Nvidia conecta computadores domésticos em um único cluster de inferência de IA com PAIR

A Nvidia, em 3 de setembro de 2026, lançou a versão beta do Personal AI Router (PAIR), um software gratuito e de código aberto que conecta computadores compatíveis em uma rede doméstica em um único cluster para inferência local de IA, roteando solicitações de cargas de trabalho de agentes entre as máquinas disponíveis.

Apesar do nome, o PAIR não é um roteador de hardware nem um novo mecanismo de inferência. De acordo com o post técnico do blog da Nvidia que anuncia o software, mecanismos como Ollama e LM Studio ainda executam cada modelo em uma máquina selecionada, enquanto o PAIR descobre os sistemas participantes, rastreia se cada um está pronto para uma solicitação, agenda trabalhos independentes e devolve cada resposta ao aplicativo que a originou.

O que a versão beta suporta

O beta do PAIR funciona no Windows 11, Linux e macOS, com arquiteturas x64 e arm64 suportadas nos três sistemas operacionais; a documentação do projeto descreve o Windows on ARM como experimental. A página do produto da Nvidia lista o hardware suportado como todas as GPUs GeForce RTX da Série 20 em diante, sistemas DGX Spark e GB10, e Macs com chips Apple M4 ou mais recentes, além de um mínimo de 8 GB de RAM e 20 GB ou mais de espaço em disco recomendado. O post técnico do blog também lista GPUs RTX PRO de estações de trabalho na arquitetura Turing e posteriores.

Não é necessária conexão com a internet para a operação, embora seja necessária para baixar modelos. A página do produto afirma que configurar um cluster não requer cabos ou racks especiais: os usuários baixam o software, adicionam seus dispositivos e executam suas aplicações de IA por meio dele. A Nvidia publica o código-fonte do PAIR sob a Licença Apache 2.0, e afirma que os desenvolvedores podem inspecionar o código, relatar problemas e contribuir com melhorias para descoberta, pareamento, roteamento, integração de mecanismos, pontos de extremidade e a experiência do usuário.

Roteamento sem agrupamento de GPUs

A Nvidia descreve o PAIR como um roteador de inferência virtual, e não como uma forma de mesclar hardware. Cada solicitação é atribuída a um nó elegível e permanece nele durante sua execução; o software não agrupa memória de GPU, não combina GPUs em um acelerador lógico maior, não fragmenta um único modelo entre máquinas, nem divide uma solicitação de inferência em andamento entre nós.

As aplicações se conectam por meio de pontos de extremidade proxy compatíveis com Ollama e OpenAI, que o PAIR cria assumindo as portas padrão usadas pelos dois mecanismos. A Nvidia disse que isso permite que os harnesses de agentes continuem usando a interface que já conhecem, sem necessidade de uma nova API de cluster. Um nó torna‑se elegível para uma solicitação somente quando um mecanismo suportado está habilitado nele e o modelo exatamente solicitado está presente, e o PAIR prefere nós que já sabe que possuem o modelo. Os modelos não precisam ser idênticos em todo o cluster; carregar a mesma etiqueta de modelo em mais nós fornece ao escalonador um pool elegível maior.

Para cada nova solicitação, o escalonador avalia se um nó pareado está online e pronto, se um mecanismo suportado está habilitado, se o modelo solicitado está presente, a carga de trabalho atual incluindo trabalhos ativos, e a utilização atual da GPU, como um aplicativo gráfico intensivo em execução. Os nós podem contribuir com capacidade quando disponíveis e se retirar quando necessário, como quando um laptop entra em modo de suspensão, se fecha ou deixa a rede.

Descoberta, segurança e privacidade

Após a instalação, o PAIR usa descoberta em rede local via mDNS para encontrar sistemas próximos automaticamente, e um nó também pode ser adicionado por endereço IP. O pareamento de duas máquinas utiliza um PIN de seis dígitos exibido na máquina convidante e inserido na convidada. A Nvidia afirmou que toda comunicação nó‑a‑nó fica bloqueada até que o pareamento seguro seja estabelecido, após o que o tráfego é protegido com MTLS e certificados gerados. A empresa posiciona o software para inferência local privada, com prompts, arquivos e contexto de agente permanecendo na rede doméstica do usuário em vez de serem enviados a um serviço de inferência em nuvem. A documentação do repositório alerta os usuários a lerem as notas de segurança antes de implantar o PAIR em uma rede não confiável ou compartilhada, pois inclui pontos de extremidade HTTP locais, descoberta LAN e rede de cluster.

Cargas de trabalho-alvo e uma demonstração não oficial

A Nvidia disse que o PAIR se destina a cargas de trabalho que expõem muitas solicitações independentes simultaneamente, como aplicações multi‑agente nas quais um agente principal divide uma tarefa complexa em trabalhos menores para subagentes. Em uma demonstração usando o agente Hermes Desktop e Ollama, a empresa relatou que uma tarefa de cinco subagentes usando o modelo Qwen 3.6 35B A3B levou em média 18 minutos em um único laptop RTX Spark, enquanto um cluster PAIR de três dispositivos combinando um laptop RTX Spark, um DGX Spark e um RTX 5090 completou a mesma carga de trabalho em média 8 minutos e 48 segundos. A Nvidia caracterizou o resultado como uma demonstração não oficial e específica de configuração, e não como um benchmark geral ou promessa de escalonamento linear, observando que os resultados dependem do paralelismo da carga, modelo, configurações do mecanismo, hardware, rede e disponibilidade dos nós.

A empresa afirmou que tarefas altamente sequenciais, cargas de trabalho dominadas por uma única chamada de modelo longa, ou configurações onde apenas um nó possui o modelo solicitado podem apresentar menos benefício. A documentação do repositório acrescenta que o software atualmente entrega uma única política de agendamento que combina trabalho em fila com um sinal grosseiro de utilização da GPU, tornando‑o mais adequado para máquinas semelhantes do que para um cluster altamente heterogêneo, e que a Nvidia busca feedback para tornar o escalonador mais inteligente sem compromissos fixos sobre o que será entregue ou quando.