LLM self-hosted em VPS econômico: Ollama e 7B–13B em 2026
Rode um LLM self-hosted num VPS econômico em 2026 com Ollama e llama.cpp. Dimensionamento, quantização e privacidade para modelos 7B–13B por menos de 20 $/mês.
Self-hostear um LLM em VPS econômico deixou de ser hack de hobista em 2026. Com quantização Q4, um modelo 7B cabe em menos de 5 GB de RAM e um 13B confortável em menos de 10 GB: ambos ao alcance de um VPS pequeno que fatura em cripto e nunca pede identidade.
Quanta RAM um modelo quantizado realmente precisa
- ▹1–3B (Q4): ~2–4 GB — cabe nas instâncias menores, inferência CPU rápida.
- ▹7B (Q4_K_M): ~4.5–6 GB — o ponto ideal para um servidor de usuário único.
- ▹13B (Q4_K_M): ~8–10 GB — boa qualidade, tokens mais lentos em CPU.
- ▹70B (Q4): ~40 GB — território de hardware dedicado, não VPS econômico.
Ollama vs llama.cpp num servidor CPU
Ambos os runtimes expõem um endpoint compatível com OpenAI. Ollama é o caminho mais rápido da instalação a uma API local funcional — um serviço na porta 11434, modelos carregados por nome. llama.cpp dá controle de nível mais baixo sobre threads, tamanho de contexto e compressão de memória quando é preciso espremer uma máquina lenta.
Um endpoint privado que continua seu
A privacidade é estrutural: prompts e respostas nunca saem do servidor. Mantenha o endpoint do modelo preso a 127.0.0.1 e alcance-o pelo seu próprio túnel WireGuard em vez de expô-lo publicamente — o mesmo padrão de um nó Monero ou endpoint RPC.