Qual VPS aguenta rodar um modelo de IA local? Comparativo de RAM, GPU e preço mensal

Ninguém que quer subir um modelo local pergunta de verdade "qual VPS é melhor"

A pergunta real é outra: a partir de qual configuração o modelo carrega e responde sem travar?

Esse post é um comparativo de RAM, GPU e preço mensal das opções que dá pra contratar aqui do Brasil, faixa por faixa, com o que cada uma consegue rodar

Todo número aqui vem de fonte verificada, nada de achismo

E pra você fazer a conta na moeda que preferir, o câmbio de referência do post é US$ 1 = R$ 5,12 e 1 euro = R$ 5,91, cotações de 05/08/2026

O que realmente define se o modelo roda: RAM, GPU e quantização

Antes de comparar preço, precisa entender a régua, senão você paga por um servidor que não carrega o modelo

Se você já mexeu com container, é a mesma lógica: não adianta ter CPU sobrando se a memória não comporta a imagem

Hospedagem recomendada

Hospedagem que aguenta seu projeto crescer

Hospedagem rápida, painel simples, backups automáticos e suporte 24/7 em português.

Ver oferta

O piso de RAM por tamanho de modelo:

O Ollama documenta o mínimo recomendado por tamanho de modelo, e essa é a régua mais honesta que existe pra começar:

• pelo menos 8 GB de RAM para modelos 7B
• pelo menos 16 GB para 13B
• pelo menos 32 GB para 33B

Repare que é pelo menos, e não "vai voar"

Tamanho de download é prova concreta:

A biblioteca do Ollama mostra o peso real de cada variante do Llama 3.1, e isso ajuda a visualizar espaço em disco e memória de uma vez:

• llama3.1:8b = 4,9 GB
• llama3.1:70b = 43 GB
• llama3.1:405b = 243 GB

Os três com janela de contexto de 128K

Olha o 405b ali: 243 GB

Só de olhar tu já sabe que ele não cabe em quase nada que se contrata por assinatura mensal 😅

E a quantização? Por que um modelo de 20B cabe em 16 GB

Aqui entra a parte que confunde muita gente

Quantização é reduzir a precisão dos pesos do modelo pra ele ocupar menos memória, e o gpt-oss é o exemplo mais direto disso

No gpt-oss, os pesos de mixture-of-experts (mais de 90% dos parâmetros) são quantizados em MXFP4, ou seja, 4,25 bits por parâmetro, e o Ollama suporta MXFP4 nativamente

É por isso que o gpt-oss-20b roda dentro de 16 GB de memória, enquanto o gpt-oss-120b pede uma única GPU de 80 GB

E aqui vai a frase que resume tudo: RAM define se o modelo CARREGA, GPU define se ele responde rápido

São duas perguntas diferentes, e a maioria dos comparativos mistura as duas

VPS sem GPU: RAM e preço mensal das opções que dá pra contratar

Essa é a faixa de entrada, onde o modelo roda na CPU e a RAM é quem manda

Duas observações importantes antes de você abrir a calculadora

A primeira: o preço anunciado do VPS da Hostinger é o equivalente mensal de um ciclo longo pago à vista, e a renovação é significativamente maior

A segunda: a Locaweb mostra as duas colunas na cara, e o contraste é didático

O degrau de R$ 15,90/mês renova por R$ 25,90, e o de R$ 379,90/mês renova por R$ 549,90

O servidor KVM da Hostinger fica em seis países da Europa, Ásia, América do Norte e América do Sul, incluindo o Brasil, o que importa se latência for parte do seu problema

Se a sua dúvida for menos sobre modelo e mais sobre provedor, vale olhar o custo-benefício entre provedores de VPS com calma, porque suporte e renovação pesam tanto quanto a ficha técnica

Servidores com GPU: quanto custa por mês e quanta memória de vídeo vem junto

Agora a outra metade da pergunta: aceleração dedicada

Prepara o coração, porque o salto de preço é feio

A Rollin Host é servidor com GPU no Brasil e já entrega o ambiente com Ollama, vLLM e llama.cpp, com o plano Inferência indicado pelo próprio fornecedor para modelos de 7B a 13B

O número da Magalu Cloud tem base de 06/02/2026 na própria fonte, então trate como referência de ordem de grandeza, não como tabela de hoje

E se eu não quiser pagar servidor parado?

Aí entra a cobrança por hora, que é uma lógica completamente diferente

Na RunPod, a GPU sob demanda sai a partir de:

• RTX 4090: US$ 0,34/hora
• A100 PCIe: US$ 1,39/hora sob demanda
• A100 PCIe no Community Cloud: US$ 1,19/hora

Com cobrança por milissegundo

Pra quem roda inferência em rajada, isso muda a conta inteira

O que cada faixa consegue rodar na prática

Agora amarrando hardware com modelo, sem prometer velocidade que não está verificada:

Faixa de 8 GB de RAM: modelos 7B, que é exatamente o piso recomendado pelo Ollama

O llama3.1:8b, com 4,9 GB de download, cabe nessa faixa

Faixa de 12 a 16 GB: aqui entram os 13B (16 GB é o piso documentado) e o gpt-oss-20b, que roda dentro de 16 GB graças ao MXFP4

Faixa de 24 a 32 GB: é onde os 33B começam a ser viáveis, já que 32 GB é o mínimo recomendado pra esse tamanho

GPU de 20 GB de VRAM: o próprio fornecedor brasileiro indica essa faixa para modelos de 7B a 13B, citando Llama 3 8B, Mistral 7B, Phi-3 e Gemma 2

Faixa de 48 a 96 GB de VRAM: aqui moram os grandes

O llama3.1:70b tem 43 GB de download, e o gpt-oss-120b roda em uma única GPU de 80 GB

É também a faixa que o plano Pro da Rollin Host ocupa, com GPU de 96 GB, indicado pelo fornecedor para modelos grandes (Llama 3 70B, Mixtral 8x22B, DeepSeek R1) e fine-tuning

E o llama3.1:405b? Com 243 GB, ele está fora de qualquer opção listada neste post

Sem meias palavras: não é o caso de "apertar um pouco", ele simplesmente não entra ali 🙂

Qual escolher em cada situação (e a conta que quase ninguém faz)

Veredito por perfil, direto:

Você só quer testar um 7B ou 8B e ver como é: VPS de CPU barato resolve

A faixa de 8 GB atende o piso do Ollama, e o custo mensal fica em dezenas de reais

Você quer rodar um 20B com folga: precisa dos 16 a 32 GB, então olhe pro Contabo VPS 30 (24 GB) ou pro Hostinger KVM 8 (32 GB)

Ainda é faixa de CPU, ainda é preço civilizado

Você precisa de resposta rápida em produção: precisa de GPU, e aí não tem jeito, o salto é brutal

Sai de dezenas de reais por mês e vai pra centenas de euros (Hetzner GEX44) ou pra alguns milhares de reais (planos brasileiros com GPU)

E agora a conta que quase ninguém faz antes de assinar:

1. Preço promocional não é preço de renovação

A Hostinger anuncia o equivalente mensal de ciclo longo pago à vista, com renovação significativamente maior

A Locaweb é transparente e mostra as duas colunas: R$ 15,90 vira R$ 25,90, R$ 379,90 vira R$ 549,90, com contratação de 24 meses

2. Taxa única existe e ninguém lembra dela

O Hetzner GEX44 tem 79,00 euros de instalação, que entram só no primeiro mês

3. Preço em euro e dólar oscila, o seu boleto também

O câmbio de referência aqui é US$ 1 = R$ 5,12 e 1 euro = R$ 5,91, mas o seu custo real muda com a cotação do dia, e provedor brasileiro cobrando em reais tira essa variável da conta

4. Servidor 24/7 x hora avulsa

Se a sua carga é intermitente (você gera algumas centenas de respostas por dia e o resto do tempo a máquina fica parada), pagar servidor com GPU o mês inteiro é queimar dinheiro

A cobrança por hora da RunPod, com faturamento por milissegundo, existe justamente pra esse cenário

Se é fluxo contínuo, o servidor fixo volta a fazer sentido

E antes de subir de plano por impulso, vale medir consumo de CPU e RAM da sua carga atual, porque muita gente troca de servidor sem saber onde o gargalo realmente está

Conclusão

A ordem certa de decisão é essa, e ela é mais simples do que parece:

1. defina primeiro qual modelo e qual tamanho você vai rodar
2. cheque o piso de RAM correspondente (8 GB para 7B, 16 GB para 13B, 32 GB para 33B)
3. só então escolha a faixa de preço, decidindo se você precisa de GPU ou se CPU resolve
4. teste com o menor plano antes de fechar contrato longo, porque contrato de 24 meses no plano errado é caro de corrigir

Se você quer o passo a passo de colocar o modelo pra rodar depois de escolher a máquina, o conteúdo sobre hospedar modelos LLM em VPS aqui do blog continua a história

E se a sua dúvida ainda é mais lá atrás, tipo "vale mais rodar local, chamar API ou subir numa VPS?", essa comparação é outro assunto e merece post próprio

Escolhe o modelo, confere a RAM, depois olha o preço

Nessa ordem 😀

Até o próximo post!

Matheus Battisti