Como usar o Green Zone

Quais informações você precisa informar

O Green Zone calcula a partir dos valores que você fornece. Não examina o computador, identifica a placa de vídeo nem mede a memória livre. Você pode planejar para o equipamento atual ou para um que pretende comprar.

Informe duas capacidades separadas. A memória de vídeo, Video Random Access Memory (VRAM), fica no processador gráfico, Graphics Processing Unit (GPU). A memória do sistema, Random Access Memory (RAM), atende ao sistema operacional, aplicativos e, quando permitido, parte do modelo. Por exemplo: 8 GiB de VRAM e 32 GiB de RAM. Os campos usam GiB, uma unidade diferente de GB.

O campo RAM fica sempre visível. Ative “Permitir que parte do modelo use a RAM” para incluí-la na distribuição. Depois ajuste a reserva do sistema e a proporção estimada na GPU. Deixe espaço para outros aplicativos. Sem essa opção, o plano mantém o modelo inteiro na GPU.

Não some as capacidades como se fossem uma única placa: 8 mais 32 não são 40 GiB de VRAM. Elas são verificadas separadamente. Em computadores com memória unificada, não conte a mesma capacidade duas vezes. Nossa divisão aproximada não é uma configuração validada especificamente para esses equipamentos.

Por onde começar na primeira visita

Escolha o trabalho: conversar, programar, analisar documentos ou delegar ações a um agente de IA. Os botões sugerem uma distribuição inicial; não instalam programas nem demonstram que qualquer modelo fará bem a tarefa.

Se já escolheu um modelo, comece pela verificação de memória. Se ainda não conhece nomes, vá ao catálogo no segundo capítulo. O modelo inicialmente selecionado é um ponto de partida da interface, não algo detectado no computador.

Para começar, escolha modelo e arquivo, informe memória, selecione a tarefa e equilibre a configuração. Deixe os ajustes avançados para depois. Confira dois resultados: memória suficiente e espaço para materiais e resposta.

01 · Verificar se o modelo escolhido cabe

Quando usar

Você baixou um modelo ou quer verificar uma opção antes de baixar. O cálculo estima espaço para o modelo e para trabalhar com ele.

O que fazer

Selecione o modelo e um arquivo em quantização dos pesos. São versões do mesmo modelo que armazenam números de formas diferentes e têm tamanhos diferentes. Informe VRAM e RAM, permita RAM se necessário, escolha a tarefa e pressione “Equilibrar esta configuração”.

Como ler o resultado

Leia primeiro os estados da memória e do orçamento de contexto. Contexto é o espaço de trabalho para o texto recebido e gerado em uma solicitação. Um arquivo pequeno não comporta documentos ilimitados: os pesos ocupam memória e a conversa precisa de espaço adicional.

O diagrama mostra a distribuição de VRAM. Se parte do modelo ficar na RAM, aparece uma estimativa separada dela. O gráfico mostra a necessidade de VRAM conforme cresce o contexto, não a velocidade.

Como continuar

A zona verde indica que a estimativa atende às condições escolhidas. Confira também o orçamento de texto. O limite estimado de contexto não é uma meta obrigatória. Se faltar espaço, tente menos texto, um arquivo compacto ou o uso permitido de RAM e compare novamente.

02 · Encontrar um modelo sem conhecer nomes

Comece pela memória

Você não precisa conhecer nomes. Informe VRAM e contexto no topo do catálogo. Para explorar, pode experimentar 4.096 tokens e aumentar depois conforme os documentos. É um exemplo inicial, não um mínimo obrigatório. Para incluir RAM, configure e autorize seu uso no calculador de memória; os ajustes acompanham você entre ferramentas.

Como explorar a lista

Deixe a busca vazia e mantenha todas as famílias e precisões. Ative o filtro de opções que cabem pelo cálculo e ordene pelo tamanho dos arquivos para começar com alternativas menos exigentes. A busca por nome é útil quando você já ouviu falar de algo, como Qwen; não é necessária para começar.

Abra uma ficha e veja arquivos, parâmetros, limite de contexto e links do fabricante. Tamanho não demonstra adequação à tarefa. Verifique suporte a código, instruções e idioma na descrição do fabricante: o catálogo não testa a qualidade de todas as respostas.

Continue com sua tarefa

Escolha um arquivo e leve-o ao calculador de memória. Se a lista estiver vazia, retire restrições, peça menos contexto ou reveja o orçamento. Não encontrar uma opção nessas condições não significa que o computador seja incapaz de executar qualquer modelo local.

03 · Encontrar uma configuração para sua tarefa

Quando ajuda

Você já escolheu o modelo e sabe aproximadamente o espaço necessário. A seleção automática compara combinações disponíveis desse modelo. Ela não escolhe outro modelo; isso cabe ao catálogo.

Como começar

Preencha primeiro materiais e reserva de resposta. Depois escolha a prioridade: equilíbrio, mais contexto ou maior precisão dos pesos. Permita RAM se fizer sentido. Precisão do cache e precisão mínima podem ficar como estão até você ler as explicações.

Diferença em relação a equilibrar

A seleção automática preserva as alocações informadas e procura uma configuração que comporte tudo. Equilibrar pode redistribuir partes desbloqueadas. Ative o bloqueio de contexto para manter toda a janela solicitada; sem ele, pode ser sugerida uma menor, ainda suficiente para o orçamento.

Compare arquivo, espaço de texto, memória e uso de RAM. Aplique uma opção e confira no calculador principal. Maior precisão não é melhoria de qualidade medida. Se não houver opções, reveja requisitos específicos em vez de aumentar tudo.

04 · Dividir espaço entre documentos e resposta

O que é contado

Planeje quanto o modelo vai ler e escrever. A unidade é o token, um fragmento de texto, não uma quantidade fixa de palavras. O link traz uma explicação completa.

Como preencher

Comece pela tarefa e pelos documentos realmente enviados. Acrescente histórico e instruções relevantes, reserva para a resposta e espaço para próximos passos do agente. Os controles planejam; não enviam arquivos nem alteram seu modelo em execução.

O contexto alocado é a capacidade total. O total de tokens inclui todas as partes, até a resposta futura. O restante ainda não foi distribuído. Uma janela de 8.192 com 7.206 alocados deixa 986. A resposta já tem reserva incluída; não está limitada a esses 986.

Ao mover um controle

O balanceamento vinculado usa espaço livre, amplia o contexto se houver memória e depois reduz outras partes desbloqueadas. Confira os totais. Bloqueie o que não pode diminuir automaticamente. Um orçamento de texto equilibrado ainda precisa passar pela verificação de memória.

05 · Comparar arquivos do mesmo modelo

Para que serve

Compare arquivo compacto e maior precisão numérica mantendo memória e contexto iguais. Assim fica claro o efeito de alterar um fator.

Q4, Q5, Q6 e Q8 são classes de aproximadamente 4, 5, 6 e 8 bits. FP16 e BF16 são formatos distintos de 16 bits. Não é preciso decorar: veja tamanho real e memória total. Um arquivo menor pode deixar espaço para documentos e afetar a qualidade.

Como escolher

Compare necessidade de memória e limite estimado de contexto. Use a seta para selecionar e volte à tarefa; fixe uma configuração para comparar depois. A tabela não mede velocidade ou qualidade. Quantização de pesos e precisão do cache comprimem dados diferentes.

06 · Entender termos e resultados

Esta opção abre explicações, não outro cálculo. Comece por tokens, pesos e contexto. Os termos com links levam ao glossário, de onde você pode voltar à página anterior.

As histórias mostram situações humanas envolvendo modelos locais e agentes. Você pode lê-las sem usar os calculadores. Método e dados apresenta fontes e suposições para quem quer aprofundar. Não é necessário estudar fórmulas antes de começar.

Comparar modelos ou computadores diferentes

Escolha um modelo e sua quantização no topo desta página e clique em Adicionar à comparação. Você pode adicionar até quatro opções. Cada cartão salvo também tem menus de modelo e quantização, para substituir uma opção sem sair da página. Os arquivos sempre pertencem ao modelo escolhido naquele cartão.

Abra Memória desta opção para alterar VRAM, RAM ou distribuição. As mudanças são salvas automaticamente e atualizam o gráfico; os outros cartões e a calculadora principal não mudam. Abrir na calculadora de memória é um botão separado para acessar a calculadora completa.

Entenda o gráfico conjunto

O controle aplica a mesma janela de contexto a todas as opções. Cada cor representa uma opção: a linha contínua mostra a memória estimada com reservas, e a tracejada mostra a capacidade informada. Se a contínua ficar acima da tracejada, essa opção precisa de mais memória nesse contexto. Cada curva termina no limite de contexto do próprio modelo. A tabela mostra os números completos, sem abreviar com K.

Memória de vídeo e do sistema

Escolha memória de vídeo (VRAM) ou memória do sistema (RAM) acima do gráfico. A RAM aparece nas opções em que você permitiu executar parte do modelo nela; as duas capacidades não são somadas. Os demais ajustes de cada cópia, como precisão do cache e solicitações simultâneas, são mantidos. A comparação é de memória, não de velocidade ou qualidade das respostas. Abra uma cópia na calculadora para alterá-la ou remova-a para adicionar outra.

O que muda ao equilibrar a configuração

O botão prepara um plano inicial para a tarefa. Tenta o arquivo atual primeiro e, se necessário, variantes menores. Pode mudar contexto, cache permitido, margens de trabalho, reservas e distribuição de tokens. Só altera o plano do site, não o modelo instalado.

Sem permissão de RAM, considera GPU completa; com permissão, pode distribuir entre as duas memórias. Depois confira arquivo, contexto, proporção na GPU e os resultados de memória e orçamento.

Os cadeados protegem partes contra redução automática. Se não couberem, revise valores e reduza manualmente apenas o aceitável ou aumente o espaço. Pressionar novamente pode não mudar nada se o plano já servir.

Ao escolher outro modelo na calculadora de memória ou abri-lo pelo catálogo, o Green Zone cria uma nova tarefa de exemplo. Os valores de VRAM e RAM são mantidos; as alocações de tokens e suas travas são substituídas, começando com uma solicitação por vez. Conversas começam com até 8.192 tokens, programação e agentes com até 16.384, e pesquisa com até 32.768. O contexto diminui se a memória ou o modelo exigir. Salve ou fixe a configuração anterior para voltar a ela. Os cartões de comparação mantêm seus próprios ajustes.

Se o balanceamento não encontrar um plano, os próximos passos aparecem no resultado de memória. Eles distinguem o limite de contexto do modelo da falta de VRAM ou RAM. Cada sugestão informa o arquivo e o contexto. Uma opção coloca todo o modelo na GPU; outra usa sua VRAM junto com RAM. A estimativa de RAM inclui a reserva para o sistema operacional. Você pode testar explicitamente as capacidades sugeridas na calculadora. Seu computador não é medido nem reconfigurado. Mais capacidade dá folga, sem prever velocidade ou compatibilidade do programa.

O balanceamento manual e os botões de tipo de tarefa mantêm os tokens fixados. Se forem de uma tarefa antiga, “Começar uma nova tarefa de exemplo” substitui os valores e suas travas, mantendo o hardware informado. Um contexto travado só é reduzido com sua permissão.

O que colocar em cada campo

Instruções do sistema definem regras e papel. Descrições de ferramentas explicam ações e argumentos, não todo o código do programa.

Instruções de habilidades carregadas são guias lidos pelo modelo. Uma pasta instalada não consome tokens sozinha: conte o material incluído na solicitação.

Arquivos e documentos são textos, trechos ou código enviados. Histórico contém mensagens anteriores incluídas agora. Tarefa atual é seu novo pedido. A margem de formatação do chat cobre marcadores acrescentados pelo programa.

A reserva da resposta inclui texto futuro e raciocínio quando gerado. Próximos passos cobrem novos resultados e continuação. Não conte o mesmo texto duas vezes. Um subagente pode ter contexto próprio e devolver apenas um resumo.

Estimar sem números exatos

Comece com uma amostra pequena. Como exemplo, uma instrução breve pode usar 300–800 tokens; um procedimento detalhado, 1.000–3.000. Não são requisitos fixos. Três instruções carregadas de 700 usam 2.100 antes de documentos e resposta.

Você pode reservar inicialmente 300–800 para uma resposta curta ou 1.500–4.000 para explicação ou código. Raciocínio e ferramentas podem exigir mais. Páginas não são uma medida confiável: idioma, tabelas, código e tokenizador influenciam.

Esses intervalos ajudam a começar, não a preencher tudo com o máximo. Mais orçamento não garante uma resposta melhor. Substitua estimativas pela contagem do seu material.

Exemplos de orçamento completo

A tabela apresenta quatro tarefas didáticas com alocações, total, janela e espaço livre. Uma conversa simples pode dispensar ferramentas e habilidades. Pesquisa deixa mais espaço para documentos; um agente, para ações futuras.

São exemplos de tokens, não recomendações para toda placa. Escolha algo semelhante, substitua valores e confira memória. Os botões podem produzir números diferentes porque consideram ajustes e bloqueios.

Contar material e prever próximos passos

Na página de contexto, abra Contar texto. Cole texto ou escolha um arquivo aceito, selecione a categoria e revise antes de aplicar. Extraia primeiro o texto de PDFs: megabytes não indicam tokens.

Leia a indicação do resultado. Sem o tokenizador adequado, é uma estimativa. Se houver serviço de contagem exata configurado, o texto pode ser enviado a ele; na versão local é o serviço do site no computador. Contar um trecho não inclui automaticamente toda a formatação da solicitação.

O simulador estima continuação: quatro passos de 500 dão 2.000. Usa o maior valor entre isso e a reserva existente, sem contar duas vezes. Não executa o agente nem prevê suas ações reais.

Dois sentidos de “híbrido”

Arquitetura híbrida descreve o interior do modelo: camadas diferentes podem guardar informações de formas distintas. Não obriga a usar CPU e GPU juntos nem significa defeito.

Distribuição entre GPU e RAM descreve onde o modelo fica. Também pode ocorrer com outras arquiteturas. RAM oferece espaço, mas processamento pela CPU pode ser mais lento. Estimamos capacidade, não velocidade.

Os modelos do catálogo têm perfis de arquitetura. As estimativas abrangem texto, não processamento de imagens ou áudio. Comece com seleção e orçamento comuns; abra a explicação do cálculo quando precisar dos detalhes.

Quando voltar aos ajustes extras

O programa de execução, como Ollama ou llama.cpp, carrega e executa o modelo. O Green Zone prepara um plano. Selecione o seu se souber; o site não instala programas nem verifica drivers.

O cache de chaves e valores, Key-Value Cache (KV cache), guarda informações intermediárias do texto. Buffers apoiam os cálculos. Outros aplicativos e a reserva de segurança precisam de espaço fora do modelo. Por isso o arquivo não pode ocupar tudo.

Solicitações paralelas são conversas simultâneas. Comece com uma; ações sequenciais não são simultâneas. Altere cache de janela, cópias de estado e Flash Attention apenas quando entender a configuração real do programa.

Guardar uma configuração

Os ajustes passam entre ferramentas e ficam salvos neste navegador. Fixar ajuda a comparar; salvar e exportar preservam configuração ou relatório. Importar restaura valores de um arquivo.

O relatório contém suposições, não medições do computador. Salve o importante antes de limpar dados do navegador. Para executar, transfira os ajustes ao programa e teste uma tarefa pequena.

Se o resultado não atender à tarefa

O arquivo cabe mas o cálculo completo não? Reduza contexto ou arquivo: o modelo também precisa trabalhar. RAM disponível mas sem uso? Confira permissão, capacidade e reserva do sistema.

Catálogo vazio? Retire filtros e confira o orçamento herdado. Equilibrar não resolve? Reveja cadeados e bloqueio do contexto. Texto cabe mas memória não? Volte ao primeiro calculador: são verificações diferentes.

Mude uma condição por vez e compare. Explorar aqui não modifica arquivos nem ajustes do modelo no computador.