Ollama na VPS: como rodar IA própria no servidor

Aprenda a instalar o Ollama no seu servidor, rodar modelos de IA, usar a API local na porta 11434 e evitar expor essa porta sem HTTPS e autenticação.

Por Redação Eleven Host · @robson.direitodigital · 1 de novembro de 2026 · 9 min de leitura

O Ollama na VPS roda modelos de IA de código aberto no seu próprio servidor. Você o instala com o script oficial ou com Docker, e ele responde por uma API local na porta 11434. Veja a seguir a instalação, o uso e os cuidados com essa porta.

O que é o Ollama e para quem serve

Segundo o README do projeto no GitHub, o Ollama serve para começar a usar modelos como Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen e Gemma, entre outros. A licença exibida no repositório é a MIT. Na prática, ele baixa o modelo para o seu servidor e o executa lá.

Faz sentido para quem quer testar modelos de IA no próprio servidor, ou para quem quer uma API de IA própria para ligar a outros sistemas. Em troca, o servidor é seu para cuidar: instalação, atualização e segurança da porta ficam por sua conta.

Se você ainda não sabe o que é uma VPS, comece pelo guia de iniciantes sobre servidor VPS e volte aqui depois.

CPU ou GPU: o que a documentação diz

O Ollama pode carregar o modelo na GPU, na CPU ou dividido entre as duas. Para ver onde o seu modelo está rodando, use o comando ollama ps e olhe a coluna Processor. A documentação explica que o valor de GPU total significa que o modelo foi carregado inteiro na GPU, que o valor de CPU total significa que ele está todo na memória do sistema, e que uma divisão como 48%/52% CPU/GPU indica o modelo repartido entre as duas.

Para usar GPU, a documentação de hardware dá estes requisitos:

• NVIDIA: placas com compute capability 5.0 ou superior e driver na versão 550 ou mais nova.
• AMD: no Linux, é preciso o driver AMD ROCm v7.

Se o servidor não tiver GPU compatível, o modelo roda na CPU. O tamanho do modelo pesa nessa conta: quanto maior ele for, mais exigente é para o servidor. Por isso, confira os recursos do seu plano e teste com um modelo pequeno antes de escolher um maior.

Se você tem uma placa NVIDIA e quer forçar o uso da CPU, a documentação indica usar um ID de GPU inválido, como -1.

Está escolhendo uma VPS? VPS a partir de R$ 17,00/mês no Plano Bronze; confira na loja o que cada plano inclui. Ver os planos de VPS

Instalar o Ollama no Linux

Entre na VPS por SSH e rode o script de instalação indicado no README e na documentação do Linux:

curl -fsSL https://ollama.com/install.sh | sh

A documentação também descreve a instalação manual. Para a arquitetura amd64, baixe e extraia o pacote em /usr:

curl -fsSL https://ollama.com/download/ollama-linux-amd64.tar.zst | sudo tar x -C /usr

Para ARM64, o arquivo é o ollama-linux-arm64.tar.zst. Em seguida, inicie o servidor com ollama serve e, em outro terminal, confira a versão:

ollama -v

Se estiver atualizando de uma versão antiga pelo método manual, a documentação manda remover antes a pasta de bibliotecas:

sudo rm -rf /usr/lib/ollama

Rodar o Ollama como serviço no systemd

Na instalação manual, a documentação ensina a criar um usuário próprio e um serviço do systemd, para o Ollama iniciar junto com o servidor. Primeiro, o usuário e o grupo:

sudo useradd -r -s /bin/false -U -m -d /usr/share/ollama ollama

sudo usermod -a -G ollama $(whoami)

Depois, crie o arquivo /etc/systemd/system/ollama.service com este conteúdo:

[Unit]

Description=Ollama Service

[Service]

ExecStart=/usr/bin/ollama serve

User=ollama

Group=ollama

Restart=always

RestartSec=3

Environment="PATH=$PATH"

[Install]

WantedBy=multi-user.target

Por fim, recarregue o systemd, ative e inicie o serviço, e confira o estado:

sudo systemctl daemon-reload

sudo systemctl enable ollama

sudo systemctl start ollama

sudo systemctl status ollama

Para ler os logs do serviço, use journalctl -e -u ollama.

Ollama com Docker

O README informa que a imagem oficial ollama/ollama está no Docker Hub. O comando da documentação para rodar só com CPU publica a porta em todas as interfaces do servidor:

docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

No servidor, prefira publicar a porta apenas em 127.0.0.1, uma adaptação que não está na documentação.

docker run -d -v ollama:/root/.ollama -p 127.0.0.1:11434:11434 --name ollama ollama/ollama

O motivo é que o binário do Ollama, por padrão, só escuta em 127.0.0.1, enquanto o -p 11434:11434 do Docker abre a porta para fora. Além disso, bloquear a porta no UFW não garante que uma porta publicada pelo Docker esteja bloqueada, porque o Docker mexe nas regras de rede por conta própria. Já o 127.0.0.1: na frente deixa a porta acessível só de dentro da VPS.

Para placas NVIDIA, a documentação traz a variante com --gpus=all:

docker run -d --gpus=all -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

Com o container rodando, execute um modelo dentro dele:

docker exec -it ollama ollama run llama3.2

Baixar e rodar um modelo

Com o Ollama instalado, o primeiro passo é baixar um modelo e conversar com ele. A documentação da linha de comando usa o gemma4 nos exemplos:

ollama pull gemma4

ollama run gemma4

O pull baixa o modelo; o run abre uma conversa no terminal. Os outros comandos úteis da documentação são:

• ollama ls: lista os modelos baixados.
• ollama ps: mostra os modelos carregados e se estão em CPU ou GPU.
• ollama stop gemma4: descarrega o modelo da memória.
• ollama rm gemma4: apaga o modelo do disco.

No Linux, os modelos ficam em /usr/share/ollama/.ollama/models. Para mudar o local, use a variável OLLAMA_MODELS, lembrando que o usuário ollama precisa de permissão de leitura e escrita na nova pasta.

Por padrão, depois de usado, o modelo fica carregado por 5 minutos antes de ser descarregado, comportamento controlado por OLLAMA_KEEP_ALIVE. A janela de contexto padrão é de 4096 tokens e pode ser ajustada com OLLAMA_CONTEXT_LENGTH.

Usar o Ollama pela API

O Ollama responde por uma API HTTP local. A base é http://localhost:11434/api, e o exemplo do README usa um pedido POST para o endereço de chat:

http://localhost:11434/api/chat

O formato do corpo do pedido está no README e na documentação da API do Ollama; consulte lá para montar o JSON com o nome do modelo e as mensagens. A documentação diz ainda que pedidos de nuvem precisam de chave de API, mas que pedidos locais não precisam. É justamente esse último ponto que pede cuidado: a sua API local não tem senha.

Como a API fica no mesmo servidor, outros programas que rodam nele podem usá-la pelo endereço local.

Por que não expor a porta 11434

De acordo com o FAQ, o Ollama escuta em 127.0.0.1 na porta 11434 por padrão, e o endereço pode ser alterado pela variável OLLAMA_HOST. No Linux, a documentação mostra como fazer isso no serviço. Rode systemctl edit ollama.service e, na seção [Service], acrescente:

Environment="OLLAMA_HOST=0.0.0.0:11434"

Depois, recarregue e reinicie:

systemctl daemon-reload

systemctl restart ollama

A documentação ensina a mudar o endereço, mas não manda abrir a API para a internet. Na prática, como a API local não pede chave, com 0.0.0.0, ou com a porta publicada no Docker sem o 127.0.0.1, quem alcançar a 11434 usa o seu servidor e gasta o seu processador, sem login. Por isso, mantenha o padrão local e, se precisar de acesso de fora, use o caminho da próxima seção. Para conferir o que está escutando na VPS, o guia Portas abertas no Linux: como ver com ss e lsof na VPS mostra o uso do ss e do lsof.

Acesso de fora com segurança

Quando outro computador ou sistema precisa falar com o Ollama, um caminho é colocar na frente dele um proxy reverso. O FAQ traz um exemplo com nginx, com listen 80, server_name example.com e proxy_pass http://localhost:11434;, enviando o cabeçalho Host como localhost:11434.

Esse exemplo é só um ponto de partida. Ele usa HTTP simples, sem HTTPS e sem senha, e não deve ir para produção assim. Antes de abrir um acesso externo, a sua configuração precisa de:

• HTTPS, com certificado válido para o seu domínio.
• Autenticação no proxy, já que a API local do Ollama não pede chave.
• Ollama escutando só em 127.0.0.1, de modo que o único caminho de fora seja o proxy.

Para o servidor web com HTTPS automático, veja o guia Caddy na VPS: servidor web com HTTPS automático. A autenticação do proxy continua sendo uma etapa à parte, que você configura e testa antes de divulgar o endereço.

Atualizar o Ollama

No Linux, a documentação manda rodar de novo o mesmo script de instalação para atualizar:

curl -fsSL https://ollama.com/install.sh | sh

Também é possível baixar o pacote .tar.zst de novo, lembrando de remover antes /usr/lib/ollama ao sair de uma versão antiga. Para fixar uma versão, use a variável OLLAMA_VERSION. O valor 0.5.7 que aparece na documentação é apenas um exemplo, e não a versão atual.

Quer conhecer a VPS da Eleven Host? VPS a partir de R$ 17,00/mês no Plano Bronze; confira na loja o que cada plano inclui. Conhecer a VPS

Perguntas frequentes

O que é o Ollama?

É uma ferramenta de código aberto, com licença MIT, para baixar e rodar modelos de IA no seu próprio servidor ou computador.

Em qual porta o Ollama responde?

Na 11434. Por padrão ele escuta em 127.0.0.1, e a API fica em http://localhost:11434/api.

A API do Ollama tem senha?

Não para pedidos locais. A documentação diz que pedidos de nuvem precisam de chave de API, mas os locais não. Por isso, não exponha a porta 11434 sem proxy, HTTPS e autenticação.

Como sei se o modelo está rodando na CPU ou na GPU?

Use ollama ps e veja a coluna Processor, que mostra se o modelo está todo na GPU, todo na CPU ou dividido entre as duas, como em 48%/52% CPU/GPU.

Como atualizo o Ollama no Linux?

Rode de novo o script curl -fsSL https://ollama.com/install.sh | sh ou baixe o pacote .tar.zst outra vez.