VPS AI / LLM
VPS per carichi di lavoro AI e LLM (ottimizzato per CPU)
Un VPS per AI è un server KVM con vCPU, RAM e storage SSD propri su cui ospiti in self-hosting carichi di lavoro AI invece di pagare a token. I VPS X-ZoneServers sono solo CPU, quindi sono adatti a piccoli modelli quantizzati, embedding, orchestrazione RAG, database vettoriali e gateway API verso modelli ospitati. Non disponiamo di hardware GPU, quindi l'addestramento su GPU e l'inferenza in tempo reale di modelli di grandi dimensioni sono fuori ambito.
I nostri VPS per AI girano su virtualizzazione KVM, con vCPU, RAM e storage SSD per ogni istanza; dimensiona la RAM con generosità, perché l'inferenza LLM su CPU è limitata dalla banda di memoria e dal margine di RAM, non dalla GPU. Un modello da 7B-8B quantizzato in Q4 GGUF richiede in genere circa 16 GB di RAM per essere caricato e servito comodamente; i modelli da 2B-3B e i modelli di embedding stanno in 4-8 GB. Ogni piano include traffico illimitato, protezione DDoS sempre attiva da 1 Tbps (L3/L4), accesso root completo e deploy in circa un minuto in sette località VPS nell'UE e nell'Est degli USA.
~60s
Tempo di deploy
Illimitato
Traffico di rete
7
Località VPS
1 Tbps
Protezione DDoS sempre attiva (L3/L4)
01Perché noi
Perché funziona
Infrastruttura su misura per il carico di lavoro — isolamento KVM e root completo, non una macchina generica.
Solo CPU, con limiti dichiarati onestamente
Nessun hardware GPU, quindi ti indichiamo ciò che gira bene su CPU: piccoli modelli quantizzati, embedding, classificazione e RAG, non l'addestramento su GPU o l'inferenza in tempo reale di modelli di grandi dimensioni.
Margine di RAM e SSD
Il margine di RAM è il vero vincolo per l'inferenza LLM su CPU, quindi dimensiona il piano in base al modello. Ogni VPS KVM esegue un proprio kernel con storage SSD per i file dei modelli e gli indici.
Self-hosting di Ollama e llama.cpp
L'accesso root completo su Ubuntu, Debian, AlmaLinux o Rocky Linux ti permette di eseguire Ollama o llama.cpp per servire modelli GGUF da 3B-8B con un'API locale compatibile con OpenAI.
Pronto per RAG e database vettoriali
Ospita Qdrant, Weaviate o Postgres con pgvector come backend RAG privato, insieme a Redis e al tuo livello di orchestrazione, sulla stessa istanza con storage SSD.
Gateway AI e automazione
Esegui un gateway o router API AI davanti a modelli ospitati e automatizza pipeline di agenti con n8n, Flowise, LangChain o LlamaIndex dietro un endpoint HTTP stabile.
Fatturazione oraria con tetto
Paga da EUR 0,0056/ora e avvia i server solo quando c'è un job da eseguire. Il costo ha un tetto al prezzo mensile, così un VPS attivo 24/7 non supera mai il piano indicato.
02Casi d'uso
Ideale per
Questi server sono adatti agli sviluppatori AI che vogliono proprietà dei dati, un'API HTTP stabile e nessun limite di frequenza per richiesta. Esegui Ollama o llama.cpp per piccoli modelli aperti, ospita Qdrant, Weaviate o Postgres con pgvector come backend RAG, e orchestra le pipeline con n8n, Flowise, LangChain o LlamaIndex. Molti team usano un VPS come gateway o router API AI davanti a modelli ospitati di OpenAI o Anthropic. Sii realista sulla velocità: aspettati da pochi a una dozzina circa di token al secondo su CPU, ideale per lavori batch e asincroni. L'addestramento e il fine-tuning su GPU sono fuori ambito sulla nostra flotta solo CPU.
- Self-hosting di Ollama o llama.cpp per piccoli modelli quantizzati da 3B-8B
- Backend RAG con Qdrant, Weaviate o pgvector
- Job batch di embedding e classificazione di documenti
- Gateway e router API AI verso modelli ospitati
- Pipeline di automazione AI con n8n e Flowise
- Backend di chatbot e agenti dietro un'API privata
03Domande
Domande frequenti
È possibile eseguire applicazioni AI o un LLM su un VPS senza GPU?
Sì, per i carichi di lavoro giusti. I modelli aperti piccoli e quantizzati girano su CPU: i modelli da 2B-3B con 4-8 GB di RAM e i modelli 7B-8B Q4 GGUF con circa 16 GB. Embedding, classificazione, riassunti e orchestrazione RAG funzionano tutti bene. L'addestramento su GPU e l'inferenza in tempo reale di modelli di grandi dimensioni non girano su CPU e qui sono fuori ambito.
Quanta RAM mi serve per ospitare un LLM su un VPS?
La RAM è il vincolo determinante per l'inferenza su CPU. Prevedi all'incirca la dimensione del modello quantizzato più un margine per il sistema operativo e il processo di serving: circa 4-8 GB per i modelli da 2B-3B e circa 16 GB per un modello da 7B-8B in Q4 GGUF. Database vettoriali e indici di embedding richiedono RAM aggiuntiva oltre a quella del modello.
Posso eseguire Ollama su un VPS X-ZoneServers?
Sì. Con l'accesso root completo su un VPS Linux puoi installare Ollama o llama.cpp e servire modelli GGUF tramite un'API locale compatibile con OpenAI sulla porta 11434. Limitati a piccoli modelli quantizzati dimensionati sulla tua RAM. Aspettati velocità nell'ordine di poche unità o poche decine di token al secondo, adatte a task batch e asincroni.
Quanto è veloce l'inferenza LLM su CPU rispetto a una GPU?
Più lenta, ed è questo l'onesto compromesso. Su CPU si ottengono in genere da pochi a una dozzina circa di token al secondo, ben al di sotto del throughput di una GPU. Va bene per riassunti, estrazione, classificazione, embedding e job batch notturni, ma non per chat interattive ad alto throughput. Per la chat in tempo reale, metti un modello ospitato dietro un gateway AI in esecuzione sul tuo VPS.
Posso ospitare un backend RAG o un database vettoriale su questi VPS?
Sì. Storage SSD e root completo rendono questi server adatti a database vettoriali in self-hosting come Qdrant, Weaviate o Postgres con pgvector, affiancati da Redis e da un livello di orchestrazione come n8n, LangChain o LlamaIndex. Un'istanza da 4 vCPU / 16 GB copre la maggior parte dei deployment RAG nelle fasi iniziali.
Offrite server GPU per addestramento o fine-tuning?
No. X-ZoneServers non dispone di hardware GPU, quindi l'addestramento su GPU, il fine-tuning su larga scala e l'inferenza in tempo reale di modelli di grandi dimensioni sono fuori ambito. I nostri VPS sono ideali per l'AI adatta alla CPU: modelli piccoli, embedding, RAG, automazione e funzione di gateway verso modelli ospitati. Per carichi di calcolo più pesanti, consulta i nostri server dedicati.
04Correlati
Prodotti e casi d'uso correlati
Inizia
Attiva un VPS per AI in circa un minuto
Avvia un VPS KVM ottimizzato per CPU per Ollama, RAG e automazione AI. Fatturazione oraria con tetto al prezzo mensile, con storage SSD e protezione DDoS inclusi.