Servidor VPS para IA: o que roda e como dimensionar

O que cabe num VPS sem GPU, como estimar memória para modelo local, medir o uso real e proteger chaves e portas do seu projeto de IA.

Por Redação Eleven Host · @robson.direitodigital · Atualizado em 18 de outubro de 2026 · 9 min de leitura

Um servidor VPS para IA sem GPU roda bem bots e automações que chamam a API de um modelo de linguagem, fluxos de n8n com nós de IA e buscas em documentos. Modelos pequenos locais funcionam, com limites. Treinar modelos e rodar modelos grandes ficam lentos ou inviáveis sem GPU.

O que roda bem num VPS sem GPU

Bot ou automação que chama uma API de modelo

O seu código recebe a mensagem (de um site, de um formulário, de um aplicativo de mensagens), junta com os dados do seu negócio, envia o texto à API do modelo e devolve a resposta. O VPS ainda guarda o histórico num banco, registra logs e limita o uso para controlar o custo.

A espera maior é pela resposta da API, não pelo processador do seu servidor. Se o projeto é um bot sem IA, o guia de usos práticos de um VPS cobre esse caso.

n8n com nós de IA

O n8n é uma ferramenta de automação visual, com nós para modelos de linguagem. Um fluxo possível: chega um e-mail, o modelo resume e classifica, e uma tarefa é criada na sua lista. O processamento de IA continua na API; o n8n orquestra. Quem está começando pode ler o que é n8n.

API própria com busca em documentos (RAG)

RAG significa buscar primeiro os trechos certos dos seus documentos e só depois pedir a resposta ao modelo. Você grava os textos como vetores no PostgreSQL com a extensão pgvector. A cada pergunta, o banco devolve os trechos mais parecidos, que seguem ao modelo. Banco e API em Python ou Node.js rodam em CPU, desde que a geração dos vetores também seja feita por API ou por um modelo pequeno.

Modelos pequenos locais com Ollama ou llama.cpp

Dá para rodar um modelo de linguagem dentro do VPS com Ollama ou llama.cpp, usando versões quantizadas, que ocupam menos memória que o modelo original. Serve para teste, uso interno, tarefas em lote e casos em que o texto não pode sair do seu servidor. A velocidade depende dos núcleos e de quantas pessoas perguntam ao mesmo tempo.

O que não roda bem sem GPU

Sem GPU, estes usos ficam lentos ou inviáveis:

• Treinar um modelo do zero.
• Ajustar um modelo grande (fine-tuning) com os seus dados.
• Rodar modelos grandes, que pedem mais memória do que sobra livre no servidor e ficam lentos sem GPU.
• Atender vários usuários ao mesmo tempo com um modelo local: as conversas disputam os mesmos núcleos.

Se o projeto está nessa lista, use a API de um serviço de modelos ou pergunte à equipe da Eleven Host, antes de contratar, se há opção com GPU.

Como dimensionar sem tabela oficial

Não existe número oficial que sirva para todos os projetos. O que funciona é partir de uma estimativa, medir e ajustar. Os pontos de partida abaixo são palpites razoáveis, não requisitos:

• Bot que só chama API: comece pelo plano de entrada e acompanhe o uso.
• n8n mais banco no mesmo servidor: some a memória de cada serviço e comece por um plano intermediário.
• RAG: o banco cresce com os documentos, então olhe o disco além da memória.
• Modelo local: parta da memória, como na regra abaixo.

A regra da memória para modelo local

É uma estimativa: o arquivo do modelo quantizado precisa caber na RAM livre, com folga para o sistema, o banco e a sua aplicação. Exemplo ilustrativo: se o arquivo do modelo escolhido ocupa 4 GB, esse espaço já está tomado antes de o sistema e a aplicação pedirem o deles. Por isso a RAM total tem de ser bem maior que o arquivo. Se faltar memória, o servidor passa a usar o disco como extensão da RAM (swap) e as respostas travam.

Medir e ajustar

Rode o projeto com uso parecido com o real e olhe:

• htop: uso de CPU e memória por processo;
• free -h: memória livre e uso de swap;
• df -h: espaço em disco, que cresce com modelos, banco e logs;
• o tempo de resposta do seu assistente, medido com as mesmas perguntas em dias diferentes.

Se a memória vive no limite ou o swap não para de crescer, escolha um modelo menor, reduza o que roda junto ou avalie um plano maior com a equipe. Se a CPU só trava quando o modelo local responde, pondere trocar o modelo local por uma API.

Os planos da Eleven Host para esse uso

A Eleven Host vende VPS com virtualização KVM, com cobrança mensal e taxa de configuração grátis. Valores da loja em outubro de 2026; confira na loja antes de contratar. Cada plano vem com a frase que a própria loja usa:

• Bronze: 1 vCPU, 4 GB de RAM, 30 GB NVMe, R$ 17,00/mês. Loja: projetos pequenos e ambientes de teste.
• Prata: 2 vCPU, 8 GB de RAM, 50 GB NVMe, R$ 34,00/mês. Loja: lojas virtuais e sistemas com movimento moderado.
• Ouro: 4 vCPU, 16 GB de RAM, 100 GB NVMe, R$ 78,00/mês. Loja: aplicações com uso constante e vários usuários ao mesmo tempo.
• Platina: 8 vCPU, 32 GB de RAM, 150 GB NVMe, R$ 152,00/mês. Loja: sistemas exigentes e bancos de dados maiores.
• Diamante: 16 vCPU, 64 GB de RAM, 250 GB NVMe, R$ 304,00/mês. Loja: alto volume, várias aplicações rodando juntas.
• Titanium: 16 vCPU, 128 GB de RAM, 350 GB NVMe, R$ 608,00/mês. Loja: cargas pesadas com uso intenso de memória.

Existe também o plano Custom, para quem precisa de outra configuração; a loja não mostra preço para ele. Para entender o que é um VPS, leia o que é servidor VPS.

Tem um projeto de IA que cabe num servidor administrado por você? Ver planos de VPS

Quando o n8n gerenciado faz sentido

Se o seu foco é só o n8n, a Eleven Host também vende n8n gerenciado em cinco planos. A loja informa "n8n já instalado", "HTTPS automático" e "Backup diário". Para rodar também Ollama, banco vetorial e API própria, o VPS dá mais liberdade.

Num VPS, o servidor é seu: prepare-se para cuidar de atualização, backup e segurança e confirme com a equipe o que a Eleven Host faz por você.

Segurança: chaves, portas e custos

A chave de uma API de modelo gera cobrança por uso. Se ela vaza, a fatura é de quem a possui. Estes cuidados são o mínimo:

• Guarde a chave em variável de ambiente ou num arquivo .env com permissão restrita (chmod 600 .env), fora da pasta pública do site e fora do código.
• Inclua o .env no .gitignore para não publicar a chave por engano.
• Defina limite de gasto no serviço da API, se ele oferecer, e revogue a chave se suspeitar de vazamento.
• Limite as chamadas por usuário na sua API.

Não exponha o modelo local

O Ollama escuta na porta 11434. Deixe essa porta só em 127.0.0.1 e confira com ss -ltn. O banco de dados segue a mesma regra. Quem precisa de acesso de fora deve passar pela sua API, com token e HTTPS. Se usar Docker, lembre que portas publicadas por ele podem passar por fora do firewall: publique como 127.0.0.1:porta:porta.

Passo a passo: assistente de perguntas internas

O projeto de exemplo: uma API que responde dúvidas sobre os documentos da sua empresa, com busca no PostgreSQL e um modelo por API. Para usar modelo local, troque só o passo 6. O roteiro supõe Debian ou Ubuntu; confirme com a equipe qual sistema e qual forma de acesso o seu servidor tem.

1. Separe os documentos. Escolha poucos textos de teste e confirme que podem ir a um serviço externo. Se não puderem, o passo 6 usa modelo local.
2. Contrate o VPS e acesse o servidor (confirme com a equipe o método de acesso). Escolha o plano pelos pontos de partida acima.
3. Prepare o servidor. Rode sudo apt update e sudo apt upgrade. Instale o firewall com sudo apt install ufw, libere o acesso remoto que você usa (por exemplo, SSH na porta 22: sudo ufw allow 22/tcp) e as portas web com sudo ufw allow 80,443/tcp. Só então rode sudo ufw enable.
4. Instale o PostgreSQL. Use sudo apt install postgresql e siga a documentação do pgvector para instalar a extensão. Depois, dentro do banco, rode CREATE EXTENSION vector;.
5. Guarde a chave. Crie o .env com a chave da API, rode chmod 600 .env e carregue o arquivo no serviço.
6. Escreva a API em Python. Ela transforma cada pergunta em vetor, busca os trechos parecidos no banco e envia pergunta e trechos ao modelo. Para modelo local, instale o Ollama, baixe um modelo pequeno com ollama pull e chame o endereço local dele.
7. Teste com perguntas reais. Faça uma de cada vez e olhe free -h, htop e o tempo de resposta.
8. Publique com HTTPS. Ponha um proxy reverso (Nginx ou Caddy) na frente, exija um token nas requisições e limite as chamadas.
9. Deixe rodando como serviço com systemd ou Docker Compose, para a API voltar após reinicializar.

Se a ideia é criar um site ou app com ajuda de IA, e não uma API própria, veja criar site ou app com IA.

Duas situações do dia a dia

Loja que responde dúvidas de pedido. O bot consulta o status do pedido e usa uma API para escrever a resposta. Um plano de entrada pode servir para começar, medindo o uso; o que importa é limitar chamadas e proteger a chave.

Escritório com documentos internos. Contratos não podem sair da empresa. Faz sentido o RAG com modelo local, aceitando respostas mais lentas e escolhendo um plano com bastante RAM.

Quer tirar dúvida sobre os serviços da Eleven Host antes de decidir? Falar com a equipe

Perguntas frequentes

Preciso de GPU para ter um chatbot com IA?

Não, se o chatbot usa a API de um serviço de modelos. O processamento do modelo acontece lá, e o VPS recebe e responde as mensagens.

Dá para rodar um modelo de linguagem dentro do VPS?

Dá, com modelos abertos e pequenos, em versão quantizada, usando Ollama ou llama.cpp. O desempenho é limitado sem GPU e depende da memória livre.

A Eleven Host tem servidor com GPU?

A loja de VPS não traz essa informação. Se o projeto depende de GPU, pergunte à equipe antes de contratar.

Posso usar n8n com IA em vez de programar?

Pode. O n8n tem nós para modelos de linguagem, e você instala num VPS ou usa um dos planos de n8n gerenciado da Eleven Host.