Encontre o modelo de IA mais adequado para o seu hardware
Whichllm é uma ferramenta que permite identificar os modelos nativos de linguagem grande com melhor desempenho em seu hardware. Concentrando-se nos benchmarks atuais e não no número de parâmetros, este software baseado em Python permite escolher o modelo mais adequado com um único comando.
Atualizações
- 19 de outubro de 2026: Estrelas 6,719 → 6,767, versão mais recente v0.5.21 (19 de outubro de 2026).
- 4 de outubro de 2026: Estrelas 6,697 → 6,719, versão mais recente v0.5.20 (3 de outubro de 2026).
- 27 de setembro de 2026: Estrelas 6,263 → 6,697, versão mais recente v0.5.19 (19 de setembro de 2026).
- 15 de agosto de 2026: Estrelas 6,101 → 6,263, versão mais recente v0.5.16 (14 de agosto de 2026).
O que você ganha
- Ele determina o modelo de idioma nativo mais adequado ao seu hardware com dados de benchmark atualizados.
- Ele prevê o desempenho detectando automaticamente a GPU e os recursos do sistema.
- Oferece a oportunidade de baixar modelos, iniciar chats e criar exemplos de código Python com um único comando.
Instalação
uv tool install whichllm
uv tool upgrade whichllm # update an existing installbrew install andyyyy64/whichllm/whichllm
pip install whichllmExecução
whichllmwhichllm run "qwen 2.5 1.5b gguf"Se você não programa
Usando a ferramenta Whichllm, desejo listar os modelos locais de grande linguagem que melhor atendem às minhas especificações de hardware e ver as estimativas de desempenho desses modelos. Como posso filtrar os modelos com as pontuações de benchmark mais altas com base na capacidade de GPU ou CPU do meu sistema, bem como planejar o hardware necessário para um modelo específico?
Repositório: https://github.com/Andyyyy64/whichllm. Baseie-se nas instruções oficiais no arquivo README deste repositório para a instalação e execução.
Antes de começar, verifique em qual sistema operacional estamos e se as ferramentas necessárias (ex: Python, Node.js, Git, Docker) estão instaladas. Instale as que faltarem passo a passo de acordo com este sistema.
Crie uma pasta nova e vazia para trabalhar. Não toque em arquivos fora desta pasta e não exclua nada. Antes de executar cada comando, diga o que você vai fazer em uma frase.
Diga-me o que devo ver na tela ao final de cada etapa. Se ocorrer um erro, colarei a mensagem de erro para você exatamente como ela é, e vamos corrigi-la juntos.
Termos relacionados do glossário
Links
A TreScout não desenvolveu esta ferramenta · nós a encontramos nas tendências do GitHub e a apresentamos. Esta página descreve o repositório em 2026-06-09: A contagem de estrelas e o nosso texto são daquele dia, o repositório pode ter mudado desde então. Consulte o link do repositório para ver o estado atual. O texto de apresentação foi preparado com IA a partir da própria documentação do repositório e esta página foi traduzida automaticamente do original em turco · a versão turca é a que vale.