NVIDIA build.nvidia.com: 100+ modelos de IA em API gratuita (acabou os modelos locais)

A NVIDIA acabou de eliminar o maior obstáculo da IA local: o hardware. Com build.nvidia.com, você acessa mais de 100 modelos de IA de ponta (Llama, Nemotron, DeepSeek, GLM-4, gpt-oss…) por meio de uma API gratuita, compatível com OpenAI. Sem necessidade de baixar 200 GB de pesos, sem necessidade de uma GPU de 2.000 $, sem mais "disco cheio". Você altera duas linhas no seu código e executa nos GPUs da NVIDIA, na nuvem. Nós desvendamos tudo, com código real copiável.

flowchart LR
    A["Seu código / IDE"] --> B["OpenAI SDK"]
    B --> C["Endpoint NVIDIA
integrate.api.nvidia.com/v1"]
    C --> D["NIM · GPU na nuvem"]
    D --> E["100+ modelos
Llama · Nemotron · DeepSeek"]

O que é build.nvidia.com (NVIDIA NIM) ?

Desde 2024, a NVIDIA implanta NIM (NVIDIA Inference Microservices): uma camada que serve modelos de IA otimizados para seus GPUs. Existem duas metades: contêineres que você pode hospedar sozinho e um catálogo de inferência hospedada — este último que está fazendo barulho hoje em build.nvidia.com.

A ideia genial: o endpoint é compatível com a API OpenAI. Concretamente, qualquer ferramenta, framework ou app que saiba apontar para uma « base URL » personalizada pode mirar a NVIDIA sem nenhuma outra modificação de código. Streaming, function calling, tool use: tudo funciona como com a OpenAI.

Por que é uma bomba: acabou os modelos locais

Executar um modelo grande em casa é um verdadeiro desafio: baixar dezenas (ou centenas) de gigabytes, ter VRAM suficiente, gerenciar drivers CUDA e aceitar que seu laptop esquente como um radiador. O endpoint na nuvem resolve tudo de uma vez.

Comece em 3 minutos: sua chave nvapi-

O único pré-requisito é uma conta gratuita do programa de desenvolvedores da NVIDIA. Sem cartão de crédito.

Os passos: (1) acesse build.nvidia.com e faça login, (2) abra qualquer modelo, (3) clique em Get API Key, (4) copie a chave que começa com nvapi- — ela é exibida apenas uma vez. Depois, exporte-a e instale o SDK:

# 1. Armazene sua chave em uma variável de ambiente
export NVIDIA_API_KEY="nvapi-xxxxxxxxxxxxxxxxxxxxxxxx"

# 2. Instale o SDK OpenAI (sim, o da OpenAI)
pip install openai

Seu primeiro chamado (Python)

Aqui está o exemplo mais curto que funciona. Observe as duas únicas coisas específicas da NVIDIA: base_url e a chave.

from openai import OpenAI

client = OpenAI(
    base_url="https://integrate.api.nvidia.com/v1",
    api_key="nvapi-VOTRE_CLE",   # ou os.environ["NVIDIA_API_KEY"]
)

resp = client.chat.completions.create(
    model="deepseek-ai/deepseek-v4-pro",
    messages=[{"role": "user", "content": "Explique le RAG en 3 phrases."}],
    temperature=0.7,
    max_tokens=1024,
)
print(resp.choices[0].message.content)

Le RAG (Retrieval-Augmented Generation) combine une recherche documentaire
avec un modèle de langage. On retrouve d'abord les passages pertinents dans
une base de connaissances, puis on les injecte dans le prompt pour que le
modèle réponde avec des faits à jour plutôt qu'avec sa seule mémoire.

Streaming, Node.js e cURL

O streaming (exibir a resposta palavra por palavra) funciona como com a OpenAI:

stream = client.chat.completions.create(
    model="meta/llama-3.3-70b-instruct",
    messages=[{"role": "user", "content": "Ecris un haiku sur le GPU."}],
    stream=True,
)
for chunk in stream:
    print(chunk.choices[0].delta.content or "", end="")

Em Node.js, é exatamente o mesmo SDK:

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://integrate.api.nvidia.com/v1",
  apiKey: process.env.NVIDIA_API_KEY,
});

const r = await client.chat.completions.create({
  model: "openai/gpt-oss-120b",
  messages: [{ role: "user", content: "Salut depuis Node !" }],
});
console.log(r.choices[0].message.content);

E em puro cURL, sem nenhum SDK:

curl https://integrate.api.nvidia.com/v1/chat/completions \
  -H "Authorization: Bearer $NVIDIA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nvidia/nemotron-3-ultra-550b-a55b",
    "messages": [{"role": "user", "content": "Bonjour !"}]
  }'

Conecte Cursor, Claude Code e LangChain

Como o endpoint é compatível com OpenAI, você pode conectá-lo em qualquer lugar que aceite uma base URL personalizada. Para Cursor: nas configurações de modelos, informe a base URL https://integrate.api.nvidia.com/v1 e sua chave nvapi- — o chat, o autocompletar e o agente passam a usar modelos hospedados pela NVIDIA. Mesma lógica para Claude Code, LangChain, CrewAI ou AutoGen: altere apenas a base URL e o ID do modelo.

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    base_url="https://integrate.api.nvidia.com/v1",
    api_key="nvapi-VOTRE_CLE",
    model="meta/llama-3.3-70b-instruct",
)
print(llm.invoke("Donne-moi 3 idees de projets IA pour debuter.").content)

curl -s https://integrate.api.nvidia.com/v1/models \
  -H "Authorization: Bearer $NVIDIA_API_KEY" | jq '.data[].id'

Os modelos disponíveis + as Agentic Skills

O catálogo ultrapassa 100 modelos: famílias Llama e Nemotron (NVIDIA), DeepSeek, GLM-4 (Zhipu AI), gpt-oss (OpenAI em open weights), MiniMax, sem contar os modelos de embeddings, reconhecimento de voz e simulação. Cada ficha de modelo exibe sua tarifa: alguns são totalmente gratuitos, outros consomem seus créditos.

A NVIDIA também promove as Agentic Skills: capacidades prontas para uso que seu agente pode chamar, organizadas por domínio — AI & Machine Learning, Accelerated Computing, Physical AI, Developer Tools. O suficiente para montar um agente que age, não apenas conversa.

Os limites do plano gratuito (para saber)

O nível gratuito é generoso para prototipar, mas tem limites claros:

Se você exceder a taxa, a API retorna um erro 429 Too Many Requests. A solução clássica: espaçar as chamadas e tentar novamente com um atraso crescente (backoff).

import time
from openai import OpenAI

client = OpenAI(base_url="https://integrate.api.nvidia.com/v1", api_key="nvapi-VOTRE_CLE")

def chat_avec_retry(messages, model="meta/llama-3.3-70b-instruct", essais=5):
    for i in range(essais):
        try:
            return client.chat.completions.create(model=model, messages=messages)
        except Exception as e:
            if "429" in str(e) and i < essais - 1:
                time.sleep(2 ** i)   # 1s, 2s, 4s, 8s...
                continue
            raise

Quando permanecer local mesmo assim

O endpoint não mata o local — ele o complementa. Fique local quando: (1) seus dados são sensíveis e não devem sair, (2) você trabalha offline, (3) você quer uma latência ultrastável, ou (4) você está em grande escala e a auto-hospedagem sai mais barata. Para todo o resto — prototipagem, demos, side-projects, aprendizado — o endpoint gratuito é imbatível. E no dia em que quiser passar para produção auto-hospedada, a NVIDIA oferece uma licença R&D gratuita (até 16 GPUs) e um teste de 90 dias do AI Enterprise.

FAQ

📬 Quer receber este tipo de guia toda semana? Inscreva-se gratuitamente — código real, zero enrolação.