Vários meses atrás, eu não conseguia justificar deixar um agente de IA rodando a noite toda. Cada ciclo consumia tokens. Cada token custava dinheiro. Então eu começava uma tarefa, ficava de olho nela e a desligava quando ia dormir.
Agora tenho seis agentes funcionando 24 horas por dia em uma única máquina do tamanho de uma torradeira. Eles pesquisam, resumem, monitoram, organizam e escrevem, enquanto durmo, enquanto como, enquanto estou de férias. A conta de luz aumentou onze dólares. Esse é o custo operacional total.
Aqui está a análise rápida👇
Esta é a configuração, a máquina e o que muda quando a IA deixa de ser um serviço que você aluga e se torna uma infraestrutura que você possui.
A verdadeira joia que ninguém menciona
Todo mundo online está discutindo qual modelo de nuvem é mais inteligente. Enquanto isso, uma revolução silenciosa aconteceu no hardware e quase ninguém percebeu.
O Minisforum MS-S1 Max é uma mini estação de trabalho. Chassi de alumínio. Cabe em uma prateleira. Vem com um SSD de 2TB, uma fonte de alimentação integrada de 320W e o chip mais interessante que a AMD já colocou em um desktop: o Ryzen AI Max+ 395.
Aqui está o que importa neste chip: ele compartilha 128GB de memória entre a CPU e a GPU. Sem placa de vídeo separada. Sem pool minúsculo de VRAM. Um pool unificado massivo do qual ambos os processadores leem. Esse é o mesmo truque arquitetônico que torna o Apple Silicon excelente para IA local, exceto que este roda Linux corretamente, tem duas portas Ethernet de 10 gigabits, USB4 V2 a 80Gbps, um slot PCIe x16 para expansão e custa cerca de US$ 3.000.
1Minisforum MS-S1 Max, o que tem dentro:23Chip AMD Ryzen AI Max+ 395 (Strix Halo)45CPU 16 núcleos / 32 threads, até 5.1 GHz67GPU Radeon 8060S, 40 CUs RDNA 3.589NPU 50 TOPS1011Desempenho total IA 126 TOPS1213Memória 128GB LPDDR5x-8000, unificada (CPU+GPU compartilham)1415Utilizável como VRAM até ~96GB no Linux1617Armazenamento 2TB NVMe Gen4 + 1 slot M.2 livre1819Rede Dual 10GbE + Wi-Fi 72021Portas 2× USB4 V2 (80Gbps), HDMI, USB-A, USB-C2223Expansão Slot PCIe x16 (velocidade Gen4 x4)2425Consumo 160W pico / 130W sustentado2627Fator de forma Montável em rack 2U2829Preço ~US$ 3.000 (configuração 128GB/2TB)
Isso não é um PC gamer. Isso não é um NAS. Isso é um servidor de IA local que por acaso se parece com um mini PC. E a especificação que o diferencia de qualquer outra caixa Strix Halo: a Minisforum empurra o chip para 160W, enquanto os concorrentes limitam a 120-140W. Mais watts = mais velocidade em inferência sustentada. Isso importa quando seus agentes funcionam por horas.
O que ele roda e quão rápido
Instale o Ollama no Linux. Baixe um modelo. É isso. Sem drama de driver, sem cadeias de dependência CUDA, sem arquivos de configuração. Aqui está o que a caixa realmente entrega com modelos quantizados em Q4:
1Modelo VRAM Velocidade Bom o suficiente para2───────────────────────────────────────────────────────────────────────────────3Qwen3-Coder 30B ~18GB ~40-50 tok/s Codificação diária, scripts4Llama 3.3 70B ~42GB ~20-25 tok/s Raciocínio complexo, análise5DeepSeek-V3 0324 ~95GB ~10-12 tok/s Pesquisa profunda, docs longos6Qwen3-235B (MoE) ~110GB ~6-8 tok/s Tarefas de nível avançado
Os modelos de 30B e 70B são os cavalos de batalha. Rápidos o suficiente para uso interativo. O 235B está na mesma liga do Claude Sonnet em muitos benchmarks, mais lento, mas você não está pagando por token, então deixa ele pensar.
E aqui está o truque de mágica: a Minisforum projetou esta caixa para clustering. Duas unidades MS-S1 Max ligadas rodam o Qwen3-235B a ~11 tokens/segundo. Quatro unidades rodaram o DeepSeek-R1 671B (o modelo completo de 380GB). Localmente. Em uma mesa. Sem data center. Sem nuvem.
Por que 'sempre ligado' muda tudo
Aqui está o que as pessoas ignoram sobre IA local. Não se trata do modelo ser tão bom quanto o GPT-5 ou o Claude Opus. Trata-se do que acontece com seu comportamento quando a inferência é gratuita.
Quando você paga por token, você pensa antes de dar o comando. Você otimiza suas consultas. Você interrompe experimentos cedo. Você nunca deixa um agente em loop por oito horas porque a matemática não faz sentido.
Quando a inferência custa eletricidade e nada mais, você para de pensar dessa forma. E é aí que o valor real aparece.
Os seis agentes que executo 24 horas por dia:
- O organizador da caixa de entrada. Puxa meus e-mails a cada 15 minutos. Categoriza tudo. Elabora respostas para qualquer coisa rotineira. Acordo com uma caixa de entrada organizada e rascunhos de respostas esperando. Tempo economizado: ~40 minutos todas as manhãs.
- O monitor de pesquisa. Observa 30+ feeds RSS, fóruns de nicho e contas específicas em várias plataformas. Resume qualquer coisa relevante para meu trabalho em um resumo diário que chega no Telegram às 7h. Em uma API de nuvem, isso custaria US$ 15-20/dia em tokens. Na caixa: gratuito.
- O processador de documentos. Qualquer coisa que eu coloco em uma pasta específica é lida, resumida e etiquetada. Contratos, relatórios, PDFs, artigos de pesquisa. O resumo e os pontos-chave aparecem no meu aplicativo de notas em minutos. Não leio manualmente um relatório de 40 páginas há meses.
- O revisor de código. Observa meus repositórios git. Cada push aciona uma revisão: estilo, bugs, segurança, cobertura de teste. Os resultados são postados como comentários. Usa o modelo de 70B para que as revisões sejam realmente boas.
- O agente de preparação para reuniões. Olha a agenda de amanhã, puxa contexto das minhas anotações e e-mails recentes sobre cada pessoa/tópico, gera um resumo de uma página por reunião. Pronto às 8h.
- O agente de aprendizado. Pega tópicos pelos quais me interesso, encontra artigos e publicações recentes, lê durante a noite com o modelo de 235B e produz um relatório semanal 'o que há de novo' com explicações escritas para o meu nível de entendimento.
Nenhum desses é revolucionário individualmente. O que é revolucionário é executar todos os seis simultaneamente, 24 horas por dia, e não se importar com o custo. Em APIs de nuvem, essa pilha custaria US$ 800-1.200 por mês. No MS-S1 Max, funciona na conta de luz.
A configuração. Uma noite, a maior parte baixando
1. Substitua o Windows pelo Linux
A caixa vem com Windows 11, que limita a memória acessível pela GPU a ~96GB. O Ubuntu 24.04 desbloqueia o pool completo. Inicialize pelo USB, formate, instale. 20 minutos.
2. Instale o Ollama
1curl -fsSL https://ollama.com/install.sh | sh
3. Baixe seus modelos
1ollama pull qwen3-coder:30b2ollama pull llama3.3:70b
4. Configure o Open WebUI (opcional, oferece uma interface estilo ChatGPT)
1docker run -d -p 3000:8080 \2 -e OLLAMA_BASE_URL=http://localhost:11434 \3 -v open-webui:/app/backend/data \4 --name open-webui ghcr.io/open-webui/open-webui:main
Agora, todos os dispositivos na sua rede, celular, laptop, tablet. Podem conversar com seus modelos em http://your-box:3000
5. Aponte o Claude Code para o endpoint local
1export ANTHROPIC_BASE_URL=http://your-box:114342export ANTHROPIC_API_KEY=ollama
Mesma CLI do Claude Code. Mesmo loop de agente. Cada requisição vai para sua caixa em vez da Anthropic. Nada sai da sua rede.
6. Construa seus agentes
Esta é a parte divertida e a parte que é diferente para cada um. Eu uso uma mistura de scripts cron simples, fluxos de trabalho n8n e o modo de agente do Claude Code para os mais complexos. Os modelos são o motor. Como você os conecta é com você.
Tempo total de configuração: 90 minutos se você nunca mexeu no Linux. Uma hora se já mexeu.
A matemática. Importante!
1Custo único2 Minisforum MS-S1 Max (128GB/2TB) US$ 3.00034Custo mensal5 Eletricidade (24/7, ~130W médio) ~US$ 116 Assinaturas de nuvem substituídas US$ 078O que substitui (minha pilha anterior)9 Claude Code Max US$ 200/mês10 ChatGPT Pro US$ 200/mês11 Vários custos de API para agentes US$ 400–800/mês12 Total economizado US$ 800–1.200/mês1314Retorno do investimento Mês 3–4
Após o retorno do investimento, todo mês é dinheiro que fica na sua conta. Em três anos, isso representa algo entre US$ 25.000 e US$ 40.000 que não são enviados para empresas de IA, dependendo de quão intensamente você usa agentes.
Mas, honestamente, a economia não é o ponto. O ponto é a mudança de comportamento. Comecei a construir agentes que nunca teria construído quando cada token custava dinheiro. O agente de preparação para reuniões? Nunca teria justificado o custo da API para algo 'bom ter'. O agente de aprendizado rodando um modelo de 235B durante a noite em artigos? Absurdo em uma base de token por token. Óbvio quando é gratuito.
O que esta caixa não pode fazer
Não vou fingir que o local substitui a nuvem completamente. Não substitui. Aqui está onde a linha está hoje:
Ainda precisa da nuvem para:
- Raciocínio de ponta (Claude Opus, GPT-5, para os 5% de problemas realmente difíceis)
- Acesso à web em tempo real e uso de ferramentas integradas ao modelo
- Tarefas multimodais onde os modelos de nuvem estão gerações à frente
- Atender uma equipe de 5+ pessoas simultaneamente
A caixa cuida de todo o resto:
- Codificação e script diários
- Análise e sumarização de documentos
- Agentes de longa duração e automação em segundo plano
- Processamento de dados privados (nada sai da sua rede)
- Rascunho, edição, brainstorming
- RAG sobre sua base de conhecimento pessoal
- Processamento em lote (transcrição, classificação, extração)
Para as tarefas de nuvem, você paga por uso através da API. US$ 5 aqui, US$ 10 ali. Não US$ 200/mês por uma assinatura que você usa 20%.
As desvantagens honestas
A caixa esquenta sob carga. Não perigosamente, mas os ventiladores são audíveis. Não coloque no seu quarto. Um armário com fluxo de ar funciona. Debaixo de uma mesa funciona.
Os modelos de código aberto não são o Claude Opus. Eles são próximos em muitas tarefas, visivelmente atrás nos problemas de raciocínio mais difíceis. Se o seu trabalho é 100% tarefas de IA de dificuldade de ponta, esta caixa não é sua resposta. Se o seu trabalho é 80% rotineiro e 20% difícil, execute os 80% localmente e pague por uso pelos 20%.
Você está comprando hardware. Se a AMD lançar algo duas vezes mais rápido no próximo ano, seus US$ 3.000 não se reembolsam sozinhos. Mas o retorno do investimento no mês 3-4 significa que você não precisa mantê-lo por cinco anos. Mesmo um ano de uso faz a matemática funcionar.
O Ollama na AMD é sólido agora, mas não maduro no nível CUDA. Ocasionalmente, um novo modelo é lançado com otimizações exclusivas para Nvidia primeiro. Você espera uma semana ou duas. Esse é o imposto do adotante inicial.
E você precisa se sentir confortável com Linux. Os comandos acima são simples. Na primeira vez que algo quebrar, você passará uma hora em um fórum. Esse é o custo de ir para o local hoje em vez de esperar mais um ano.
Por que esta caixa específica
Existem dúzias de mini PCs Strix Halo no mercado. O MS-S1 Max se destaca por três razões:
160W de potência sustentada. Mais do que qualquer concorrente. A velocidade de inferência em modelos grandes escala com a potência. Isso importa quando os agentes funcionam por horas.
Dual 10GbE. A maioria das caixas concorrentes tem 2.5GbE. Se você está movendo arquivos grandes, agrupando várias unidades ou executando isso como um servidor de IA de rede, 10 gigabits muda a experiência.
Montável em rack 2U. Este é um detalhe que parece nicho até você perceber que significa que você pode empilhar duas ou quatro destas em um rack padrão e construir um cluster de IA local que executa modelos de 671B parâmetros. Na sua mesa. Pelo preço de um carro usado.
O verdadeiro ponto
A indústria de IA quer que você pense em inteligência como um serviço público. Algo que você assina. Algo medido. Algo que vive no data center de outra pessoa, funciona na agenda de outra pessoa e para quando você para de pagar.
Esse modelo fazia sentido quando o hardware não conseguia acompanhar. Não faz mais.
128 gigabytes de memória unificada. Um chip projetado para inferência de IA. Modelos de código aberto que cobrem 80% do que você precisa. Uma pilha de código aberto que instala em uma hora.
Uma máquina. Debaixo da sua mesa. Executando seis agentes que nunca dormem.
US$ 3.000 uma vez. US$ 11 por mês. Tudo permanece na sua rede.
Essa é a configuração. Só queria ter começado mais cedo.
Quer mais conteúdo exclusivo?
Siga-me e entre no meu canal privado enquanto pode: link
