Servidor de IA local com RTX PRO 6000: como montar, quanto custa e o que dá para rodar além do chat

A RTX PRO 6000 Blackwell é a placa de vídeo profissional da NVIDIA com 96 GB de memória própria, três a quatro vezes o que trazem as placas de jogos de topo, de 24 a 32 GB. Com ela, um computador montado em casa ou no escritório roda modelos de inteligência artificial que antes só cabiam em servidores de data center: conversa com modelos de texto grandes, gera imagens e vídeos, cria objetos em 3D, transcreve áudio, lê documentos e ainda pode ser treinado com os próprios dados da empresa. Este guia mostra as versões da placa, as peças, a conta de luz no Brasil, os programas, o que foi medido em cada tipo de trabalho, as licenças e quando comprar compensa mais do que alugar.

A placa em uma ficha

Por que 96 GB fazem diferença

Todo modelo de inteligência artificial precisa caber na memória da placa de vídeo para rodar rápido. Essa memória, chamada de VRAM, é separada da memória comum do computador e muito mais veloz. Quando o modelo não cabe, os programas mandam parte dele para a memória comum, e a velocidade despenca.

Os modelos são medidos em bilhões de parâmetros, os números que guardam o que eles aprenderam. Para economizar espaço, existe a quantização: guardar cada número com menos casas decimais, em 8 bits, 4 bits ou menos. A qualidade cai um pouco e o tamanho cai muito. É por isso que um modelo de 120 bilhões de parâmetros, que ocuparia centenas de gigabytes no formato original, roda numa única placa de 96 GB. A arquitetura Blackwell acelera um formato de 4 bits chamado FP4, pensado justamente para isso.

A velocidade de um modelo de texto é medida em tokens por segundo. Token é um pedaço de palavra: quanto mais tokens por segundo, mais rápido o texto aparece na tela.

Qual das três versões

As três têm o mesmo chip e a mesma memória. Muda o jeito de dissipar calor, o consumo e onde elas foram feitas para ficar.

A Workstation gasta até 600 W e é a mais rápida. O ar entra por baixo e sai por cima, de volta para dentro do gabinete. A Puget Systems, montadora americana de estações de trabalho, diz que ela não serve para a maioria das montagens com várias placas, porque uma esquenta a outra.

A Max-Q gasta metade, 300 W, e usa uma ventoinha só, do tipo *blower*, que empurra o ar quente para fora pela traseira do gabinete. Ela foi feita para ficar ao lado de outras iguais. Nos testes da Puget com programas de criação, ficou de 5% a 13% abaixo da Workstation.

A Server não tem ventoinha. Depende do vento forte dos servidores de rack, por isso não serve para um gabinete comum. Ela tem a memória um pouco mais lenta.

As três aceitam o MIG, sigla em inglês para “placa de vídeo em várias instâncias”: a placa se divide em até quatro placas virtuais de 24 GB, isoladas entre si. Isso permite, por exemplo, que quatro pessoas de um escritório usem a mesma placa sem que o trabalho de uma atrapalhe o da outra.

Quanto custa

O preço subiu ao longo de 2026. O valor de lançamento listado em março de 2025 era de US$ 8.565. Em agosto de 2026, a loja da própria NVIDIA nos Estados Unidos marcava US$ 16.000 e estava sem estoque, segundo a imprensa americana. A NVIDIA não explicou as altas. A garantia da PNY, que vende a placa no varejo, é de 3 anos, limitada.

As peças em volta da placa

A placa se liga ao computador por PCIe, a “avenida” de dados da placa-mãe. Cada placa de vídeo usa 16 linhas dessa avenida para render tudo. Aqui está a primeira decisão da montagem.

Com uma placa, um processador de mesa resolve. O Ryzen 9 9950X, por exemplo, tem 24 linhas PCIe 5.0 utilizáveis e aceita até 256 GB de memória. As 16 linhas vão para a placa de vídeo e sobram linhas para os SSDs.

Com duas a quatro placas, entra a plataforma de estação de trabalho. O Threadripper PRO 9995WX tem 128 linhas PCIe 5.0 e oito canais de memória. A recomendação da Puget é não encostar uma placa na outra e deixar um slot livre entre elas.

*Montagem do Tectônica a partir das medições e fichas citadas (StorageReview, Puget, AMD, ASUS e o relato do fórum Level1Techs); não é uma receita oficial da NVIDIA.*

O conector de energia merece atenção. O 12V-2×6 é a revisão do antigo 12VHPWR, com pinos de detecção mais curtos e contatos mais longos, e os cabos antigos continuam compatíveis. O plugue precisa estar encaixado até o fim.

Energia e conta de luz

O site StorageReview mediu o computador inteiro, com uma placa Workstation e um Threadripper, gerando imagens sem parar: média de 918,5 W, com pico de 1.036 W. Parado, o mesmo computador gastava 152 W.

*Cálculo do Tectônica com a tarifa residencial média de R$ 0,84 por kWh, média simples de 100 distribuidoras nos dados abertos da ANEEL em 24/10/2026, sem impostos e sem bandeira tarifária. Impostos e bandeira encarecem a conta; a tarifa varia de R$ 0,41 a R$ 1,57 conforme a distribuidora.*

Com quatro placas, a corrente também pesa. Pela conta do Tectônica, 1,76 kW em 127 V puxam cerca de 13,9 ampères, perto do limite de muitos circuitos de casa. Em 220 V, a corrente cai quase pela metade.

O que um usuário encontrou montando quatro placas

Um usuário do fórum Level1Techs relatou, entre julho e setembro de 2026, a montagem de um computador com quatro Max-Q, um Threadripper PRO 7985WX, 512 GB de memória e fonte de 1.700 W, por cerca de US$ 54 mil. É um relato de uma montagem só, não um teste de laboratório.

Os programas para ligar tudo

O sistema mais usado nesse tipo de servidor é o Linux. A NVIDIA avisa que a arquitetura Blackwell só funciona com a versão de código aberto dos módulos do driver. Os principais programas têm versão em contêiner Docker, um pacote que traz o programa já com tudo de que ele depende.

Para texto, três motores cobrem a maioria dos casos. O Ollama roda modelos com poucos comandos. O vLLM e o TensorRT-LLM, da própria NVIDIA, atendem muitas pessoas ao mesmo tempo. Por cima deles, o Open WebUI oferece uma janela de conversa no navegador, parecida com a dos serviços pagos.

Texto: o que cabe e com que velocidade

O número de 1.724 tokens por segundo não é a velocidade de uma conversa. É a soma de dezenas de pedidos atendidos ao mesmo tempo, o que interessa a uma empresa que oferece o modelo para muitos funcionários.

Além do texto

A memória grande pesa ainda mais fora do chat. Em várias áreas não há medição independente feita com esta placa; nesses casos, o que existe é a exigência de memória publicada por quem criou o modelo.

Imagem. O StorageReview mediu 5,36 segundos por imagem no SDXL, empatado com a RTX 5090, placa de jogos de topo. A NVIDIA alega ganho maior, mas contra a geração anterior. O FLUX.2 dev completo, segundo os autores, pede uma placa do porte de uma H100, de data center; com 96 GB, ele roda sem cortes.

Vídeo. É onde a diferença é maior. O Wan 2.2 de 14 bilhões de parâmetros pede 80 GB ou mais, o HunyuanVideo em 720p pede 60 GB e o Mochi cerca de 60 GB, segundo os próprios desenvolvedores. Placas de 24 a 32 GB só rodam esses modelos jogando parte deles para a memória do computador. Não há tempo de geração medido nesta placa.

3D. O Hunyuan3D 2.1 pede 29 GB para gerar forma e textura juntas, e o TRELLIS.2 pede no mínimo 24 GB. Os dois cabem com folga, e sobra espaço para outros modelos ao mesmo tempo. Também aqui não há medição nesta placa.

Áudio e voz. Os modelos são pequenos. O faster-whisper transcreve 13 minutos de áudio em 16 a 17 segundos numa placa de jogos intermediária. A vantagem dos 96 GB está em manter transcrição, voz e um modelo de texto carregados juntos.

Visão. Modelos que leem imagens, fotos e documentos escaneados, com 27 a 38 bilhões de parâmetros, cabem inteiros sem compactação. O leitor de texto em imagem Surya faz 5,35 páginas por segundo numa RTX 5090.

Ajuste fino. É o treino adicional de um modelo pronto com os dados da própria empresa. A técnica QLoRA treina só uma pequena parte do modelo, com ele compactado. Segundo a Unsloth, o QLoRA de um modelo de 70 bilhões pede 41 GB, e o de 120 bilhões pede 65 GB. Um teste publicado no Japão fez o ajuste do gpt-oss-120b numa única Max-Q, com cerca de 9.400 exemplos por hora, perto dos 9.200 de uma H100. Em outro modelo, o Qwen3-32B, a H100 foi cerca de 2,5 vezes mais rápida.

Busca nos próprios documentos. A técnica chamada RAG faz o modelo responder com base em contratos, manuais ou prontuários guardados na empresa. O modelo que indexa os textos é pequeno; o ganho é rodar indexador, reordenador e um modelo de texto grande na mesma placa, sem que nada saia do prédio.

Render e edição de vídeo. A Puget mediu, no Blender, de 5% a 10% acima da RTX 5090 e, no DaVinci Resolve, de 21% a 78% acima da RTX 6000 Ada, a geração anterior. O ganho real aparece em cenas enormes e com vários programas abertos: num teste, 49 GB estavam ocupados.

As licenças dos modelos

Modelo aberto não quer dizer livre para qualquer uso. Quem vai usar no trabalho precisa conferir a licença.

Segurança e lei

Por padrão, o Ollama só aceita conexões do próprio computador. Basta uma configuração para abri-lo à rede, e a documentação não menciona senha. O Open WebUI transforma em administrador a primeira conta criada. A orientação da equipe do Open WebUI é não expor essas portas na internet: o acesso de fora deve passar por uma VPN, como WireGuard ou Tailscale, ou por um proxy com HTTPS e senha.

Rodar em casa mantém os dados dentro de casa, mas não dispensa a LGPD: quem guarda dados de clientes continua responsável pela segurança deles. A voz merece cuidado especial. Quando serve para identificar alguém, ela entra na categoria de dado biométrico, que a LGPD trata como dado sensível. A Lei 15.123, de 2025, aumentou a pena da violência psicológica contra a mulher quando a voz ou a imagem é alterada por inteligência artificial, e o TSE proíbe *deepfake* na propaganda eleitoral. O projeto do marco legal da inteligência artificial, o PL 2338/2023, ainda tramita na Câmara e não é lei. Quem pensa em clonar a voz de outra pessoa precisa de autorização dela e de orientação jurídica.

Comprar ou alugar

*Ponto de equilíbrio calculado pelo Tectônica, sem energia, sem o resto do computador e sem impostos.*

Quem traz a placa de fora paga imposto de importação de 60%, com desconto de US$ 30 em site certificado, mais ICMS de 17% a 20% calculado sobre o próprio valor com o imposto, segundo a Receita Federal.

Onde as fontes divergem

Para quem compensa

O servidor com RTX PRO 6000 faz sentido para quem trabalha todos os dias com modelos grandes e não pode, ou não quer, mandar dados para fora: escritórios que lidam com documentos sigilosos, estúdios que geram vídeo e 3D, equipes que querem treinar um modelo com o próprio acervo e pesquisadores que precisam testar muitos modelos seguidos. Para esse uso contínuo, a conta de ponto de equilíbrio pende para a compra em menos de um ano. Para quem usa poucas horas por mês, o aluguel por hora sai mais barato e dispensa a montagem. Com uma placa Max-Q ou Workstation, um processador com linhas PCIe suficientes, fonte nova com o conector certo, bom fluxo de ar, tomada adequada e as portas fechadas para a internet, dá para ter em casa um computador que roda texto, imagem, vídeo, voz e 3D com a mesma máquina.

Fontes: 1 · 2 · 3 · 4 · 5 · 6 · 7 · 8 · 9 · 10 · 11 · 12 · 13 · 14 · 15 · 16 · 17 · 18 · 19 · 20 · 21 · 22 · 23 · 24 · 25 · 26 · 27 · 28 · 29 · 30 · 31 · 32 · 33 · 34 · 35 · 36 · 37 · 38 · 39 · 40 · 41 · 42 · 43 · 44 · 45 · 46 · 47 · 48 · 49 · 50 · 51 · 52 · 53 · 54 · 55 · 56 · 57 · 58 · 59 · 60 · 61 · 62 · 63 · 64 · 65 · 66