Aloje inferência de LLM com Ollama num VPS na UE: Ryzen 9 7950X3D, até 96 GB de RAM, root total, sem custos por token. Guia incluído, desde 13 €/mês, pague com cripto.
Primeiro, um dimensionamento honesto: isto é um servidor de CPU, não uma cloud de GPU. Num Ryzen 9 7950X3D com NVMe rápido, modelos quantizados de 7B–14B (Q4/Q5) geram tokens a um ritmo útil para chat, classificação, extração e agentes com ferramentas. Isso cobre a maioria das ferramentas internas. Se precisa de centenas de tokens por segundo em modelos de 70B, isso é território de GPU e dizemo-lo claramente.
| Carga de trabalho | Plano | O que cabe |
|---|---|---|
| Experiências, embeddings, chat pequeno | Core VPS 4 NVMe - 13 €/mês | 8 GB de RAM: modelos 7B Q4 com folga |
| Agente em produção, ferramentas, RAG | Core VPS 12 NVMe - 60 €/mês | 48 GB de RAM: 14B Q5 + base vetorial lado a lado |
| Contexto grande, tarefas em lote, muitos modelos | Performance Plus 16 - 165 €/mês | 64 GB de RAM e 16 vCPU para prompts em paralelo |
Não - e não fingimos o contrário. Para inferência em GPU use um fornecedor de GPU; para modelos adequados à CPU, dados privados e custos previsíveis, esta é a melhor ferramenta.
Não - é o seu localhost. Só há limites se colocar um proxy à frente por conta própria.
`ollama pull` quando quiser uma nova tag; mantenha a antiga até estar satisfeito - o único custo é o disco.
Inferência sem faturas Preço mensal fixo, root total, datacenter na UE. Publicar para IA →