Todo desenvolvedor já ouviu isso, geralmente murmurado entre dentes às duas da manhã: "Na minha máquina funciona". Quando um build passa localmente, mas falha no staging, instintivamente culpamos a versão do framework, uma variável de ambiente ausente ou o próprio Docker. Mais do que gostaríamos de admitir, o sistema operacional é o verdadeiro culpado. Caminhos de arquivos, chamadas de sistema, gerenciadores de pacotes e o comportamento do kernel moldam a forma como o código é executado. Escolher o SO certo não é sobre se juntar a uma tribo. É sobre remover a fricção entre o seu laptop e a produção.

Windows: O Generalista

O Windows continua sendo o padrão por um motivo simples: o hardware simplesmente funciona. Conecte um periférico e provavelmente existirá um driver. Para desenvolvedores que trabalham no ecossistema .NET, o Visual Studio ainda é o padrão ouro. IntelliSense, ferramentas de depuração e scaffolding de projetos parecem nativos porque foram construídos para esta plataforma.

Com o Windows Subsystem for Linux 2, a Microsoft reduziu grande parte da lacuna entre o Windows e os fluxos de trabalho baseados em Unix. O WSL2 executa um kernel Linux real dentro de uma VM de utilitário leve, o que significa que você pode invocar o bash, usar o apt e rodar o Ubuntu sem precisar de dual-boot. A integração é fluida o suficiente para que muitos desenvolvedores esqueçam que não estão em um Linux nativo.

Mas a abstração tem limites. O Docker Desktop no Windows depende de uma VM Linux para o seu engine, e a tradução do sistema de arquivos entre o kernel Windows NT e o container Linux introduz latência. Operações intensivas de I/O, como montar diretórios node_modules grandes ou compilar dentro de um volume, rodam visivelmente mais devagar do que no Linux bare-metal. As atualizações do Windows também têm o hábito de reiniciar sua máquina no meio de uma tarefa, o que não é ideal quando você está imerso em uma sessão de depuração.

O Windows brilha para estudantes, gamers e engenheiros que entregam aplicações .NET. Se você precisa de uma máquina que rode Steam nas horas vagas e Visual Studio durante o dia, esta é a escolha prática.

Linux: O Padrão de Servidor

Se a produção vive no Linux, desenvolver no Linux remove surpresas. O sistema operacional foi construído para servidores, e suas premissas de design correspondem ao que os ambientes de nuvem esperam. A filosofia Unix de tratar tudo como um arquivo significa que configurações, dispositivos de hardware e processos em execução vivem em algum lugar na árvore do sistema de arquivos. Essa consistência torna a automação direta. Você pode criar scripts de implantação com bash, gerenciar serviços com systemd e orquestrar containers sem precisar traduzir entre duas arquiteturas de kernel diferentes.

O Docker foi construído sobre primitivas do Linux. Namespaces e cgroups são nativos aqui, então os containers iniciam mais rápido e rodam mais próximo da velocidade bare-metal do que em outras plataformas. O overhead é mínimo, os gerenciadores de pacotes são maduros e você pode reduzir o sistema apenas ao que precisa. Um servidor Linux headless pode rodar por anos sem um reboot.

A desvantagem é o polimento do desktop. O suporte a software comercial fica atrás. Você não encontrará aplicativos nativos do Adobe Creative Cloud, e alguns IDEs proprietários ou ferramentas de colaboração exigem contornos (workarounds). A configuração de hardware pode exigir paciência. Placas Wi-Fi, adaptadores Bluetooth e gráficos híbridos às vezes precisam de instalação manual de drivers ou ajustes de módulos do kernel. Os drivers da NVIDIA melhoraram substancialmente, mas configurar o CUDA corretamente ainda exige ler documentações que assumem que você sabe se virar no terminal.

Engenheiros de backend, profissionais de DevOps e qualquer pessoa construindo infraestrutura de IA devem tratar o Linux como o padrão. Quando seu ambiente de produção roda Ubuntu ou RHEL, espelhar isso localmente economiza horas de depuração de implantação.

macOS: Unix Polido

O macOS ocupa um meio-termo que atrai desenvolvedores que desejam um terminal que se comporte como o Linux e uma GUI que se comporte como um produto de consumo. Por baixo do capô, é um sistema operacional Unix certificado, o que significa que bash, zsh, make, ssh e git funcionam exatamente como você esperaria em um servidor. O Apple Silicon mudou todo o cálculo. Os chips da série M entregam desempenho de classe desktop, enquanto mantêm a duração da bateria do laptop na faixa de 10 a 20 horas. Você pode compilar um projeto, rodar uma stack local e fazer uma chamada de vídeo sem que as ventoinhas comecem a girar.

Para desenvolvedores mobile, o macOS é inegociável. O Xcode e o simulador do iOS só rodam em hardware da Apple. O ecossistema também tende a favorecer fluxos de trabalho criativos e full-stack. Os trackpads e telas são excelentes, e a confiabilidade do modo sleep/wake significa que você abre a tampa e retoma o trabalho instantaneamente.

As desvantagens são o custo e a flexibilidade. Você paga um preço elevado por upgrades de memória e armazenamento que seriam triviais em um PC personalizado ou ThinkPad. A linha de hardware é limitada. Se você precisar de uma GPU específica para treinamento de modelos locais ou portas incomuns para equipamentos de laboratório, um Mac pode não te atender sem enclosures externos e dongles.

Desenvolvedores full-stack, engenheiros de iOS e fundadores de startups que valorizam a portabilidade costumam gravitar para cá. É uma escolha cara, mas que minimiza o atrito diário.

O sistema operacional importa para IA?

O modelo em si é indiferente. Um grande modelo de linguagem executado através do Ollama, LM Studio ou vLLM produz os mesmos tokens, independentemente de o seu kernel ter sido compilado pela Microsoft, Linus Torvalds ou Apple. Suas ferramentas importam muito mais do que o seu sistema operacional. Ao construir agentes de IA, foque em dominar o gerenciamento de dependências do Python, runtimes de Node.js, Docker para ambientes reproduzíveis, integrações de API e gerenciamento de memória para janelas de contexto.

Dito isso, sistemas de IA de produção rodam predominantemente em Linux. Os drivers de GPU de datacenter da NVIDIA e o toolkit CUDA são desenvolvidos e otimizados primeiramente para Linux. O overhead de um desktop gráfico é removido, deixando mais VRAM e ciclos de CPU para treinamento e inferência. Se você estiver alugando computação em nuvem, quase certamente estará acessando uma instância Linux via SSH. Para experimentação local, um MacBook com Apple Silicon é silencioso e eficiente em termos de energia, mas quando chega a hora de treinar em