Ollama

A performance engineering hub for running LLMs efficiently: runtime behavior, bottlenecks, benchmarks, and the real constraints that shape throughput and latency.

Strategic guide to hosting large language models locally, on consumer hardware, in containers, or in the cloud. Compare tools, performance trade-offs, and cost considerations.

Auto-hospedagem de LLMs mantém os dados, modelos e inferência sob seu controle - um caminho prático para soberania em IA para equipes, empresas e nações.
Aqui: o que é a soberania em IA, quais aspectos e métodos são usados para construí-la, como a auto-hospedagem de LLMs se encaixa, e como países estão abordando o desafio.

Executar modelos de linguagem grandes localmente oferece privacidade, capacidade offline e zero custos de API. Este benchmark revela exatamente o que se pode esperar de 9 populares LLMs no Ollama no RTX 4080.

O ecossistema Go continua a prosperar com projetos inovadores que abrangem ferramentas de IA, aplicações auto-hospedadas e infraestrutura para desenvolvedores. Este resumo analisa os principais repositórios de Go em tendência no GitHub deste mês.

Open WebUI é uma poderosa, extensível e rica em recursos interface web autosservida para interagir com modelos de linguagem grandes.

O
NVIDIA DGX Spark
(GB10 Grace Blackwell) está
agora disponível na Austrália
em grandes varejistas de PCs com estoque local.
Se você tem acompanhado o
preço e disponibilidade globais do DGX Spark,
você ficará interessado em saber que os preços na Austrália variam de $6.249 a $7.999 AUD, dependendo da configuração de armazenamento e do varejista.

Cognee é um framework Python para construir grafos de conhecimento a partir de documentos usando LLMs. Mas funciona com modelos auto-hospedados?

Quando se trabalha com Modelos de Linguagem de Grande Porte em produção, obter saídas estruturadas e com segurança de tipos é crítico. Dois frameworks populares - BAML e Instructor - abordam esse problema de formas diferentes.

Escolher o Melhor LLM para Cognee exige equilibrar a qualidade da construção de gráficos, as taxas de alucinação e as restrições de hardware.
Cognee se destaca com modelos maiores e de baixa alucinação (32B+) via Ollama, mas opções de tamanho médio funcionam para configurações mais leves.

A biblioteca Python do Ollama agora inclui capacidades nativas de pesquisa web do OLLama. Com apenas algumas linhas de código, você pode complementar seus LLMs locais com informações em tempo real da web, reduzindo alucinações e melhorando a precisão.

A API de pesquisa web do Ollama permite que você amplie LLMs locais com informações da web em tempo real. Este guia mostra como implementar capacidades de pesquisa web em Go, desde chamadas simples da API até agentes de pesquisa completos.

Implantação local de LLMs tornou-se cada vez mais popular, à medida que desenvolvedores e organizações buscam maior privacidade, menor latência e maior controle sobre sua infraestrutura de IA.

A democratização da IA está aqui. Com LLMs de código aberto como Llama 3, Mixtral e Qwen agora rivalizando com modelos proprietários, as equipes podem construir infraestrutura poderosa de IA usando hardware de consumo - reduzindo custos enquanto mantêm o controle completo sobre a privacidade dos dados e o deployment.

Fui atrás de alguns testes de desempenho interessantes do GPT-OSS 120b em execução no Ollama em três plataformas diferentes: NVIDIA DGX Spark, Mac Studio e RTX 4080. O modelo GPT-OSS 120b da biblioteca Ollama tem 65GB, o que significa que ele não cabe na VRAM de 16GB de um RTX 4080 (ou no mais novo RTX 5080).

Executar modelos de linguagem grandes (LLMs) localmente tornou-se cada vez mais popular por motivos de privacidade, controle de custos e capacidades offline. O cenário mudou significativamente em abril de 2025, quando o Docker introduziu Docker Model Runner (DMR), sua solução oficial para implantação de modelos de IA.