AI / LLM VPS
VPS voor AI- en LLM-workloads (CPU-geoptimaliseerd)
Een VPS voor AI is een KVM-server met eigen vCPU, RAM en SSD-opslag waarop u AI-workloads zelf host in plaats van per token te betalen. De VPS van X-ZoneServers zijn CPU-only, dus ze passen bij kleine gequantiseerde modellen, embeddings, RAG-orkestratie, vectordatabases en API-gateways naar gehoste modellen. We hebben geen GPU-hardware, dus GPU-training en realtime inferentie van grote modellen vallen buiten het bereik.
Onze AI-VPS draaien op KVM-virtualisatie met vCPU, RAM en SSD-opslag per instance; neem ruim RAM, want LLM-inferentie op de CPU wordt begrensd door geheugenbandbreedte en RAM-marge, niet door een GPU. Een 7B-8B-model, gequantiseerd naar Q4 GGUF, heeft doorgaans ongeveer 16 GB RAM nodig om comfortabel te laden en te serveren; 2B-3B-modellen en embeddingmodellen passen in 4-8 GB. Elk plan bevat ongelimiteerd verkeer, 1 Tbps altijd-actieve DDoS-bescherming (L3/L4), volledige roottoegang en uitrol in ongeveer een minuut op zeven VPS-locaties in de EU en aan de oostkust van de VS.
~60s
Uitroltijd
Ongelimiteerd
Netwerkverkeer
7
VPS-locaties
1 Tbps
Altijd actieve DDoS-bescherming (L3/L4)
01Waarom wij
Waarom het werkt
Infrastructuur afgestemd op de workload — KVM-isolatie en volledige root, geen generieke server.
CPU-only, eerlijk afgebakend
Geen GPU-hardware, dus we wijzen u op wat goed op een CPU draait: kleine gequantiseerde modellen, embeddings, classificatie en RAG, geen GPU-training of realtime inferentie van grote modellen.
RAM-marge en SSD
RAM-marge is de echte beperking bij LLM-inferentie op de CPU, dus stem het plan af op het model. Elke KVM VPS draait een eigen kernel met SSD-opslag voor modelbestanden en indexen.
Host zelf Ollama en llama.cpp
Met volledige roottoegang op Ubuntu, Debian, AlmaLinux of Rocky Linux draait u Ollama of llama.cpp, die 3B-8B GGUF-modellen serveren via een lokale, OpenAI-compatibele API.
Klaar voor RAG en vector-DB's
Host Qdrant, Weaviate of Postgres met pgvector als private RAG-backend, plus Redis en uw orkestratielaag, op dezelfde instance met SSD-opslag.
AI-gateway en automatisering
Draai een AI-API-gateway of router vóór gehoste modellen en automatiseer agentpipelines met n8n, Flowise, LangChain of LlamaIndex achter een stabiel HTTP-endpoint.
Facturering per uur, afgetopt
Betaal vanaf EUR 0,0056/uur en start servers alleen wanneer er een job draait. De kosten zijn afgetopt op de maandprijs, zodat een VPS die 24/7 draait nooit boven het vermelde plan uitkomt.
02Toepassingen
Ideaal voor
Deze servers passen bij AI-bouwers die data-eigenaarschap, een stabiele HTTP-API en geen ratelimieten per request willen. Draai Ollama of llama.cpp voor kleine open modellen, host Qdrant, Weaviate of Postgres met pgvector als RAG-backend, en orkestreer pipelines met n8n, Flowise, LangChain of LlamaIndex. Veel teams gebruiken een VPS als AI-API-gateway of router vóór gehoste modellen van OpenAI of Anthropic. Wees realistisch over snelheid: verwacht enkele tot lage dubbele cijfers aan tokens per seconde op CPU, ideaal voor batch- en asynchroon werk. GPU-training en fine-tuning vallen buiten het bereik op onze CPU-only fleet.
- Ollama of llama.cpp self-hosten voor kleine gequantiseerde 3B-8B-modellen
- RAG-backends met Qdrant, Weaviate of pgvector
- Embedding- en documentclassificatie-batchjobs
- AI-API-gateways en routers naar gehoste modellen
- n8n- en Flowise-AI-automatiseringspipelines
- Chatbot- en agent-backends achter een private API
03Vragen
Veelgestelde vragen
Kan ik AI of een LLM draaien op een VPS zonder GPU?
Ja, voor de juiste workloads. Kleine en gequantiseerde open modellen draaien op de CPU: 2B-3B-modellen in 4-8 GB RAM en 7B-8B Q4 GGUF-modellen in ongeveer 16 GB. Embeddings, classificatie, samenvatten en RAG-orkestratie werken allemaal goed. GPU-training en realtime inferentie van grote modellen draaien niet op een CPU en vallen hier buiten het bereik.
Hoeveel RAM heb ik nodig om een LLM op een VPS te hosten?
RAM is de bepalende beperking bij inferentie op de CPU. Reken op ongeveer de grootte van het gequantiseerde model plus marge voor het OS en het serveerproces: zo'n 4-8 GB voor 2B-3B-modellen en ongeveer 16 GB voor een 7B-8B-model in Q4 GGUF. Vectordatabases en embeddingindexen hebben bovenop het model extra RAM nodig.
Kan ik Ollama draaien op een VPS van X-ZoneServers?
Ja. Met volledige roottoegang op een Linux-VPS kunt u Ollama of llama.cpp installeren en GGUF-modellen serveren via een lokale, OpenAI-compatibele API op poort 11434. Houd het bij kleine gequantiseerde modellen die bij uw RAM passen. Reken op enkele tot lage dubbele cijfers aan tokens per seconde, wat past bij batch- en asynchrone taken.
Hoe snel is LLM-inferentie op een CPU vergeleken met een GPU?
Langzamer, en dat is de eerlijke afweging. Op een CPU ziet u doorgaans een paar tot zo'n twaalf tokens per seconde, ruim onder de doorvoer van een GPU. Dat is prima voor samenvatten, extraheren, classificeren, embeddings en nachtelijke batchjobs, maar niet voor interactieve chat met hoge doorvoer. Zet voor realtime chat een gehost model achter een AI-gateway die op uw VPS draait.
Kan ik een RAG-backend of vectordatabase op deze VPS hosten?
Ja. Door SSD-opslag en volledige root passen deze servers goed bij zelf gehoste vectordatabases zoals Qdrant, Weaviate of Postgres met pgvector, naast Redis en een orkestratielaag zoals n8n, LangChain of LlamaIndex. Een instance met 4 vCPU / 16 GB volstaat voor de meeste RAG-deployments in een vroeg stadium.
Bieden jullie GPU-servers aan voor training of fine-tuning?
Nee. X-ZoneServers heeft geen GPU-hardware, dus GPU-training, fine-tuning op schaal en realtime inferentie van grote modellen vallen buiten het bereik. Onze VPS zijn het meest geschikt voor AI die bij een CPU past: kleine modellen, embeddings, RAG, automatisering en het fungeren als gateway naar gehoste modellen. Bekijk voor zwaardere rekenkracht onze dedicated servers.
04Gerelateerd
Gerelateerde producten en toepassingen
Aan de slag
Rol in ongeveer een minuut een AI-VPS uit
Start een CPU-geoptimaliseerde KVM VPS voor Ollama, RAG en AI-automatisering. Facturering per uur, afgetopt op de maandprijs, met SSD-opslag en DDoS-bescherming inbegrepen.