Infraestrutura privada de IA

Execute inferência de IA em uma infraestrutura dedicada com GPU sob seu controle

Opções de servidores privados com GPU e LLM para equipes que precisam de inferência local, privacidade de dados, desempenho previsível e independência de ambientes externos de IA.

Ver servidores GPU Falar com um engenheiro

Inferência privadaIA auto-hospedadaCopilotos internosAgentes de IA

Por que a Hosthink

Infraestrutura privada de IA

Estoque de GPUs e dimensionamento final confirmados antes da implantação. Escopo de gestão confirmado antes da implantação.

Privacidade desde o projeto

Execute endpoints de modelos e ferramentas de IA no seu próprio ambiente dedicado.

Infraestrutura preparada para GPU

Escolha o estoque conforme as necessidades de VRAM, CPU, RAM, armazenamento e largura de banda.

Sem dependência de IA externa

Mantenha prompts, documentos e tráfego de modelos sob o seu modelo de implantação.

Acesso de nível empresarial

Acesso root, opções de rede privada e entrega operacional clara.

Etapas do fluxo

Da escolha do servidor de IA à pilha em funcionamento

Use o grupo de produtos para comparar famílias de servidores e conecte a pilha escolhida às ferramentas que sua equipe já usa.

Escolha a família de servidores de IA

Compare opções de servidores GPU, Ollama, DeepSeek e LLM privado em um único grupo de produtos.

Adeque à carga de trabalho

Use o tamanho do modelo, o uso esperado e a preferência de pilha para escolher um ponto de partida viável.

Conecte as ferramentas

Combine o servidor de IA com aplicativos hospedados, painéis, editores de fluxos ou serviços internos quando for útil.

Expanda de forma planejada

Mantenha claras as opções de expansão quando os requisitos de memória, GPU ou armazenamento mudarem.

Produtos

Servidores privados de IA — produtos

Escolha o produto hospedado ou a família de servidores privados de IA adequada à carga de trabalho. Todas as páginas mantêm uma apresentação consistente de preços e implantação.

Servidor GPU para Ollama

Inferência privada com Ollama em infraestrutura dedicada com GPU.

A partir de $558.00/mês · só hardware Ver

Servidor GPU para DeepSeek

Hospedagem privada de modelos do tipo DeepSeek para equipes que precisam de inferência controlada.

A partir de $558.00/mês · só hardware Ver

Servidor GPU para IA

Servidores GPU dedicados para inferência, agentes, cargas vetoriais e laboratórios de IA.

A partir de $558.00/mês · só hardware Ver

Servidor LLM privado

Infraestrutura LLM auto-hospedada para equipes que priorizam privacidade e cargas sujeitas a regulamentação.

A partir de $558.00/mês · só hardware Ver

Posicionamento da infraestrutura

IA privada precisa de infraestrutura que você compreenda

Serviços de modelos, pipelines de RAG, copilotos internos e backends de agentes tornam-se sistemas operacionais quando as equipes passam a depender deles. A Hosthink oferece servidores GPU com recursos previsíveis, acesso privado e um ambiente de implantação claro, em vez de um endpoint opaco de IA.

GPUPreparado para aceleração

NVMeArmazenamento rápido para aplicativos

PersonalizadoDimensionamento por engenharia disponível

MensalCobrança previsível

Tamanho do modelo → VRAM

Quanta memória de GPU um modelo precisa

VRAM é a memória da GPU; a RAM do servidor pertence à CPU. O Ollama executa um modelo inteiramente na GPU somente quando ele cabe na VRAM; caso contrário, parte dele é carregada na RAM do sistema e processada pela CPU, o que é mais lento.

Role para o lado para ver todas as colunas.

Classe de modelo	Exemplos do Ollama (download de 4 bits Q4_K_M)	VRAM a planejar
7–8B	llama3.1:8b · 4.9 GB qwen3:8b · 5.2 GB	8 GB+
12–14B	gemma3:12b · 8.2 GB qwen3:14b · 9.3 GB	16 GB+
27–32B	gemma3:27b · 17 GB qwen3:32b · 20 GB	24 GB (contexto curto) · 32 GB+
70B	llama3.3:70b · 43 GB llama3.1:70b · 43 GB	48 GB (contexto curto) · 80 GB+
235B MoE	qwen3:235b · 142 GB	160 GB+ (multi-GPU)
405B	llama3.1:405b · 243 GB	256 GB+ (multi-GPU)

Pesos do modeloEm 4 bits, os pesos ocupam cerca de 0,5 GB por bilhão de parâmetros (parâmetros × bits ÷ 8). Os downloads Q4_K_M são um pouco maiores, então use o tamanho de download do Ollama como ponto de partida.

Contexto e requisições paralelasO cache KV cresce com o tamanho do contexto e com as requisições paralelas; o Ollama observa que a memória escala com OLLAMA_NUM_PARALLEL × OLLAMA_CONTEXT_LENGTH. O contexto padrão depende da VRAM (4k abaixo de 24 GiB, 32k entre 24 e 48 GiB, 256k a partir de 48 GiB), então defina o tamanho do contexto explicitamente ao dimensionar.

Quando um modelo não cabeSe um modelo não cabe em uma única GPU, o Ollama o distribui entre todas as GPUs do servidor e pode colocar camadas na RAM do sistema; ollama ps mostra a divisão CPU/GPU. Esses números são estimativas de dimensionamento, não velocidade, latência ou vazão medidas.

Catálogo de GPUs da Hosthink

GPUs listadas e os tamanhos de modelo adequados

Lido do catálogo público de servidores da Hosthink quando esta página é gerada; o estoque muda com o tempo. O preço Starter é o preço, só hardware, do servidor GPU em estoque mais barato, e nenhum preço desta página reserva uma GPU específica: o modelo de GPU, a VRAM, a localização e o preço mensal final são confirmados no orçamento conforme o inventário atual.

Role para o lado para ver todas as colunas.

GPU	VRAM	Indicada para (4 bits)	Status no catálogo	Localizações
1× NVIDIA RTX A4000	16 GB	12–14B	Indisponível no momento	Amsterdam
1× NVIDIA GeForce RTX 4090	24 GB	27–32B (contexto curto)	Em estoque	Moscow
1× NVIDIA RTX A5000	24 GB	27–32B (contexto curto)	Em estoque	Amsterdam
1× NVIDIA GeForce RTX 3090	24 GB	27–32B (contexto curto)	Indisponível no momento	Paris, Amsterdam, Moscow
1× NVIDIA GeForce RTX 5090	32 GB	27–32B	Em estoque	Moscow
1× AMD Radeon AI PRO R9700	32 GB	27–32B	Indisponível no momento	Amsterdam
2× NVIDIA GeForce RTX 4090	2 × 24 GB = 48 GB	70B (contexto curto)	Em estoque	Moscow
2× AMD Radeon AI PRO R9700	2 × 32 GB = 64 GB	70B (contexto curto)	Indisponível no momento	Moscow
2× NVIDIA GeForce RTX 5090	2 × 32 GB = 64 GB	70B (contexto curto)	Indisponível no momento	Paris, Amsterdam
1× NVIDIA H100 80GB	80 GB	70B	Indisponível no momento	Ashburn, Chicago, Dallas +4
3× AMD Radeon AI PRO R9700	3 × 32 GB = 96 GB	70B	Em estoque	Moscow
4× NVIDIA GeForce RTX 4090	4 × 24 GB = 96 GB	70B	Em estoque	Keflavik
8× NVIDIA RTX PRO 6000 Blackwell Server Edition	8 × 96 GB = 768 GB	405B (multi-GPU)	Indisponível no momento	Tokyo, Amsterdam, Ashburn +8

Outras 11 ofertas de GPU não são exibidas porque o rótulo do catálogo não informa a memória da GPU de forma inequívoca ou a GPU é opcional; a VRAM delas é confirmada na cotação.

HardwareUm servidor dedicado: as GPUs, a CPU, a RAM e o armazenamento NVMe da sua cotação não são compartilhados com outros clientes.

AcessoAcesso SSH ao servidor; você escolhe quais modelos baixar, executar e expor.

Escopo de gestãoQuem instala e atualiza o Ollama, os drivers de GPU e os modelos, e quem monitora o serviço, é confirmado antes da implantação.

Ver servidores GPU, preços e estoque · Fontes, verificadas em 2026-10-30: Ollama context length, Ollama FAQ, Ollama hardware support, Ollama library.

Visão geral de preços

Planos Starter, Pro e Advanced

Estoque de GPUs e dimensionamento final confirmados antes da implantação. Escopo de gestão confirmado antes da implantação.

Starter

A partir de $558.00/mês

Servidor GPU em estoque mais barato, só hardware

NVIDIA RTX A5000 · 24 GB VRAM · Amsterdam

Cargas iniciais

Estoque de GPUs e dimensionamento final confirmados antes da implantaçãoCobrança mensalEscopo de gestão confirmado antes da implantação

Pro

Expansão

Equipes de produção

Mais CPU, RAM, armazenamento ou capacidade de GPUExpansão dentro da família de produtos

Advanced

Personalizado

Cargas intensivas

Opções de rede privadaDimensionamento por engenharia disponível

Perguntas frequentes

Dúvidas comuns

Preciso de uma GPU para toda carga de IA?

Nem sempre. Aplicativos hospedados podem usar APIs externas de modelos, enquanto a inferência local privada geralmente se beneficia de GPU.

Vocês podem dimensionar o servidor?

Sim. Podemos dimensioná-lo conforme a família de modelos, a VRAM, a simultaneidade e os requisitos de armazenamento.

É o mesmo que GPU de nuvem pública?

Não. Estas páginas apresentam implantações de servidores GPU dedicados ou privados, não um endpoint de modelo SaaS compartilhado.

A RAM do servidor é o mesmo que a VRAM da GPU?

Não. VRAM é a memória da GPU, e a RAM do servidor pertence à CPU. Se um modelo não cabe na VRAM, runtimes como o Ollama podem carregar parte dele na RAM do sistema, o que é mais lento; por isso, dimensione a GPU de acordo com o modelo.

O preço Starter reserva uma GPU específica?

Não. O preço Starter é o menor preço mensal de hardware entre os servidores GPU com VRAM informada em estoque no catálogo público da Hosthink quando esta página é gerada; se não houver um preço verificado atual, aparece “Sob orçamento”. O estoque muda com o tempo e nenhum preço desta página reserva uma GPU: o modelo de GPU, a VRAM, a localização e o preço mensal final são confirmados no orçamento conforme o inventário atual.

Servidores privados de IA

Comece pelo produto adequado à sua carga de trabalho

Mantenha o mesmo fluxo de design, cobrança e suporte da Hosthink ao adicionar cargas de IA e aplicativos à sua infraestrutura.

Ver servidores GPU