TLDR;

É possível executar agentic coding totalmente local no seu computador sem conexão à internet ou custos, desde que você tenha o modelo certo e configure o ambiente adequadamente. O requisito principal é a VRAM (ou memória unificada nos Macs M-series): GPUs modernas com 8–24 GB permitem rodar modelos locais, mas reserve cerca de 10–15% para o sistema e considere que cerca de 75–80% da memória unificada é utilizável em Macs. Modelos maiores não garantem melhor desempenho — Macs podem carregar modelos maiores por usar memória unificada, mas GPUs dedicadas em Windows têm largura de banda de memória maior e normalmente entregam respostas mais rápidas.

Resumo

Nos últimos meses os modelos locais melhoraram muito e ficaram fáceis de rodar, permitindo “agentic coding” totalmente offline e sem custos de computação na nuvem — basta ter o modelo certo e configurar o ambiente; o vídeo oferece um tutorial sobre seleção de modelos, funcionamento e setup para que o modelo execute tarefas, escreva arquivos, rode comandos bash etc. A escolha do modelo depende sobretudo do hardware, em especial da memória de vídeo (VRAM) no Windows ou da memória unificada em Macs M-series, que determina o tamanho máximo do modelo que você pode carregar; espere poder usar cerca de 75–80% da memória unificada no Mac (e praticamente toda a VRAM dedicada no Windows), descontando 10–15% para o sistema operacional e processos. Computadores antigos podem não ser adequados, enquanto GPUs modernas (por ex. 4090/5090) oferecem maior largura de banda e respostas mais rápidas que Macs apesar de estes poderem carregar modelos maiores; velocidade e capacidade nem sempre andam juntas — modelos maiores não significam necessariamente melhores resultados. Em resumo: rodar localmente é viável e econômico, mas exige entender sua VRAM/unified memory, escolher um modelo compatível com esse limite e aceitar trade-offs entre tamanho do modelo e velocidade de inferência.