AI / LLM VPS
AI・LLMワークロード向けVPS（CPU最適化）
AI向けVPSとは、独自のvCPU、RAM、SSDストレージを持つKVMサーバーで、トークン単位で料金を払う代わりにAIワークロードをセルフホストするものです。X-ZoneServersのVPSはCPU専用のため、小規模な量子化モデル、埋め込み、RAGのオーケストレーション、ベクトルデータベース、ホスト型モデルへのAPIゲートウェイに適しています。GPUハードウェアはないため、GPUによる学習や大規模モデルのリアルタイム推論は対象外です。
当社のAI VPSはKVM仮想化で動作し、インスタンスごとにvCPU、RAM、SSDストレージを備えています。CPUでのLLM推論はGPUではなく、メモリ帯域幅とRAMの余裕に制約されるため、RAMは多めに確保してください。Q4 GGUFに量子化した7B-8Bモデルを快適にロードして提供するには、通常16 GB程度のRAMが必要です。2B-3Bモデルや埋め込みモデルは4〜8 GBに収まります。全プランに、トラフィック無制限、1 Tbpsの常時オンDDoS対策（L3/L4）、完全なroot権限が含まれ、EUと米国東部の7つのVPS拠点で約1分でデプロイできます。
約60秒
デプロイ時間
無制限
ネットワークトラフィック
7
VPS拠点
1 Tbps
常時オンDDoS対策（L3/L4）
01選ばれる理由
選ばれる理由
ワークロードに合わせたインフラ — 汎用的なサーバーではなく、KVMによる分離と完全なroot権限。
CPU専用 — 誠実な対象範囲
GPUハードウェアはないため、CPUでうまく動くものをご案内します。GPUによる学習や大規模モデルのリアルタイム推論ではなく、小規模な量子化モデル、埋め込み、分類、RAGです。
RAMの余裕とSSD
CPUでのLLM推論で本当に制約となるのはRAMの余裕なので、モデルに合わせてプランを選んでください。各KVM VPSは独自のカーネルで動作し、モデルファイルやインデックス用のSSDストレージを備えています。
Ollamaとllama.cppをセルフホスト
Ubuntu、Debian、AlmaLinux、Rocky Linuxでの完全なroot権限により、Ollamaやllama.cppを動かし、3B-8BのGGUFモデルをOpenAI互換のローカルAPIで提供できます。
RAGとベクトルDBに対応
Qdrant、Weaviate、pgvector付きPostgresをプライベートなRAGバックエンドとしてホストし、Redisやオーケストレーション層も同じSSD搭載のインスタンスで動かせます。
AIゲートウェイと自動化
ホスト型モデルの前段にAI APIゲートウェイやルーターを置き、安定したHTTPエンドポイントの背後で、n8n、Flowise、LangChain、LlamaIndexによるエージェントパイプラインを自動化できます。
上限付きの時間課金
EUR 0.0056/時から支払い、ジョブを実行するときだけサーバーを立ち上げられます。費用は月額料金が上限のため、24時間365日稼働させたVPSでも記載のプランを超えることはありません。
02ユースケース
こんな用途に最適
これらのサーバーは、データ所有権、安定したHTTP API、リクエストごとのレート制限なしを求めるAIビルダーに適しています。小規模オープンモデルにはOllamaやllama.cppを動かし、RAGバックエンドとしてQdrant、Weaviate、pgvector付きPostgresをホストし、n8n、Flowise、LangChain、LlamaIndexでパイプラインをオーケストレーションできます。多くのチームは、OpenAIやAnthropicのホスト型モデルの前段でVPSをAI APIゲートウェイやルーターとして利用します。速度については現実的にお考えください。CPUでは毎秒一桁から十数トークン程度が見込まれ、バッチや非同期の処理に最適です。GPU学習とファインチューニングは当社のCPU専用環境では対象外です。
- 小規模な量子化3B-8BモデルのOllama・llama.cppをセルフホスト
- Qdrant、Weaviate、pgvectorによるRAGバックエンド
- 埋め込みと文書分類のバッチジョブ
- ホスト型モデルへのAI APIゲートウェイ・ルーター
- n8nとFlowiseのAI自動化パイプライン
- プライベートAPIの背後のチャットボット・エージェントバックエンド
03よくある質問
よくある質問
GPUなしのVPSで、AIやLLMを動かせますか？
はい、適したワークロードであれば可能です。小規模なオープンモデルや量子化されたオープンモデルはCPUで動作します。2B-3Bモデルは4〜8 GBのRAMで、Q4 GGUFの7B-8Bモデルは約16 GBで動きます。埋め込み、分類、要約、RAGのオーケストレーションは、いずれも問題なく動作します。GPUによる学習や大規模モデルのリアルタイム推論はCPUでは動かないため、ここでは対象外です。
VPSでLLMをホストするには、どれくらいのRAMが必要ですか？
CPU推論ではRAMが最大の制約です。おおよそ量子化後のモデルサイズに、OSと推論サーバーのプロセス用の余裕を加えて見積もってください。2B-3Bモデルなら約4〜8 GB、Q4 GGUFの7B-8Bモデルなら約16 GBです。ベクトルデータベースや埋め込みインデックスには、モデルとは別に追加のRAMが必要です。
X-ZoneServersのVPSでOllamaを動かせますか？
はい。Linux VPSの完全なroot権限があれば、Ollamaやllama.cppをインストールし、ポート11434のOpenAI互換ローカルAPIでGGUFモデルを提供できます。RAMに見合った小規模な量子化モデルを使ってください。速度は毎秒一桁から十数トークン程度が見込まれ、バッチ処理や非同期タスクに適しています。
CPUでのLLM推論は、GPUと比べてどれくらい速いですか？
遅くなります。それが正直なトレードオフです。CPUでは通常、毎秒数トークンから十数トークン程度で、GPUのスループットを大きく下回ります。要約、抽出、分類、埋め込み、夜間のバッチジョブには十分ですが、高スループットの対話型チャットには向きません。リアルタイムのチャットには、VPS上で動くAIゲートウェイの背後にホスト型モデルを置いてください。
これらのVPSで、RAGバックエンドやベクトルデータベースをホストできますか？
はい。SSDストレージと完全なroot権限を備えたこれらのサーバーは、Qdrant、Weaviate、pgvector付きPostgresなどのセルフホスト型ベクトルデータベースを、Redisや、n8n、LangChain、LlamaIndexといったオーケストレーション層と併せて動かすのに適しています。4 vCPU / 16 GBのインスタンスで、初期段階のRAG導入の大半をまかなえます。
学習やファインチューニング用のGPUサーバーはありますか？
いいえ。X-ZoneServersにはGPUハードウェアがないため、GPUによる学習、大規模なファインチューニング、大規模モデルのリアルタイム推論は対象外です。当社のVPSは、小規模モデル、埋め込み、RAG、自動化、ホスト型モデルへのゲートウェイといった、CPUに適したAI用途に最適です。より重い計算処理には、当社の専用サーバーをご覧ください。
04関連
関連プロダクトとユースケース
はじめる
約1分でAI VPSをデプロイ
Ollama、RAG、AI自動化向けに、CPU最適化のKVM VPSを立ち上げましょう。月額料金が上限の時間課金で、SSDストレージとDDoS対策も含まれます。