~/ / Artigos sobre IA / LLMs locais em uma VPS / Rodar um LLM local sem um PC caro: guia para iniciantes sobre como usar uma VPS
Rodar um LLM local sem um PC caro: guia para iniciantes sobre como usar uma VPS
Você não precisa comprar um computador potente para experimentar um modelo de linguagem local. Dá para alugar um servidor, chamado de VPS, instalar o modelo nele e conversar com ele pelo navegador de qualquer dispositivo. Este guia leva você do zero até uma tela de chat funcionando e protegida em seis passos. Ele usa as ferramentas deste site pelo caminho e diz com clareza o que uma VPS sem GPU pode e não pode prometer.
Publicado: · 5 min de leitura · Fatos conferidos na documentação oficial e nas páginas oficiais dos serviços de VPS em 2026-10-26. Planos, preços e configurações padrão mudam, então confirme-os antes de pagar.
O que você pode esperar e o que não pode
Uma VPS é um computador em um data center que você aluga. Aqui, um LLM local é um modelo que roda nesse computador, em vez de um serviço que você chama pela internet. Suas conversas ficam em um servidor que você controla.
Uma VPS não substitui um PC com uma placa de vídeo potente, e este guia não afirma isso. Veja o que conseguimos confirmar e o que não conseguimos.
| Pergunta | O que encontramos |
|---|---|
| Os planos de VPS têm GPU? | Nenhuma das seis páginas de VPS que verificamos lista um plano com GPU. As páginas da ConoHa e da XServer apontam para serviços de GPU separados. |
| Então onde o modelo roda? | Na memória do servidor, na CPU. O FAQ do Ollama diz que ollama ps mostra 100% CPU quando um modelo foi carregado inteiramente na memória do sistema. |
| Qual é a velocidade? | Não sabemos. Os documentos que verificamos não trazem números de velocidade para o funcionamento somente com CPU, e nós não medimos nenhum. Comece com um modelo pequeno e teste. |
| O que decide se ele roda ou não? | A memória. Um modelo que não cabe na memória do servidor não vai rodar bem. O Passo 1 mostra como estimá-la. |
Se você só conversa de vez em quando, um serviço de IA pago que você chama pela internet pode custar menos do que um servidor ligado o mês inteiro. O Passo 3 inclui uma calculadora para você comparar com os seus próprios números.
Passo 1: estime a memória de que você precisa
Um modelo precisa de memória para o seu arquivo, para o cache que cresce com o tamanho da conversa e para o sistema operacional. A tabela mostra a nossa estimativa para seis modelos com um comprimento de contexto de 4,096 tokens, uma requisição por vez, com 1 GiB reservado para o sistema. As estimativas são calculadas a partir dos tamanhos da biblioteca do Ollama e das configurações oficiais dos modelos, portanto são estimativas e não medições.
| Modelo | Total estimado (GiB) | Menor tamanho de memória comum (GiB) |
|---|---|---|
| Qwen3 0.6B | 1.92 | 2 |
| Qwen3 1.7B | 2.74 | 4 |
| Qwen3 4B | 3.89 | 4 |
| Qwen3 8B | 6.41 | 8 |
| Qwen3 14B | 10.29 | 12 |
| Mistral 7B (v0.3) | 5.60 | 8 |
Experimente: Local LLM Memory Estimator
Estimativa
- Pesos do modelo
- 4.84 GiB
- KV cache
- 0.56 GiB
- Reserva
- 1.00 GiB
- Total
- 6.41 GiB (6.88 GB)
- Menor tamanho de memória comum que o comporta
- 8 GiB
Esta é uma estimativa. Ela não inclui os buffers de computação do runtime e supõe que todas as camadas têm o mesmo formato de KV. Meça uma execução real antes de escolher um plano.
Dados do modelo verificados em 2026-10-26.
Fontes: Ollama library · Configuração do modelo (config.json) · Ollama FAQ
Tudo é executado no seu navegador. Nada é enviado.
Passo 2: escolha um modelo
A biblioteca do Ollama marca cada modelo com o que ele sabe fazer. Um modelo com o rótulo tools pode chamar funções que você define, thinking mostra o raciocínio separado da resposta, vision aceita imagens e embedding transforma texto em vetores para busca. Para uma primeira conversa você não precisa de nenhum deles, então escolha primeiro pela memória.
| Tag | Rótulos | Tamanho do download | Classe de memória para planejar |
|---|---|---|---|
| qwen3:4b | tools, thinking | 2.5 GB | 4 GiB |
| llama3.2:3b | tools | 2.0 GB | não estimado aqui |
| gemma3:4b | vision | 3.4 GB | não estimado aqui |
| mistral:7b | tools | 4.4 GB | 8 GiB |
O tamanho do download é o mínimo de memória de que um modelo precisa. Os modelos sem estimativa não estão nas predefinições da calculadora, porque ela precisa do número de camadas e do tamanho das cabeças da configuração do modelo; você pode digitá-los como um modelo personalizado.
Passo 3: escolha uma VPS
Olhe primeiro a memória, depois o disco para os arquivos do modelo e, por fim, a CPU. O disco importa porque um único arquivo de modelo tem vários gigabytes. Depois veja quanto da configuração o serviço já deixou preparado. Dos seis serviços listados no fim deste guia, as páginas da ConoHa VPS, da KAGOYA CLOUD VPS e da XServer VPS mencionam o Dify, e a página da ConoHa VPS também lista o n8n e o Claude Code entre os seus scripts de inicialização. Nenhum dos seis lista um servidor de modelos como o Ollama, então você mesmo o instala no Passo 4.
A seção no fim desta página compara os seis serviços a partir das páginas oficiais deles. Aqui você pode comparar um servidor com um serviço de IA que você chama pela internet.
Experimente: LLM API Cost Calculator
Custo estimado
Informe os preços e as contagens de tokens para ver o custo.
Páginas oficiais de preços
Isto apenas multiplica os números que você informa. Não conhece os preços do fornecedor, nem descontos, cache, tarifas em lote, preços escalonados ou impostos.
Para saber os tokens de entrada de um prompt, use o Token Counter.
Passo 4: instale o Ollama
Estes são os comandos da documentação oficial do Ollama para Linux. Leia um script antes de executá-lo em um servidor importante.
| Passo | Comando |
|---|---|
| Instalar | curl -fsSL https://ollama.com/install.sh | sh |
| Verificar se está funcionando | ollama -v |
| Rodar um modelo da biblioteca | ollama run qwen3:4b |
Para iniciar o Ollama na inicialização do sistema e mantê-lo em execução, a documentação descreve um serviço do systemd. Os passos completos, as configurações e as atualizações estão nos artigos detalhados listados perto do fim.
Passo 5: converse pelo navegador
Digitar em um terminal basta para testar um modelo. Para o uso diário, o Open WebUI oferece uma tela de chat no navegador. O início rápido dele o executa com um único comando e o serve em http://localhost:3000. Troque your-secret-key por um valor que você gera com openssl rand -hex 32.
| Passo | Comando |
|---|---|
| Iniciar o Open WebUI | docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data -e WEBUI_SECRET_KEY=your-secret-key --name open-webui --restart always ghcr.io/open-webui/open-webui:main |
- A primeira conta que você cria é a de administrador, e o cadastro se desativa sozinho assim que a conta de administrador existe. Crie-a logo.
- O guia mostra duas formas de conectar o Open WebUI ao Ollama, e o artigo detalhado explica as duas.
Passo 6: mantenha tudo privado
O Ollama escuta em 127.0.0.1 na porta 11434 por padrão, que é a configuração mais segura, e a documentação dele não descreve nenhuma autenticação própria. Nossa recomendação, não uma afirmação dos documentos: não abra essa porta para a internet. Coloque o nginx na frente, com senha e HTTPS, e use um firewall que admita apenas os endereços que você usa.
- Mantenha a chave secreta e as senhas fora de qualquer coisa que você faça commit.
- Atualize o Ollama e o Open WebUI de tempos em tempos e mantenha o volume de dados do Open WebUI ao fazer isso.
Em mais detalhe
- 1Quanta memória um LLM local precisa em uma VPS? Arquivo do modelo mais cache KVArquivo do modelo mais cache KV: o que a biblioteca do Ollama, o FAQ do Ollama e as configurações oficiais dos modelos dizem sobre a memória de que um LLM local precisa em uma VPS.
- 2O que um modelo local sabe fazer? Tools, thinking, vision e embeddings no Ollama, e o que cabe em uma VPSTools, thinking, vision, embeddings: o que significam os rótulos da biblioteca do Ollama, quais modelos os têm e qual o tamanho dos downloads.
- 3Instalar o Ollama em uma VPS e mantê-lo em execução: instalação, serviço systemd, configurações e atualizaçõesInstale o Ollama em uma VPS Linux e mantenha-o em execução: o comando de instalação, o serviço systemd, as variáveis de ambiente, o armazenamento dos modelos e as atualizações, conforme a documentação oficial.
- 4Open WebUI em uma VPS: rode-o no Docker e conecte-o ao OllamaRode o Open WebUI com Docker e conecte-o ao Ollama no seu próprio servidor: os comandos, a primeira conta, os dois tipos de conexão e como atualizar.
- 5nginx na frente do Ollama: autenticação básica, HTTPS e configurações para streamingAcesse o Ollama de fora com segurança: nginx como proxy, autenticação básica, HTTPS, configurações de streaming e de timeout e uma regra de firewall, a partir da documentação oficial.
- 6IA no seu próprio VPS: quanta memória planejar e o que não exporVai rodar Ollama ou Dify em um VPS? O que a documentação oficial diz sobre memória, inferência só com CPU e as portas que devem ficar fechadas.
Fontes
Leia a seguir
- nginx na frente do Ollama: autenticação básica, HTTPS e configurações para streamingAcesse o Ollama de fora com segurança: nginx como proxy, autenticação básica, HTTPS, configurações de streaming e de timeout e uma regra de firewall, a partir da documentação oficial.
- Open WebUI em uma VPS: rode-o no Docker e conecte-o ao OllamaRode o Open WebUI com Docker e conecte-o ao Ollama no seu próprio servidor: os comandos, a primeira conta, os dois tipos de conexão e como atualizar.
- Chamando um modelo local pelo seu código: saídas estruturadas e a API compatível com OpenAI no OllamaRestrinja a saída de um modelo local com um JSON Schema e chame o Ollama a partir de clientes no estilo OpenAI: o que a documentação oficial diz e o que não é compatível.
- O que um modelo local sabe fazer? Tools, thinking, vision e embeddings no Ollama, e o que cabe em uma VPSTools, thinking, vision, embeddings: o que significam os rótulos da biblioteca do Ollama, quais modelos os têm e qual o tamanho dos downloads.