VPS IA / LLM
VPS para cargas de trabalho de IA e LLM (otimizado para CPU)
Um VPS para IA é um servidor KVM com CPU, RAM e armazenamento NVMe dedicados onde auto-aloja cargas de trabalho de IA em vez de pagar por token. Os VPS da X-ZoneServers são apenas com CPU, pelo que são adequados a modelos pequenos quantizados, embeddings, orquestração de RAG, bases de dados vetoriais e gateways de API para modelos alojados. Não temos hardware GPU, pelo que o treino em GPU e a inferência em tempo real de modelos grandes estão fora de âmbito.
Os nossos VPS de IA funcionam com virtualização KVM com RAM, núcleos de CPU e NVMe SSD garantidos por instância, o que importa porque a inferência de LLM em CPU é limitada pela largura de banda da memória e pela margem de RAM, não pela GPU. Um modelo de 7B-8B quantizado para Q4 GGUF precisa normalmente de cerca de 16 GB de RAM para carregar e servir confortavelmente; os modelos de 2B-3B e os modelos de embedding cabem em 4-8 GB. Cada plano inclui 1 Gbps de largura de banda sem limite de tráfego, mitigação de DDoS até 1 Tbps, acesso root completo, um SLA de disponibilidade de 99,9% e implementação em menos de 60 segundos em 12 datacenters na Europa e na América do Norte.
< 60s
Tempo de implementação
1 Gbps
Rede sem limite de tráfego
12
Localizações globais
Até 1 Tbps
Proteção contra DDoS
Porque funciona
Infraestrutura adaptada à carga de trabalho — recursos dedicados, não uma máquina genérica.
Apenas CPU, com honestidade no âmbito
Sem hardware GPU, por isso orientamo-lo para o que funciona bem em CPU: modelos pequenos quantizados, embeddings, classificação e RAG, não treino em GPU nem inferência em tempo real de modelos grandes.
RAM e NVMe dedicados
O KVM atribui a cada VPS RAM, CPU e NVMe SSD garantidos. A margem de RAM é a verdadeira limitação para a inferência de LLM em CPU, e nunca sobrelotamos a sua memória.
Auto-aloje Ollama e llama.cpp
O acesso root completo em Ubuntu, Debian, AlmaLinux ou Rocky Linux permite-lhe executar Ollama ou llama.cpp servindo modelos GGUF de 3B-8B com uma API local compatível com OpenAI.
Pronto para RAG e DB vetorial
Aloje Qdrant, Weaviate ou Postgres com pgvector como backend RAG privado, além de Redis e a sua camada de orquestração, na mesma instância com NVMe.
Gateway de IA e automação
Execute um gateway ou router de API de IA à frente de modelos alojados e automatize pipelines de agentes com n8n, Flowise, LangChain ou LlamaIndex por trás de um endpoint HTTP estável.
Faturação à hora, com limite
Pague desde EUR 0,0056/hora e crie servidores apenas quando uma tarefa for executada. O custo tem limite no preço mensal, pelo que um VPS a funcionar 24/7 nunca ultrapassa o plano indicado.
Ideal para
Estes servidores são adequados a quem constrói IA e quer propriedade dos dados, uma API HTTP estável e sem limites de taxa por pedido. Execute Ollama ou llama.cpp para modelos abertos pequenos, aloje Qdrant, Weaviate ou Postgres com pgvector como backend RAG, e orquestre pipelines com n8n, Flowise, LangChain ou LlamaIndex. Muitas equipas usam um VPS como gateway ou router de API de IA à frente de modelos alojados da OpenAI ou da Anthropic. Seja realista quanto à velocidade: espere de um dígito a uma dezena de tokens por segundo em CPU, ideal para trabalho em lote e assíncrono. O treino e o fine-tuning em GPU estão fora de âmbito na nossa frota apenas com CPU.
- Auto-alojar Ollama ou llama.cpp para modelos pequenos quantizados de 3B-8B
- Backends RAG com Qdrant, Weaviate ou pgvector
- Tarefas em lote de embedding e classificação de documentos
- Gateways e routers de API de IA para modelos alojados
- Pipelines de automação de IA com n8n e Flowise
- Backends de chatbot e de agentes por trás de uma API privada
Perguntas frequentes
É possível executar IA ou um LLM num VPS sem GPU?
Sim, para as cargas de trabalho certas. Modelos abertos pequenos e quantizados funcionam em CPU: modelos de 2B-3B em 4-8 GB de RAM e modelos de 7B-8B Q4 GGUF em cerca de 16 GB. Embeddings, classificação, sumarização e orquestração de RAG funcionam todos bem. O treino em GPU e a inferência em tempo real de modelos grandes não funcionam em CPU e estão fora de âmbito aqui.
De quanta RAM preciso para alojar um LLM num VPS?
A RAM é a limitação determinante para a inferência em CPU. Planeie aproximadamente o tamanho do modelo quantizado mais margem para o OS e o processo de serviço: cerca de 4-8 GB para modelos de 2B-3B e cerca de 16 GB para um modelo de 7B-8B em Q4 GGUF. As bases de dados vetoriais e os índices de embedding precisam de RAM adicional para além do modelo.
Posso executar o Ollama num VPS da X-ZoneServers?
Sim. Com acesso root completo num VPS Linux pode instalar o Ollama ou o llama.cpp e servir modelos GGUF através de uma API local compatível com OpenAI na porta 11434. Atenha-se a modelos pequenos quantizados dimensionados à sua RAM. Espere de um dígito a uma dezena de tokens por segundo, o que é adequado a tarefas em lote e assíncronas.
Qual é a velocidade da inferência de LLM em CPU em comparação com uma GPU?
Mais lenta, e essa é a contrapartida honesta. Em CPU costuma ver de alguns a cerca de uma dúzia de tokens por segundo, bastante abaixo do débito de uma GPU. Isso é adequado para sumarizar, extrair, classificar, embeddings e tarefas em lote noturnas, mas não para chat interativo de alto débito. Para chat em tempo real, coloque um modelo alojado por trás de um gateway de IA a funcionar no seu VPS.
Posso alojar um backend RAG ou uma base de dados vetorial nestes VPS?
Sim. O NVMe SSD e a RAM dedicada tornam estes servidores adequados a bases de dados vetoriais auto-alojadas, como o Qdrant, o Weaviate ou o Postgres com pgvector, juntamente com o Redis e uma camada de orquestração como o n8n, o LangChain ou o LlamaIndex. Uma instância de 4 vCPU / 16 GB / NVMe cobre a maioria das implementações RAG em fase inicial.
Oferecem servidores com GPU para treino ou fine-tuning?
Não. A X-ZoneServers não tem hardware GPU, pelo que o treino em GPU, o fine-tuning em escala e a inferência em tempo real de modelos grandes estão fora de âmbito. Os nossos VPS são ideais para IA adequada a CPU: modelos pequenos, embeddings, RAG, automação e funcionar como gateway para modelos alojados. Para computação mais exigente, consulte os nossos servidores dedicados.
Produtos e casos de uso relacionados
Implemente um VPS de IA em menos de 60 segundos
Crie um VPS KVM otimizado para CPU para Ollama, RAG e automação de IA. Faturação à hora com limite no preço mensal, com NVMe e proteção contra DDoS incluídos.