Curadoria aberta para quem está começando em IA

O mapa das ferramentas de IA que você pode usar hoje

Só ferramentas gratuitas: APIs com camada grátis, modelos abertos, runtimes, servidores MCP, skills, datasets e agentes — com o caminho para baixar, como usar e onde usar cada tipo, descrição honesta, ranking de qualidade, requisitos reais e links oficiais. Feito para quem está começando e não quer se perder.

    Ferramentas de decisão

    Não é só uma lista: descubra, monte e verifique

    Cinco ferramentas que respondem “qual IA devo usar?”, “meu PC roda isso?” e “como combino tudo sem gastar?”.

    O que você quer construir?

    Escolha um projeto e o montador de stack se preenche sozinho

    Receitas prontas de sistemas de IA com peças gratuitas. Clique em Construir e o NeuroCatálogo monta a combinação no montador — depois é só trocar peças, comparar e salvar na sua caixa.

    Comece por aqui

    Seis ferramentas que valem o seu primeiro fim de semana

    Escolhas do curador: cada uma é a mais fácil da sua categoria para dar o primeiro resultado concreto.

    Coleções

    Listas prontas: populares, novidades, estrelas e melhores por uso

    Atalhos no estilo loja de aplicativos — cada lista já vem ordenada. Clique em qualquer item para abrir a página completa da ferramenta.

    Trilha do iniciante

    Cinco passos, do primeiro prompt ao primeiro projeto publicado

    Uma ordem sugerida para não se perder. Cada passo leva de meia hora a uma tarde e usa ferramentas gratuitas.

      Do baixar ao usar

      Como obter, usar e onde aplicar cada tipo

      Só entram ferramentas gratuitas — nada aqui exige pagamento. Para cada um dos sete tipos: o caminho para baixar, o passo a passo de uso e onde ele brilha.

      Ranking de qualidade

      Do melhor ao pior — e no que cada um é melhor

      Uma nota de curadoria de 0 a 100 por categoria, com os pontos fortes e fracos de cada item em uma linha. Não é um benchmark oficial: é uma opinião prática para você decidir rápido. Um dataset não compete com um runtime — compare sempre dentro da mesma categoria.

      Carregando…

        Como a nota é calculada: capacidade e resultados (peso maior), maturidade do projeto, custo, privacidade e apoio da comunidade. Os badges “Melhor em” e “Perde em” resumem o que cada item faz bem e onde ele decepciona — por exemplo, o Qwen 3 é forte em programação, raciocínio e português, mas não gera imagem nem vídeo.

        Comparação lado a lado

        Duas ou três ferramentas, critério por critério

        Selecione até três fichas no catálogo (botão “+ comparar”) e a tabela abaixo se monta sozinha — com licença, requisitos, custo e nota de facilidade.

        Sem jargão

        Glossário rápido de IA

        Os termos que aparecem em toda documentação, explicados em três linhas cada.

        Continue sozinho

        Listas, rankings, comunidades e newsletters

        Fontes que valem assinar ou marcar nos favoritos para acompanhar o ritmo do setor.

        Monitoramento automático

        Entrou ou saiu do open source? Aparece aqui

        O catálogo confere sozinho, no seu navegador, os repositórios e modelos listados — licença, arquivamento e disponibilidade — e ainda procura projetos, modelos e datasets em alta que ainda não estão na lista. Quando algo muda, a ficha afetada ganha um aviso.

        Carregando o histórico de verificações…

          A verificação roda no seu navegador — nada é enviado para servidores nossos — usando as APIs públicas do GitHub e do Hugging Face, a cada monitoramento.intervaloHoras horas (padrão: 6). Se as APIs atingirem o limite de requisições, a checagem é retomada de onde parou na próxima visita.

          Guia prático

          Como criar um assistente Jarvis local no seu PC

          Um “Jarvis” local é um assistente que ouve, entende, lembra dos seus arquivos e responde falando — tudo dentro do seu computador. Dá para montar por camadas, começando por um chat local e somando voz, memória e ferramentas depois.

          A camada mais simples é o chat: um runtime local e um modelo aberto já entregam um assistente funcional. É por aí que se começa, porque ela prova que o hardware dá conta.

          A segunda camada é a memória. Com embeddings e um banco vetorial, o assistente passa a consultar os seus documentos e responder com base neles, em vez de só usar o conhecimento do modelo.

          A terceira é a voz: transcrição para entender o que você fala e síntese para responder em áudio. Por último vêm as ferramentas, quando o assistente precisa agir — abrir programas, executar tarefas, consultar serviços.

          Ferramentas gratuitas do catálogo para este caso

          Ollama

          Runtimes & Frameworks · Runtime local

          ★ 95

          Runtime local, a base do assistente: carrega o modelo e expõe uma API para as outras camadas.

          Onde roda
          Local (no seu PC)
          Preço
          Código aberto (grátis)
          Licença
          MIT
          Requisitos
          8 GB de RAM para modelos 7B/8B em Q4; GPU opcional
          Nível
          Iniciante
          Ver ficha completa, como usar e alternativas →

          Qwen 3 (Alibaba)

          Modelos de Linguagem · LLM de texto

          ★ 95

          Modelo generalista que responde às perguntas, com bom desempenho em português e código.

          Onde roda
          Local (no seu PC)
          Preço
          Código aberto (grátis)
          Licença
          Apache 2.0 (maioria dos tamanhos)
          Requisitos
          0.6B–4B: 1–3 GB de RAM. 32B: ~20 GB. 235B MoE: servidor
          Nível
          Intermediário
          Ver ficha completa, como usar e alternativas →

          Kokoro TTS

          Modelos de Linguagem · Áudio

          ★ 87

          Síntese de voz leve, que responde em áudio sem exigir GPU.

          Onde roda
          Local (no seu PC)
          Preço
          Código aberto (grátis)
          Licença
          Apache 2.0
          Requisitos
          ~500 MB de RAM em CPU; funciona sem GPU
          Nível
          Iniciante
          Ver ficha completa, como usar e alternativas →

          Piper TTS

          Modelos de Linguagem · Áudio

          ★ 83

          Alternativa de voz offline, pensada para dispositivos modestos.

          Onde roda
          Local (no seu PC)
          Preço
          Código aberto (grátis)
          Licença
          MIT (software); vozes com licenças próprias
          Requisitos
          Raspberry Pi 4 com 2 GB de RAM
          Nível
          Intermediário
          Ver ficha completa, como usar e alternativas →

          ChromaDB

          Runtimes & Frameworks · Banco vetorial

          ★ 91

          Banco vetorial que guarda a memória do assistente em disco.

          Onde roda
          Local (no seu PC)
          Preço
          Código aberto (grátis)
          Licença
          Apache 2.0
          Requisitos
          1 GB de RAM para bases pequenas
          Nível
          Iniciante
          Ver ficha completa, como usar e alternativas →

          LangGraph

          Agentes & Frameworks · Framework de agentes

          ★ 93

          Organiza o assistente como grafo com estado, quando o fluxo tem ciclos e decisões.

          Onde roda
          Local (no seu PC)
          Preço
          Código aberto (grátis)
          Licença
          MIT
          Requisitos
          Python 3.9+ ou Node 18+; uma chave de LLM
          Nível
          Intermediário
          Ver ficha completa, como usar e alternativas →

          Open Interpreter

          Agentes & Frameworks · Agente de sistema

          ★ 86

          Dá ao assistente a capacidade de executar código e manipular arquivos no computador.

          Onde roda
          Local (no seu PC)
          Preço
          Código aberto (grátis)
          Licença
          AGPL-3.0
          Requisitos
          Python 3.10+; 8 GB de RAM (modelo na nuvem) ou GPU para modelo local
          Nível
          Iniciante
          Ver ficha completa, como usar e alternativas →

          Agent Zero

          Agentes & Frameworks · Agente autônomo local

          ★ 87

          Transforma o assistente em agente que cria as próprias ferramentas durante a tarefa.

          Onde roda
          Local (no seu PC)
          Preço
          Código aberto (grátis)
          Licença
          MIT
          Requisitos
          Docker e 8 GB de RAM; um LLM bom aumenta muito o resultado
          Nível
          Intermediário
          Ver ficha completa, como usar e alternativas →

          Como escolher

          Comece pelo chat
          Antes de somar voz e memória, garanta que o chat local funciona bem. É a camada que valida runtime, modelo e hardware de uma vez.
          Some memória quando precisar de contexto
          Se o assistente precisa saber dos seus arquivos, adicione embeddings e banco vetorial. Sem isso, ele só usa o conhecimento do modelo.
          Voz é opcional no começo
          Transcrição e síntese podem entrar depois. A etapa de transcrição costuma ser a mais sensível à qualidade, então escolha a família com cuidado.
          Ferramentas exigem supervisão
          Um assistente que executa código faz mais coisas e precisa de mais cuidado. Prefira começar com ferramentas de leitura antes de dar permissão de escrita.
          Prefira execução isolada
          Quando o assistente ganha acesso ao computador, ambientes isolados reduzem o risco de uma ação indesejada.

          Prós e limitações

          Os pontos abaixo vêm da curadoria do catálogo — a nota de qualidade (0–100) e os itens “melhor em” e “perde em” registrados para cada ferramenta. Não são medições de benchmark.

          Ollama

          Pontos fortes

          • Rodar LLM local com um comando
          • Primeiro contato com modelos abertos

          Limitações

          • Throughput abaixo do vLLM em produção
          • Recursos avançados de serving

          Qwen 3 (Alibaba)

          Pontos fortes

          • Programação e código
          • Raciocínio e matemática
          • Português e multilíngue

          Limitações

          • Geração de imagem ou vídeo
          • Modelos grandes pedem GPU forte

          faster-whisper

          Pontos fortes

          • Transcrição rápida e barata
          • Rodar em CPU

          Limitações

          • Recursos novos chegam com atraso
          • Não separa quem falou

          Kokoro TTS

          Pontos fortes

          • Voz natural em modelo minúsculo (82M)
          • Fala offline e rápida

          Limitações

          • Número de idiomas limitado
          • Controle fino de emoção

          Piper TTS

          Pontos fortes

          • TTS leve para Raspberry Pi e offline
          • Baixa latência em tempo real

          Limitações

          • Naturalidade da voz
          • Idiomas e sotaques disponíveis

          Nomic Embed Text v1.5

          Pontos fortes

          • Embeddings com janela longa (8k tokens)
          • Busca semântica local

          Limitações

          • Idiomas de baixo recurso
          • Precisão abaixo dos líderes do MTEB

          ChromaDB

          Pontos fortes

          • Banco vetorial para começar em 5 minutos
          • RAG local com persistência

          Limitações

          • Escala muito grande pede outro banco
          • Recursos de produção

          LangChain & LangGraph

          Pontos fortes

          • Ecossistema gigante de integrações
          • Prototipar cadeias e agentes rápido

          Limitações

          • Abstrações mudam entre versões
          • Difícil depurar casos complexos

          LangGraph

          Pontos fortes

          • Agentes em produção com estado e retomada
          • Fluxos com aprovação humana

          Limitações

          • Curva de aprendizado dos grafos
          • Mais código que plataformas visuais

          Open Interpreter

          Pontos fortes

          • Automatizar tarefas do sistema com linguagem natural
          • Aprender agentes com feedback imediato

          Limitações

          • Tem permissão de escrever no seu sistema
          • Licença AGPL

          Agent Zero

          Pontos fortes

          • Agente pessoal local com memória persistente
          • Pesquisa de agentes na sua máquina

          Limitações

          • Executa código: exige isolamento
          • Modelos pequenos entram em loop

          Perguntas frequentes

          Dá para ter um Jarvis sem GPU?
          Sim, com modelos pequenos e ferramentas de voz que rodam em CPU. As respostas serão mais lentas, mas o assistente funciona.
          O que preciso instalar primeiro?
          Comece pelo runtime local e por um modelo aberto. Com essa base funcionando, some embeddings e banco vetorial para a memória.
          A voz responde bem em português?
          As famílias de transcrição catalogadas listam multilinguismo entre os pontos fortes, incluindo português. A qualidade final depende do tamanho do modelo escolhido.
          Ele lembra das conversas?
          Isso vem da camada de memória: embeddings guardam os trechos e o banco vetorial os recupera. Sem essa camada, cada sessão começa do zero.

          Abra a receita “Jarvis Local”

          A receita pronta do catálogo preenche o montador de stack com as peças do assistente, do modelo à voz, e mostra os requisitos de hardware.

          Abrir o montador de stack →