Desktop da Framework com 192 GB mostra por que a memória unificada importa para LLMs locais

A próxima configuração do Framework Desktop mira um gargalo específico da inteligência artificial local: colocar modelos de linguagem grandes na memória sem depender de uma placa de vídeo dedicada. O sistema combina o AMD Ryzen AI Max+ PRO 495, de 16 núcleos, com até 192 GB de memória unificada LPDDR5X-8533 e largura de banda de 273 GB/s. Em paralelo, um experimento separado da Microsoft no Windows 11 pode tornar sistemas desse tipo mais fáceis de administrar — mas ainda não foi finalizado nem anunciado oficialmente.

Juntos, os dois movimentos indicam uma mudança mais ampla no desenho dos PCs. À medida que modelos maiores passam a rodar localmente, capacidade e largura de banda da memória se tornam tão importantes quanto o processador. Isso não significa, porém, que a IA na nuvem esteja desaparecendo.

O que o Desktop da Framework oferece

A configuração de ponta prevista pela Framework usa o Ryzen AI Max+ PRO 495, um processador Zen 5 com 16 núcleos e 32 threads, gráficos Radeon integrados e uma NPU XDNA 2. A empresa lista 192 GB de memória LPDDR5X unificada a 273 GB/s — um aumento de 50% na capacidade em relação à configuração anterior com Ryzen AI Max+ 395 e de 6,6% na largura de banda, que era de 256 GB/s. 12316

Como CPU e GPU integrada compartilham o mesmo conjunto físico de memória, a Framework afirma que até 160 GB podem ser atribuídos à iGPU. Esse é o principal atrativo para quem quer rodar LLMs localmente: uma parcela maior dos pesos do modelo pode permanecer em uma única máquina, em vez de ser dividida entre uma VRAM dedicada limitada e uma memória do sistema mais lenta. 110

Há uma contrapartida. Os 273 GB/s são uma cifra expressiva para um PC compacto, mas ficam bem abaixo da largura de banda de alguns sistemas avançados com memória unificada. Um modelo caber na memória não significa que ele será executado rapidamente — especialmente quando o tamanho do contexto, os aplicativos do dia a dia ou vários usuários disputam a mesma largura de banda.

Quais modelos ele consegue executar?

A Framework demonstrou o sistema rodando localmente uma versão quantizada em Q8 do DeepSeek V4-Flash, ainda com espaço disponível para o contexto, segundo a cobertura da prévia da empresa. 714 Outro relatório descreve a configuração de 192 GB como capaz de manter na memória um modelo com aproximadamente 284 bilhões de parâmetros. Essa informação deve ser entendida como uma indicação de capacidade, não como um benchmark independente de velocidade de geração. 4

A quantização é fundamental nesse cenário. Representações com menos bits reduzem a memória necessária para armazenar os pesos, mas o requisito final também depende da arquitetura do modelo, da sobrecarga do runtime, da janela de contexto e dos demais aplicativos em execução. A capacidade define o que pode ser carregado; a largura de banda, o software e o poder computacional determinam quão prático será usá-lo.

O que o experimento do Windows 11 pode mudar

A Microsoft estaria testando internamente um recurso do Windows 11 chamado “IntelligentCarveout”, presente na versão experimental 29648.1000. Strings encontradas nessa compilação fazem referência a “memória reservada para aceleradores” e “memória para gráficos e aceleração de IA”. A ideia aparente é permitir que o Windows reserve uma parte definida da memória unificada para aplicações gráficas e de IA, em vez de deixar todo o conjunto sujeito apenas à alocação dinâmica. 333435

Isso pode ser útil em máquinas nas quais os aplicativos do Windows e o runtime de IA disputam a mesma memória. Uma região reservada daria ao sistema de execução do modelo um acesso mais previsível e poderia ajudar a evitar falhas de alocação causadas por outros programas.

Mas o IntelligentCarveout não acrescenta RAM, não acelera o barramento de memória e não cria um novo acelerador de IA. A memória reservada também deixa de estar disponível para os aplicativos comuns. Portanto, destinar mais espaço à IA reduz o total disponível para o Windows. A Microsoft ainda não confirmou a interface final, o hardware compatível, o cronograma de lançamento ou sequer se o recurso será disponibilizado. 364044

Expansão, sistemas operacionais e compatibilidade

O Framework Desktop é apresentado como um PC compacto mais modular e reparável do que muitos concorrentes. A configuração futura também deve manter um slot PCIe x4 aberto, permitindo adicionar hardware de expansão compatível. 13

A memória, contudo, é outra história. Os 192 GB de LPDDR5X ficam soldados à placa, em vez de usarem módulos DIMM substituíveis pelo usuário. Na prática, o comprador deve considerar a capacidade escolhida como fixa. Um salto para uma configuração maior provavelmente exigiria a troca da placa-mãe, não uma atualização convencional de RAM. 13

A Framework lista usos com Windows e Linux, incluindo a opção de pré-instalação do Linux. 2 Ainda assim, a compatibilidade com inferência local dependerá do runtime escolhido e do caminho de aceleração utilizado. Sistemas com chips AMD podem recorrer a stacks como ROCm ou Vulkan, enquanto outras plataformas compactas de memória unificada destacam Metal/MLX, da Apple, ou o ecossistema CUDA, da NVIDIA. Essas plataformas não são intercambiáveis: um modelo que funciona bem em uma pode exigir outro runtime — ou não ter otimização equivalente — em outra. 1924

Preço e disponibilidade continuam indefinidos

Em 31 de agosto de 2026, a Framework listava o Desktop com Ryzen AI Max+ PRO 495 e 192 GB como “em breve”. A empresa ainda não havia divulgado preço, data de pré-venda, data de envio ou um compromisso de disponibilidade ampla. 21011

Por isso, ainda é cedo para julgar desempenho e custo-benefício. A configuração de 192 GB continua sendo uma prévia, e as demonstrações publicadas não substituem testes independentes de tokens por segundo, temperatura, consumo de energia, compatibilidade com modelos e desempenho sustentado. 6

Como ele se compara a outros sistemas de memória unificada

A Framework está adotando um padrão de projeto já conhecido, não inventando um conceito novo. Os sistemas Apple Silicon usam memória compartilhada e, em algumas configurações, oferecem uma largura de banda consideravelmente maior — incluindo 128 GB a 546 GB/s em uma configuração com M4 Max. 1720

Máquinas compactas com Ryzen AI Max+ 395, de fabricantes como GMKtec e Beelink, oferecem alternativas com 128 GB de memória compartilhada. Já sistemas da classe DGX Spark, da NVIDIA, priorizam a compatibilidade com CUDA em uma escala compacta e com bastante memória. 1924

A comparação evidencia os principais critérios para quem pretende comprar um equipamento para IA local:

• Capacidade: determina se um modelo quantizado pode caber sem depender de offloading intenso.
• Largura de banda: influencia diretamente a velocidade com que o sistema movimenta os dados do modelo durante a inferência.
• Software: define quais runtimes, kernels e ferramentas de execução funcionam bem.
• Possibilidade de upgrade: é importante porque a memória LPDDR5X unificada normalmente fica fixada no momento da compra.
• Preço e disponibilidade: mostram se uma configuração anunciada como prévia é realmente uma opção de compra.

A principal lição para a IA local

A especificação mais importante do Framework Desktop não é a quantidade de TOPS da NPU. É o conjunto de memória compartilhada excepcionalmente grande. A possível ferramenta da Microsoft reforça a mesma ideia: conforme os PCs passam a executar modelos maiores localmente, o gerenciamento de memória do sistema operacional se torna parte da experiência de IA.

Isso não quer dizer que PCs locais substituirão a inferência na nuvem. Sistemas compactos com memória unificada são atraentes quando o usuário precisa executar um modelo em uma única máquina, mas a infraestrutura de nuvem continua mais adequada para modelos de fronteira, capacidade elástica, colaboração e cargas que exigem uma taxa de processamento muito maior em várias GPUs.

A conclusão mais realista é que o conceito de “PC com IA” está indo além de um assistente no dispositivo alimentado por NPU. Com memória unificada suficiente, um desktop pequeno pode funcionar como uma estação local para modelos. Antes de transformar essa promessa em decisão de compra, porém, será preciso verificar a largura de banda, o suporte de software, a memória fixa, benchmarks reais e a disponibilidade confirmada.