EM POUCAS LINHAS
- O Llama App é a rota para Windows descrita pela Hugging Face, com opções GGUF para o modelo.
- Parâmetros e quantização não equivalem a um requisito comprovado de RAM ou VRAM.
- A demonstração anunciada pela NVIDIA com RTX Spark não identifica o Inkling 2 Mini.
- O requisito SM103 pertence ao procedimento apresentado para SGLang, não a todas as rotas.
A pergunta para quem quer usar o Inkling 2 Mini em um PC Windows não é apenas se ele foi apresentado como modelo local, mas qual implementação será usada e quanto espaço ela exigirá durante a execução. A Hugging Face publicou sua apresentação do modelo em 20 de novembro de 2026. Já o anúncio da NVIDIA, publicado em 19 de novembro de 2026, trata de experiências locais em PCs Windows e de outras opções de implantação empresarial. As publicações abordam partes diferentes do problema: a segunda não estabelece que o Inkling 2 Mini participe das experiências mostradas pela NVIDIA e pela Microsoft.
O que os números do Inkling 2 Mini significam
Segundo a Hugging Face, o Inkling 2 Mini é um modelo multimodal de mistura de especialistas (MoE), com cerca de 26 bilhões de parâmetros físicos totais e 3 bilhões ativos por token; aceita texto e imagens e anuncia contexto de até 1 milhão de tokens. Parâmetros ativos descrevem parte do cálculo selecionada para um token, não o volume total de pesos que uma máquina precisa acomodar. Tampouco o contexto máximo anunciado significa que qualquer PC consiga usá-lo integralmente: o estado da inferência também consome memória, e a demanda varia com o tamanho efetivo da entrada e a configuração escolhida.
A descrição da arquitetura informa que o decodificador tem 24 camadas físicas e repete três vezes as 12 camadas intermediárias, totalizando 48 visitas a camadas por token. O compartilhamento de pesos diminui o número de camadas distintas armazenadas, mas não elimina essas visitas nem os estados de atenção e de convolução mantidos em cada uma. Portanto, seria enganoso transformar a contagem de parâmetros ativos em uma especificação de RAM ou VRAM para comprar um computador. Para entender por que capacidade declarada e memória efetivamente usada são questões distintas em modelos MoE, vale também o contexto do artigo do acervo sobre memória para MoE e RTX Spark; seus números não devem ser transplantados para este modelo.
Quais caminhos de execução foram descritos
A Hugging Face documenta inferência por Transformers, llama.cpp, MLX e SGLang. A lista representa implementações com procedimentos próprios, não uma promessa de requisitos idênticos. No caso de Transformers, a publicação apresenta o carregamento do checkpoint do Inkling 2 Mini e exemplos de entradas de texto e imagem. Ela também distingue uma variante de pesquisa com número variável de passagens pelo núcleo do modelo: reduzir as passagens pode acelerar a inferência, mas os autores alertam para possível perda de qualidade e dizem não tê-la avaliado em profundidade. Não se deve atribuir essa opção ao checkpoint principal de passagens fixas.
Para quem pensa especificamente em Windows, a rota mais explícita na publicação da Hugging Face é o Llama App, construído sobre llama.cpp e descrito como aplicativo para Windows e macOS. Para o lançamento, a equipe informa versões GGUF quantizadas em 4 bits (IQ4_NL) e 8 bits (Q8_0) tanto para o modelo principal quanto para a variante de pesquisa. Isso oferece formatos a comparar; não demonstra que determinada configuração de PC carregará qualquer um deles, nem fornece uma medida universal de desempenho. A menção a uma API local no aplicativo descreve uma possibilidade de integração, não dispensa verificar o consumo de recursos na tarefa pretendida.
A mesma publicação relata suporte do projeto mlx-lm, inclusive para entradas de imagem e texto. Em outra direção, seu procedimento de servidor com SGLang declara SM103 como pré-requisito e é apresentado como caminho para implantação em hardware de datacenter. Esse requisito é do procedimento exposto para SGLang: usá-lo como exigência geral do Llama App, do llama.cpp ou de todo PC Windows confundiria rotas distintas.
O que a NVIDIA permite concluir sobre PCs Windows
No anúncio sobre sua colaboração com a Microsoft, a NVIDIA diz que as empresas mostrarão no Ignite experiências locais com modelos de linguagem em PCs Windows equipados com RTX Spark. Trata-se de uma demonstração anunciada de execução de aplicações diretamente nos dispositivos. O texto não identifica o Inkling 2 Mini como um dos modelos demonstrados e não apresenta uma combinação testada de seus formatos GGUF com esses PCs. Assim, a presença de IA local em ambos os anúncios não prova compatibilidade entre eles.
A NVIDIA também descreve suporte ampliado ao Nemotron 3.5 no Foundry Local para ambientes Azure Local e opções de GPU para implantação local em organizações. Isso é diferente da demonstração em um PC Windows e não constitui requisito de execução do Inkling 2 Mini. Confundir uma plataforma empresarial, um dispositivo demonstrado e uma implementação de inferência levaria a uma escolha de hardware baseada em associações, não em requisitos documentados.
O que conferir antes de escolher uma máquina no Brasil
O ponto de partida é escolher uma rota e uma tarefa, não apenas um nome de GPU. Para um uso hipotético em um PC no Brasil, uma equipe poderia comparar o checkpoint e a quantização pretendidos, a memória ocupada pelos pesos e pelo estado durante entradas de tamanhos representativos, a resposta a imagens quando necessária e a qualidade em português brasileiro. Também precisaria verificar se o aplicativo, o formato escolhido e o hardware estão efetivamente acessíveis em suas condições de uso. Isso é um roteiro de verificação, não o relato de um teste realizado.
As informações fornecidas sobre o Inkling 2 Mini descrevem formatos e integrações, mas o trecho disponível da publicação é truncado; não permite concluir que a página integral deixe de informar licença, preços ou requisitos adicionais. O anúncio da NVIDIA tampouco fornece uma medição do Inkling 2 Mini em RTX Spark. Permanecem pendentes um requisito de memória comprovado para uma configuração Windows específica, a compatibilidade nessa demonstração, a qualidade para tarefas em português brasileiro e as condições de disponibilidade no Brasil. Até que esses pontos sejam documentados ou medidos, a resposta responsável é separar suporte de software anunciado, demonstração de hardware e viabilidade no PC que se pretende usar.
Fontes e referências
- Welcome Inkling 2 Mini, Cutting-edge Performance for your Local Setuphuggingface.co · Consultado em 21/11/2026
- NVIDIA and Microsoft Expand Accelerated Computing From Azure to Windows PCs | NVIDIA Blogblogs.nvidia.com · Consultado em 21/11/2026