Precisa de GPU para IA no Brasil? GPU Pods por hora ou Ollama em VPS.
A Runstack oferece dois caminhos para workloads de IA: GPU Pods com A100 e T4 cobrados por hora (zero desperdício para treino e inferência pesada), e VPS Pro para rodar modelos leves via Ollama sem custo de GPU. Toda infraestrutura é da OPEN DATACENTER, com servidores no Brasil.
O problema
Alugar GPU no exterior significa pagar em dólar, lidar com latência alta para APIs de inferência e depender de suporte em inglês. VMs genéricas não distinguem workloads de treino (burst) de inferência contínua (steady-state): você paga GPU o tempo todo mesmo quando não usa.
Como a Runstack resolve
GPU Pods Runstack: escale para A100 apenas quando treinar, desligue depois. Para inferência contínua com modelos até 13B, use VPS Pro com Ollama: sem custo de GPU, latência < 15ms no Brasil e cobrança previsível em real.
# ── Opção A: Ollama em VPS (modelos até 7B/13B, inferência CPU) ──
ssh root@<seu-ip>
# Instale o Ollama
curl -fsSL https://ollama.com/install.sh | sh
# Inicie o serviço
systemctl enable --now ollama
# Baixe um modelo
ollama pull llama3.2
ollama pull mistral
# Teste a API local
curl http://localhost:11434/api/generate \
-d '{"model":"llama3.2","prompt":"Olá!","stream":false}'
# ── Opção B: GPU Pod (A100 / T4 — treino e inferência pesada) ──
# Acesse runstack.com.br/gpu e crie um GPU Pod sob demanda
# Ambiente CUDA pré-configurado, cobrança por horaComparativo rápido
| Aspecto | Runstack | DigitalOcean | Lambda Labs |
|---|---|---|---|
| GPU disponível | ✓ A100, T4 (por hora) | ✓ H100 (USD/h) | ✓ A100 (USD/h) |
| Servidor no Brasil | ✓ SP01, São Paulo | ✗ exterior | ✗ EUA/Europa |
| VPS CPU p/ Ollama | ✓ VPS Pro R$ 144/mês | ✓ (USD) | ✗ GPU only |
| Moeda | Real (BRL) | Dólar (USD) | Dólar (USD) |
| Suporte PT-BR | ✓ | ✗ | ✗ |
Perguntas frequentes
GPU Pod usa hardware dedicado com placa NVIDIA (A100/T4), ideal para treino de modelos, fine-tuning e inferência de LLMs grandes (70B+). VPS com Ollama usa CPU para inferência de modelos leves (7B, 13B) com custo fixo e previsível em real.
Sim. Modelos quantizados (GGUF Q4) do Llama 3.2 8B rodam em 4-6 GB de RAM via Ollama. O plano Pro (4 GB RAM) é o mínimo recomendado. A latência de inferência é maior que em GPU, mas suficiente para uso interno e APIs com carga moderada.
Sim, a cobrança é por hora de uso. Se você criar um Pod e desligar após 20 minutos, paga por 1 hora. Para workloads irregulares (treino eventual), este modelo é mais econômico que VPS com GPU dedicada 24/7.
A Runstack disponibiliza NVIDIA A100 (80 GB VRAM) e T4 (16 GB VRAM) nos GPU Pods, com ambiente CUDA pré-configurado. Consulte runstack.com.br/gpu para disponibilidade em tempo real.
Sim. Open WebUI + Ollama rodam no mesmo host via Docker Compose. Com o plano Pro (4 GB RAM) você tem interface web completa para testar modelos sem usar a CLI.
Não quer configurar manualmente?
Seu servidor no ar em menos de 5 minutos com a Runstack. Infraestrutura da OPEN Datacenter, com servidores em São Paulo.