Melhores modelos de IA pequenos e para uso no dispositivo de 2026

Das 14 opções de modelos de IA pequenos e para uso no dispositivo que analisamos, as melhores no momento são Gemma 4, Ministral 3 (3B, 8B and 14B) e LFM3. Cada uma aparece pela nossa nota, com preço, nosso veredito e para quem é indicada.

Por Andrew Miller · Atualizado em 2 de nov. de 2026 · Como avaliamos

Como montamos o ranking: pela nossa nota (máximo 5), com base em análises feitas a partir dos preços, da documentação e das políticas de cada produto, além de benchmarks independentes quando existem, cada uma verificada na data indicada na análise. Não recebemos comissão de afiliados.

1
Gemma 4
O Gemma 4 é agora a família aberta padrão abaixo de 32B parâmetros, porque sua licença finalmente está à altura da sua qualidade.
Ideal para: Desenvolvedores que constroem apps no dispositivo, locais ou de uma só GPU e querem uma licença permissiva e entrada multimodal.
Preço: Pesos gratuitos sob Apache 2.0. Hospedado no Google Cloud e em terceiros; o OpenRouter lista o 31B a $0,20/$0,40 e o 26B A4B a cerca de $0,08/$0,26 por 1M de tokens.
Leia nossa análise de Gemma 4
4.4/5
2
Ministral 3 (3B, 8B and 14B)
Uma família completa de modelos pequenos sob uma licença limpa, com raciocínio e visão em todos os tamanhos; o Qwen ainda o supera por pouco em várias das comparações da própria Mistral.
Ideal para: Equipes que precisam de um modelo pequeno, de licença permissiva e com visão para notebooks, dispositivos de borda ou inferência hospedada barata.
Preço: Pesos abertos sob Apache 2.0. API da Mistral: 14B US$ 0,20, 8B US$ 0,15, 3B US$ 0,10 por 1M de tokens, o mesmo para entrada e saída; batch pela metade do preço.
Leia nossa análise de Ministral 3 (3B, 8B and 14B)
4.1/5
3
LFM3
Seis modelos de 2B capazes que cabem em cerca de um gigabyte cada, de agentes a fala e decisões tipadas, sob uma licença que ainda para em US$ 10 milhões de receita.
Ideal para: Desenvolvedores e empresas com menos de US$ 10 milhões de receita que constroem agentes no dispositivo, recursos de voz ou classificadores rápidos que precisam rodar em um celular, um notebook ou uma GPU.
Preço: Pesos gratuitos sob a LFM Open License (uso comercial só abaixo de US$ 10M de receita anual). API da Liquid, segundo a VentureBeat a partir do console com login: LFM3-1.7B US$ 0,08 entrada / US$ 0,20 saída por 1M de tokens; VL US$ 0,10 / US$ 0,50; Audio e Omni US$ 0,10 / US$ 1,00 mais tokens de áudio. Decisões d1 hospedadas a US$ 0,02 por 1M de entrada, saída grátis.
Leia nossa análise de LFM3
4.0/5
4
MiniCPM5-2B
Um modelo de 2B que chama ferramentas e corrige código como um de 4B, e sabe visivelmente menos do que um.
Ideal para: Desenvolvedores que colocam assistentes de chamada de ferramentas ou de programação em celulares, laptops e hardware de borda, e pesquisadores que querem um treino de modelo pequeno totalmente documentado.
Preço: Pesos e dados de treino gratuitos sob Apache 2.0.
Leia nossa análise de MiniCPM5-2B
4.0/5
5
Ternary Bonsai 2 9B
O Bonsai 2 9B coloca um modelo de visão capaz de nove bilhões de parâmetros na memória de um celular, e devolve boa parte do que custa em trabalho com muito raciocínio.
Ideal para: Desenvolvedores que lançam um assistente local ou ajudante de programação em celulares, notebooks ou GPUs de 6 GB, onde a memória importa mais que os últimos pontos de raciocínio.
Preço: Grátis sob Apache 2.0. Hospedado no console Darkbloom; preços não publicados.
Leia nossa análise de Ternary Bonsai 2 9B
4.0/5
6
Nemotron 3.5 Bolt (74B-A9B 24GB and E4B 4GB)
O 74B leva uma pontuação entre as cinco melhores abaixo de 100B a uma única GPU de workstation, mas os 24GB do nome são um orçamento de pesos, não a placa de que você precisa.
Ideal para: Engenheiros com uma GPU NVIDIA de 32 GB ou mais, ou um RTX ou DGX Spark, que querem um modelo local multimodal competente para agentes, e fabricantes de dispositivos que constroem assistentes de voz em Jetson ou RTX.
Preço: Pesos abertos gratuitos sob OpenMDW-1.1. Nenhum preço de API por uso publicado para nenhum dos dois; o E4B tem um endpoint no build.nvidia.com.
Leia nossa análise de Nemotron 3.5 Bolt (74B-A9B 24GB and E4B 4GB)
3.9/5
7
gpt-oss-20b
Catorze meses depois, o gpt-oss-20b ainda é o modelo de raciocínio competente mais barato de hospedar, mas o Gemma 4 agora faz mais nos mesmos 16GB.
Ideal para: Desenvolvedores que querem um modelo de raciocínio gratuito, privado e rápido em um notebook ou em uma única GPU de consumo, e não precisam de entrada de imagem.
Preço: Pesos gratuitos sob Apache 2.0. Hospedado a partir de $0,018 de entrada / $0,09 de saída por 1M de tokens no OpenRouter; a Artificial Analysis lista $0,07 / $0,25.
Leia nossa análise de gpt-oss-20b
3.8/5
8
LFM2.5-24B-A2B
Um modelo de agente do tamanho de um notebook que supera o Qwen3.6-35B-A3B em testes de ferramentas, freado por uma licença que para em US$ 10 milhões de receita.
Ideal para: Desenvolvedores e empresas menores que rodam agentes com chamadas de ferramenta em notebooks ou em uma única GPU, que ficam abaixo da linha de US$ 10 milhões de receita ou usam uma API hospedada.
Preço: Pesos gratuitos sob a LFM Open License (uso comercial só abaixo de US$ 10M de receita anual). Liquid Console: US$ 0,10 entrada / US$ 1,00 saída por 1M de tokens; OpenRouter: US$ 0,05 / US$ 0,70.
Leia nossa análise de LFM2.5-24B-A2B
3.8/5
9
humanizer (12B)
Incomumente bem documentado e melhor em preservar fatos do que um prompt, mas uma em cada dez reescritas em inglês ainda muda alguma coisa, e sua pontuação de destaque depende de um detector que pode mudar amanhã.
Ideal para: Pessoas que escrevem rascunhos com IA e querem que o resultado soe como a própria escrita, na própria máquina, e que vão revisar números e nomes antes de enviar.
Preço: Gratuito sob Apache 2.0: pesos, arquivos GGUF, app de desktop e CLI. Sem serviço hospedado.
Leia nossa análise de humanizer (12B)
3.7/5
10
Spark-X2.6-4B
No gráfico da própria iFlytek, o Spark-X2.6-4B é o modelo de agente de 4B mais forte até agora, mas nada disso foi verificado de fora, e duas das suas maiores vitórias vêm de benchmarks que só a iFlytek viu.
Ideal para: Desenvolvedores que constroem agentes locais em notebooks ou dispositivos de borda, podem verificar as alegações nas próprias tarefas e estão livres para usar um modelo da iFlytek.
Preço: Gratuito sob Apache 2.0; roda no seu próprio hardware. Nenhum preço hospedado para o modelo de 4B publicado.
Leia nossa análise de Spark-X2.6-4B
3.7/5
11
Limite 1B - Violetto
Matemática notável por parâmetro, inútil fora da matemática e, até agora, avaliado só por quem o fez.
Ideal para: Pesquisadores e equipes de tecnologia educacional que precisam de muitas soluções de matemática de competição a baixo custo e conseguem verificar as respostas automaticamente.
Preço: Pesos abertos gratuitos sob Apache 2.0. Sem API hospedada; você paga só pela sua própria GPU.
Leia nossa análise de Limite 1B - Violetto
3.6/5
12
Needle 3
Um modelo crível de comandos para celular em um tamanho que nada mais alcança, vendido com uma promessa mais ampla do que os próprios gráficos sustentam.
Ideal para: Fabricantes de dispositivos e apps com um conjunto pequeno e fixo de ações que vão fazer fine-tuning de um modelo para rodar offline em hardware muito limitado.
Preço: Pesos abertos gratuitos sob Apache 2.0; engines pré-compilados com download gratuito. A Cactus Platform vende pós-treinamento em 2 bits, datasets e fine-tunes completos; os preços não são publicados.
Leia nossa análise de Needle 3
3.6/5
13
Underdog Saluki 27B 1.0
O Qwen3.8-27B de 2 bits para rodar quando a chamada de ferramentas importa mais que a matemática, desde que você trate as notas da Underdog como promessa e não como medição.
Ideal para: Desenvolvedores que rodam um agente local com chamada de ferramentas em um notebook de 16 GB ou em uma única GPU de consumo e aceitam uma perda em matemática e raciocínio.
Preço: Pesos grátis sob Apache 2.0. Sem preço de API hospedada; você paga pelo próprio hardware, ou o usa dentro do app Underdog.
Leia nossa análise de Underdog Saluki 27B 1.0
3.6/5
14
SmolLM3-3B
O SmolLM3 é mais uma execução de treinamento com paredes de vidro do que um produto: imbatível para aprender como se faz um modelo de 3B, superado para lançar um.
Ideal para: Pesquisadores e educadores que querem um modelo pequeno e totalmente reproduzível para estudar ou fazer fine-tuning.
Preço: Pesos gratuitos sob Apache 2.0, com a receita de dados de treinamento e os checkpoints publicados. Sem API hospedada nos próprios Inference Providers do Hugging Face.
Leia nossa análise de SmolLM3-3B
3.5/5