Qwen3.5-9B ou Ministral-3-14B-Instruct-2512: que diferença faz realmente o modelo de IA local?
O My Wealth 1.6 oferece vários modelos de inteligência artificial local para se adaptar aos recursos de cada computador. O Qwen3.5-9B tem 9 mil milhões de parâmetros e o Ministral-3-14B-Instruct-2512 tem 14 mil milhões.
Em teoria, o Ministral dispõe de maior capacidade. Na prática, os testes mostram uma realidade mais interessante: o modelo maior resolve mais pedidos complexos, mas nem sempre é melhor. Um modelo mais leve pode ser mais direto, rápido e por vezes mais fiel à informação estruturada fornecida.
Esta comparação não procura um vencedor absoluto. Ajuda-nos a compreender o raciocínio de cada modelo e a melhorar o assistente para todos os perfis.
Como avaliamos os modelos?
Usamos um património de teste reproduzível e perguntas formuladas como na aplicação. Os cenários abrangem valor e composição, repartição e concentração, dívidas e ativos financiados, rendimentos passivos, orçamentos e operações recorrentes, objetivos e projeções, cruzamento de várias fontes e preparação de alterações respeitando as permissões.
O modelo deve compreender o pedido, selecionar as ferramentas MCP certas, preparar os parâmetros, explorar os resultados e redigir uma resposta coerente com os dados. Verificamos ainda que não inventa valores nem propõe uma operação não solicitada.
As falhas são classificadas pela primeira causa: ferramenta errada, parâmetro inventado, valor funcional incorreto, resposta insuficientemente fundamentada ou problema de execução. Só acrescentamos uma correção quando os registos demonstram que é necessária.
Resultados em números
Para uma comparação justa, os modelos receberam as mesmas 46 perguntas sobre o mesmo património de referência e as mesmas ferramentas:
| Resultado nos 46 cenários comuns | Qwen3.5-9B | Ministral-3-14B-Instruct-2512 |
|---|---|---|
| Testes aprovados | 33 / 46 — 71,7% | 37 / 46 — 80,4% |
| Testes falhados | 13 / 46 — 28,3% | 9 / 46 — 19,6% |
| Duração mediana observada | 2 min 52 s | 3 min 44 s |
Estes números são uma fotografia do desenvolvimento, não um benchmark universal. Os testes foram realizados num Intel Core Ultra 7 165U, com gráficos Intel integrados e 18 GB de memória partilhada, sem placa gráfica dedicada nem memória de vídeo própria. Ainda assim, o Qwen responde em poucos minutos e trata algumas perguntas correntes em pouco mais de um minuto.
Na prática, ambos utilizaram a parte Compute da GPU Intel. Com o Ministral, o Vulkan pode indicar uma aparente execução na CPU, embora a monitorização mostre a CPU inativa e a carga na GPU. Além disso, os testes acompanharam várias melhorias do orquestrador, pelo que os tempos não isolam apenas a arquitetura dos modelos.
Nesta campanha, o Ministral passou mais cenários, enquanto o Qwen continuou claramente mais rápido. O modelo maior melhora certos pedidos complexos em troca de mais recursos e tempo.
Onde o Ministral leva vantagem
O Ministral foi mais eficaz quando era necessário relacionar várias informações: comparações entre proprietários, valor de uma família de ativos face à dívida, parcela de rendimento produzida por ativos financeiros, ativos valiosos mas pouco rentáveis, correspondência entre ativos financiados e passivos, investimentos recorrentes dos orçamentos e objetivos mais distantes da meta.
Isto corresponde ao uso previsto: comparações mais ricas, relações entre entidades e pedidos com mais etapas.
Onde o Qwen surpreende
O Qwen não é apenas uma alternativa mais leve. É frequentemente mais direto e, quando basta um resumo claro ou um resultado canónico, tende a não o reinterpretar desnecessariamente.
Um lote recente incluía as quatro perguntas predefinidas do painel de IA:
- Qual é a situação do meu património?
- Onde está mais concentrado?
- Qual ativo tem o melhor desempenho?
- Que parte do meu património posso mobilizar rapidamente?
O Qwen respondeu corretamente às quatro. O Ministral acertou três na primeira execução completa, mas omitiu a maior concentração apesar de o dado estar disponível. Escolheu a análise MCP correta; o erro surgiu ao reinterpretar as dimensões devolvidas.
Um raciocínio mais desenvolvido pode resolver um pedido complexo, mas também reclassificar ou enriquecer uma resposta que devia permanecer fiel a um resultado já calculado.
O modelo não trabalha sozinho
A qualidade não depende apenas do número de parâmetros. O My Wealth acrescenta uma camada de orquestração entre a pergunta e os dados. Esta apresenta um catálogo compacto de ferramentas, deixa o modelo escolhê-las e preparar parâmetros, valida as chamadas, devolve erros estruturados corrigíveis, calcula relações canónicas a partir dos resultados MCP e mantém o modelo responsável pela compreensão e redação.
O LLM interpreta e explica; a aplicação protege os acessos e estabiliza os factos exatos. Como uma instrução eficaz para o Qwen pode ser ignorada ou sobreinterpretada pelo Ministral — e vice-versa — o My Wealth utiliza políticas adaptadas a cada modelo em vez de um único prompt universal.
Que perfil escolher?
O Qwen é o melhor ponto de partida para perguntas correntes, sínteses patrimoniais e computadores com recursos limitados. O Ministral torna-se útil ao consultar várias dimensões, comparar entidades ou pedir análises com mais etapas. Não garante uma resposta perfeita e pode demorar mais, sobretudo sem aceleração por GPU.
A escolha depende das perguntas, dos recursos do computador e do tempo de resposta aceitável.
Uma avaliação que continua depois do lançamento
O lançamento do My Wealth 1.6 não termina esta campanha. Cada erro reproduzível pode revelar uma ferramenta ambígua, uma relação funcional pouco explícita ou um comportamento específico do modelo. Estas conclusões melhoram o orquestrador, os contratos MCP e as políticas e orientarão futuros LLM.
Como qualquer inteligência artificial, o assistente pode enganar-se. As informações financeiras importantes devem ser sempre verificadas, qualquer que seja o perfil.