Kit gratuito · privada · local · 24 h
Sua IA, na sua máquina, ligada o tempo todo
O que você pergunta não sai do seu computador, e você usa do celular de qualquer lugar sem abrir porta na internet.
O que você pergunta não sai do seu computador, e você usa do celular de qualquer lugar sem abrir porta na internet.
Este é um kit gratuito para rodar um modelo de IA aberto no seu próprio computador, sem mandar seus dados para nenhuma empresa. Ele serve para quem lida com informação sensível (exames, contratos, finanças, logs) ou precisa de um modelo que não recuse tarefas legítimas. Um script olha a sua máquina e indica o melhor modelo normal e o melhor sem censura que cabem nela. Outro mede a velocidade e confere se a porta está fechada. Para usar de qualquer lugar, o kit liga seus aparelhos por uma rede privada (Tailscale). Você precisa de Python 3.10+, do Ollama e, para usar fora de casa, de uma conta gratuita no Tailscale.
Os três níveis explicados, com os números medidos no teste.
Sem termo técnico: o que é, para que serve e como fica no dia a dia.
Quando você usa o ChatGPT ou o Claude, o que você escreve viaja pela internet até o computador de uma empresa, e é lá que a resposta é feita. Colou um exame, um contrato ou a planilha da empresa? Esse texto saiu da sua mão.
Existem IAs gratuitas e abertas que você baixa como um programa. O Ollama é o programa que faz elas funcionarem. Depois de baixada, a IA responde até sem internet, e nada do que você pergunta sai da máquina.
É uma versão da mesma IA que não se recusa a responder. Exemplo: você quer entender um ataque ao seu próprio site e a IA comum diz “não posso ajudar”. Como ela responde quase tudo, a responsabilidade passa a ser sua (veja Segurança).
O Tailscale cria um túnel secreto entre o seu celular e o seu computador de casa. Você pergunta pelo celular, na rua, e quem responde é o computador de casa. Ninguém de fora enxerga esse túnel.
Dá para alugar um computador que fica num datacenter, ligado 24 horas: isso se chama VPS. Ele não tem placa de vídeo, então roda uma IA menor, mas ainda numa velocidade boa para ler (cerca de 13 pedaços de palavra por segundo nas nossas medições). O túnel do Tailscale funciona igual: o celular fala com a VPS e a porta continua fechada para o resto da internet.
Você não precisa de nenhum “sistema operacional de agentes” pago. São três peças abertas e alguns scripts que provam que tudo funciona.
Um modelo sem censura num servidor de outra empresa. Rápido de começar, mas o pedido sai da máquina. Está no kit irmão IA sem censura, do jeito certo.
O Ollama (programa gratuito que roda modelos no computador) com o modelo que o escolhe_modelo.py indicar para a sua memória. Nada sai da máquina.
O Tailscale cria uma rede privada entre os seus aparelhos: o celular usa a placa de vídeo de casa (caminho A) ou um modelo pequeno numa VPS (caminho B).
O dado NÃO pode sair da sua máquina? O modelo normal recusa o que você precisa fazer? No script, --dado-sensivel sim quer dizer “não pode sair”. Só desça para “sem censura” quando o normal recusar uma tarefa legítima.
python3 kit/scripts/quadrante.py --dado-sensivel sim --recusa nao LOCAL NORMAL quando: Exames, contratos, financas, logs da empresa: nada sai do computador. como: Nivel 2 deste kit: escolhe_modelo.py -> modelo normal.
Máquina de casa: NVIDIA DGX Spark (128 GB de memória unificada), não um notebook comum. Ali o seletor indicaria o 122B; medimos o 27B porque é o modelo que cabe em máquinas de 24 a 99 GB, as mais comuns. Para um notebook sem placa de vídeo, a referência mais próxima são as barras cinzas da VPS. Mesma pergunta, resposta de até 160 tokens (pedaços de palavra), medidos com checa_local.py. Leitura confortável fica perto de 10 tokens/s. Os arquivos de cada medição estão em kit/verificacao/.
A GPU de casa respondeu a 17,8 tokens/s na própria máquina e a 17,6 pela rede do Tailscale, na porta e com o comando que este guia ensina.
Carregar o modelo levou 16 a 47 s na VPS. Depois ele fica 5 minutos na memória e responde direto.
O sem censura e o normal do mesmo tamanho ficaram na mesma faixa de velocidade.
Tudo gratuito, exceto a VPS do caminho B, se você escolher esse caminho.
Os scripts usam só a biblioteca padrão. Mac e Linux já trazem; no Windows, instale de python.org e git-scm.com. Sem git? Baixe o ZIP do kit.
python3 --version
git --versionRoda os modelos. Linux pelo comando abaixo; Mac e Windows pelo instalador de ollama.com/download.
curl -fsSL https://ollama.com/install.sh | shRede privada entre seus aparelhos, grátis para uso pessoal. Instale em casa e no celular, na mesma conta.
curl -fsSL https://tailscale.com/install.sh | shA “janela” por onde os programas falam com o Ollama no computador.
Só o próprio computador enxerga. É o estado seguro.
Rede privada só entre os seus aparelhos. “tailnet only” = só eles enxergam.
Opção do Tailscale que abre para a internet inteira. Não use com o Ollama.
Computador alugado num datacenter, ligado 24 h. vCPU = núcleo de processador dele.
Usar um modelo que roda no servidor de outra empresa, pagando por uso.
Mac (chips M) e algumas máquinas com GPU: a mesma memória serve ao processador e à placa de vídeo.
Configuração que abre o Ollama para qualquer rede. O kit acusa como “aberto”.
“Abliterated” = versão sem censura de um modelo aberto. huihui_ai é quem publica essas versões na biblioteca do Ollama.
Bilhões de parâmetros: o tamanho do modelo. Maior responde melhor e pede mais memória.
Modelo grande que usa só 3B por palavra (“MoE”): ocupa memória de grande e responde quase na velocidade de um pequeno.
Família de modelos abertos da Alibaba. O kit usa as versões 3.5, 3.6 e 3.8.
Ubuntu = o Linux da VPS. ssh = entrar no terminal dela pelo seu (o IP vem no painel do provedor). root = o administrador da VPS.
GPU = placa de vídeo. sudo = rodar um comando como administrador no Linux/Mac (pede a sua senha).
python no lugar de python3. Os scripts funcionam, mas a checagem da porta do checa_local.py é só para Linux e Mac. Os caminhos A e B usam comandos de Linux: no Windows, rode-os na máquina Linux (ou na VPS) e use o Windows só como aparelho que acessa.Rode os comandos na pasta do projeto. Prefere que um assistente faça por você? Cada passo tem um prompt pronto em kit/prompts/.
Os testes não usam internet nem o Ollama: só provam que os scripts estão certos. Sem git, baixe o ZIP (pré-requisitos) e abra o terminal dentro da pasta.
git clone https://github.com/inematds/ia-privada-3-niveis.git cd ia-privada-3-niveis python3 -m unittest discover -s kit/testes -v # termina com OK
O script lê a memória (placa de vídeo, memória unificada do Mac ou RAM) e o disco. Mostra dois modelos e o comando para baixar, mas não baixa nada sozinho.
python3 kit/scripts/escolhe_modelo.py Memoria: 16.0 GB (RAM / memoria unificada); util para modelo: 14.0 GB Disco livre: 80.0 GB Melhor local (normal): Qwen 3.5 9B -> ollama pull qwen3.5:9b (6.6 GB) uso: bom equilibrio para 16 GB Melhor local (sem censura): Qwen 3.5 9B -> ollama pull huihui_ai/qwen3.5-abliterated:9b (6.6 GB)
| Memória | Normal | Sem censura | Download |
|---|---|---|---|
| 4–5 GB (só teste) | qwen3.5:0.8b / qwen3.5:2b-q4_K_M | huihui_ai/qwen3.5-abliterated:0.8B / :2B | 1–1,9 GB |
| 6–9 GB | qwen3.5:4b | huihui_ai/qwen3.5-abliterated:4B | 3,3 GB |
| 10–23 GB | qwen3.5:9b | huihui_ai/qwen3.5-abliterated:9b | 6,6 GB |
| 24–99 GB | qwen3.8:27b | huihui_ai/Qwen3.8-abliterated:27b | 18 GB |
| 31 GB ou mais (alternativa rápida) | qwen3.6:35b-a3b | huihui_ai/Qwen3.6-abliterated:35b-a3b | 23–24 GB |
| 100 GB ou mais | qwen3.5:122b | huihui_ai/qwen3.5-abliterated:122B | 81 GB |
O checa_local.py faz uma pergunta, mede a velocidade, confere a porta e grava um arquivo novo com o nome do modelo em kit/verificacao/, ao lado das medições deste guia. A linha da porta tem que dizer loopback (no Windows ela não aparece; é normal). Se aparecer “o Ollama não respondeu”, abra o app do Ollama ou rode ollama serve.
ollama pull huihui_ai/qwen3.5-abliterated:9b python3 kit/scripts/checa_local.py --modelo huihui_ai/qwen3.5-abliterated:9b # Porta 11434 nesta maquina: loopback ['127.0.0.1'] # Velocidade: ... tokens/s
Para sair, digite /bye. No terminal, cole o texto do documento na pergunta. Prefere janela? O app do Ollama (Mac e Windows) conversa com os modelos baixados e aceita arrastar arquivos. Normal e sem censura ficam baixados lado a lado: trocar é só chamar outro nome.
ollama run huihui_ai/qwen3.5-abliterated:9b
Documento em PDF: transforme em texto e mande junto com o pedido. O pdftotext vem no pacote poppler-utils (Linux) ou brew install poppler (Mac). No Windows, o caminho mais fácil é o app do Ollama: escolha o modelo e arraste o arquivo para a conversa; tudo roda no seu computador. Documento muito longo (dezenas de páginas) pode passar do limite de texto do modelo: divida em partes.
pdftotext contrato.pdf contrato.txt
cat contrato.txt | ollama run huihui_ai/qwen3.5-abliterated:9b "Resuma em 2 linhas: valor, vencimento e multa."
Primeiro entre na sua conta do Tailscale nesta máquina: no Linux, sudo tailscale up mostra um link para abrir no navegador; no Mac e no Windows, o app pede o login ao abrir. Depois publique o Ollama só na sua rede privada. O status tem que dizer “tailnet only”. Se aparecer “Access denied”, rode uma vez sudo tailscale set --operator=$USER.
sudo tailscale up tailscale serve --bg --tcp 11434 tcp://127.0.0.1:11434 tailscale serve status # tem que mostrar "tailnet only" tailscale ip -4 # o endereço 100.x.y.z para usar no celular
No celular, instale o app do Tailscale e entre na mesma conta. Depois instale um app que conversa com o Ollama, como o Ollama App (Android) ou o Enchanted (iPhone), e informe como endereço do servidor http://100.x.y.z:11434. No notebook, o mesmo endereço serve para o checa_local.py:
python3 kit/scripts/checa_local.py --base-url http://100.x.y.z:11434 --modelo huihui_ai/Qwen3.8-abliterated:27b --nome casa-pelo-tailscale
Para desligar: tailscale serve --tcp 11434 off.
Para quem não deixa computador ligado. A VPS comum não tem placa de vídeo: até 9B, na velocidade do gráfico acima. Contrate uma VPS Ubuntu com 8 GB ou mais e abra o terminal dela (pelo ssh root@<IP> ou pelo terminal web do provedor). Como root, rode:
curl -fsSL https://ollama.com/install.sh | sh ss -ltn | grep 11434 # só 127.0.0.1:11434 curl -fsSL https://tailscale.com/install.sh | sh tailscale up # abra no navegador o link que aparecer e entre na sua conta tailscale serve --bg --tcp 11434 tcp://127.0.0.1:11434 ollama pull huihui_ai/qwen3.5-abliterated:4B git clone https://github.com/inematds/ia-privada-3-niveis.git cd ia-privada-3-niveis python3 kit/scripts/checa_local.py --so-porta
Prova de que ficou fechado: do seu computador, http://<IP público da VPS>:11434 tem que falhar, e http://<IP Tailscale da VPS>:11434 tem que responder. Com o tailscale serve ligado, o --so-porta na VPS mostra tailscale; desligado, mostra loopback. Os dois são seguros; aberto nunca. Se você não entrar como root, ponha sudo antes de tailscale up e tailscale serve.
O kit gratuito Jarvis Local já faz conversa por voz 100% local. Acrescente na prateleira de cérebros dele as entradas sem_censura e casa de kit/config/jarvis-cerebros.exemplo.json e diga “muda para o cérebro sem censura”. Voz precisa de placa de vídeo: na VPS do caminho B, só texto.
| Prompt pronto | O que o assistente faz |
|---|---|
| 01 · Instalar e escolher | Instala o Ollama com o seu OK, roda o seletor, baixa o que você escolher e mede. |
| 02 · Casa pelo Tailscale | Caminho A, conferindo “tailnet only” e nunca usando funnel. |
| 03 · VPS sempre ligada | Caminho B, com a prova de que a porta pública ficou fechada. |
Um modelo abliterated é um modelo aberto do qual foi tirado o reflexo de recusar. Ele responde quase tudo, por isso as regras abaixo fazem o papel do freio.
OLLAMA_HOST=0.0.0.0, porta aberta no roteador ou tailscale funnel. O checa_local.py --so-porta acusa aberto e sai com erro.