com uma mensagem clara em vez de travar — é o que fazemos no exemplo do vídeo.

Ele demora muito no notebook

Não é bug: é o modelo rodando no processador. Se a tarefa for grande, use uma máquina com placa de vídeo ou quebre o trabalho em lotes menores.

Vale a pena para você?

Se a sua dor é organizar, classificar, resumir ou extrair informação de um monte de texto — mensagens, currículos, notas de reunião, avaliações de cliente — um modelo de pouco mais de um giga resolve, de graça, offline e sem mandar dado sensível para fora. Se a sua dor é ter alguém que raciocina por você ou escreve código, este não é o modelo: para isso você precisa de um modelo maior (e aí a conversa é outra).

O bom de um modelo de 1 GB é que errar custa pouco: você baixa, testa na sua própria tarefa em vinte minutos e decide com número na mão, em vez de decidir pelo folheto.

Referências