Requisitos de hardware por nível
Três níveis para cada carga: o mínimo que funciona, o ponto ideal recomendado e o nível confortável de margem. São os mesmos níveis que o motor de decisão WisePC usa quando planeia um build em torno do teu objetivo.
| Nível | Núcleos de CPU | RAM | Armazenamento | GPU | VRAM | Rede |
|---|---|---|---|---|---|---|
| Mínimo | 8 cores | 32 GB | 2 TB (ssd) | ai | 16 GB de VRAM | 1 GbE |
| Recomendado | 16 cores | 64 GB | 4 TB (ssd) | ai | 24 GB de VRAM | 2.5 GbE |
| Confortável | 24 cores | 128 GB | 8 TB (ssd) | ai | 48 GB de VRAM | 10 GbE |
| Exagerado | 39 cores | 205 GB | 16 TB (ssd) | ai | 48 GB de VRAM | 10 GbE |
Além de Confortável — 39 núcleos, 205 GB de RAM, 16 TB (SSD): margem que nunca usará só para este workload. Ponha a diferença em armazenamento, backup ou silêncio.
Formato de sistema recomendado
Derivado pelo motor de decisão do nível recomendado — a mesma lógica que planeia builds completos.
Requirements (16 threads, 64GB RAM, 8TB storage, dedicated GPU) need a custom tower build.
Se este workload merece a sua própria máquina ou deve viver no servidor principal.
GPU-bound compute is expensive to duplicate — a second GPU box roughly doubles cost for little resilience gain. Keep it on the main machine.
Arrays de armazenamento, com preços
Cinco estratégias físicas para a capacidade recomendada — mesmo planeador, mesmo modelo de discos e mesmos preços de referência que a ferramenta de armazenamento.
| Estratégia | Discos | Útil | Custo | Repouso |
|---|---|---|---|---|
| Cheapest | 2× 4TB hdd | 4 TB · parity1 | ≈ €200 | 10 W |
| Balanced Recomendado | 2× 16TB hdd | 16 TB · parity1 | ≈ €480 | 12 W |
| Redundant | 3× 8TB hdd | 8 TB · parity2 | ≈ €450 | 15 W |
| Expansion-friendly | 2× 20TB hdd | 20 TB · parity1 | ≈ €600 | 14 W |
| Performance | 2× 4TB nvme | 4 TB · parity1 | ≈ €480 | 2 W |
For a fast working tier, go all-flash — the performance strategy protects speed without the HDD rebuild pain.
Backup não é armazenamento
A cópia extra que sobrevive a falhas, eliminações e ransomware — mesmo motor que o planeador de backup.
Protect 4TB with at least two copies on separate hardware, ideally one offsite. The recommended start is a dedicated NAS.
Add a second copy outside the building — cloud or a drive at a friend's house.
Use a versioning-aware tool (restic, borg, Backblaze) that keeps history.
Schedule backups automatically and monitor them.
Keep the backup on separate hardware or offsite.
Quanto vai custar?
Intervalos EUR neutros do modelo de referência (≈ = preço de rua estimado). Os preços reais estão na página do build para a sua região.
A computação (CPU, placa, RAM, GPU) não está incluída — veja o build recomendado para preços em direto.
Perspetiva de crescimento
O que acontece quando os dados continuam a crescer — mesmo motor que o simulador de crescimento.
Storage stays within 8TB across the 3-year horizon — the architecture fits your expected growth.
Within capacity and bays — no new bay needed for 7TB.
De que nível precisas?
- Escolhe Mínimo (8 núcleos, 32 GB de RAM) apenas para uma máquina de uso único com orçamento apertado — espera pouca margem.
- Recomendado (16 núcleos, 64 GB de RAM) é o ponto ideal: suficiente para a carga mais os serviços secundários habituais, sem gastar demais.
- Escolhe Confortável (24 núcleos, 128 GB de RAM) quando esta carga partilha a máquina com outras ou vai crescer — pagas por margem, não por ansiedade.
- Regra de GPU para esta carga: ai.Regra GPU para esta carga: ai (24 GB de VRAM).
Também abordado neste guia
Experimentação com IA
Aprender e experimentar com modelos, treinar modelos pequenos, ferramentas.
Perguntas frequentes
Quanta RAM precisa o model training / fine-tuning?
32 GB é o mínimo sensato, 64 GB cobre a maioria das configurações reais e 128 GB dá margem confortável para crescimento e serviços extra.
De quantos núcleos de CPU precisa o model training / fine-tuning?
Uma CPU com 8 núcleos é o mínimo, 16 núcleos é o ponto ideal recomendado e 24 núcleos é confortável quando partilha a máquina com outras cargas.
O model training / fine-tuning precisa de uma GPU dedicada?
Uma GPU dedicada é fortemente recomendada — esta carga faz computação de IA. Precisa de 16–48 GB de VRAM (16 mínimo, 24 recomendado, 48 confortável).
Que armazenamento e rede o model training / fine-tuning espera?
Armazenamento: 4 TB de SSD é a linha de base recomendada (2 TB mínimo, 8 TB confortável). Rede: 2.5 GbE é a linha de base recomendada.
O que funciona bem ao lado do model training / fine-tuning?
Combina naturalmente com: Experimentação com IA.
Quanta energia consome model training / fine-tuning?
O array consome cerca de 47 W em repouso (≈ 103 €/ano a 0,25 €/kWh). O sistema completo soma CPU, placa e ventoinhas — ver a secção de custo para intervalos honestos.