Hosting VPS para LLM

El hosting de LLM consiste en ejecutar un modelo de IA de pesos abiertos en tu propio servidor, donde responde a los prompts que le llegan por la red. La mayoría de las instalaciones propias usan Ollama, una herramienta gratuita con licencia MIT que carga modelos como Llama 3.2, Qwen3, Gemma 3 o gpt-oss. Ollama se basa en el motor llama.cpp, y Open WebUI añade un chat en el navegador por encima. Ambos se instalan en un VPS de GreenGeeks por SSH como root, sin Docker de por medio. Todo se ejecuta en la CPU, así que el modelo tiene que caber en la RAM. La velocidad depende más del ancho de banda de la memoria que del número de núcleos del plan.

No necesitas una GPU para una persona que usa modelos de hasta unos 14B, y los planes VPS de GreenGeeks los ejecutan en núcleos de CPU. Sí la necesitas para chatear en tiempo real con varias personas, para modelos de 70B o para documentos largos, porque leer un prompt largo es lento en una CPU. En pruebas de 2026, un modelo de 8B funcionó a 63 tokens por segundo en una RTX 4000 Ada y a unos 206 en una H100. Los servidores de CPU se quedaron en 3 a 7. El fine-tuning también es trabajo de GPU y no es práctico en un VPS de CPU.

Sí, y ninguno de los dos necesita Docker. Ejecutar curl -fsSL https://ollama.com/install.sh | sh instala Ollama como servicio de systemd en 127.0.0.1:11434, y para actualizarlo basta con volver a ejecutar el script. Ollama se ejecuta con su propio usuario ollama y guarda los modelos en /usr/share/ollama/.ollama/models. Open WebUI se instala con pip install open-webui y se inicia con open-webui serve en el puerto 8080. Define DATA_DIR para que sus datos vayan a la carpeta que elijas, y ejecútalo como servicio de systemd.

No. Ollama no tiene inicio de sesión propio, así que cualquiera que llegue a su puerto puede usar tus modelos. En 2025, Cisco encontró 1139 servidores Ollama abiertos a internet, 214 de ellos sirviendo modelos a cualquiera. Ollama escucha en 127.0.0.1 por defecto, así que no toques OLLAMA_HOST y mantén cerrado el puerto 11434. Pon Open WebUI detrás de Apache con HTTPS y expón solo los puertos 80 y 443. Crea la cuenta de administrador justo después de la instalación, porque la primera cuenta que se registra se convierte en la de administrador. Después, el registro abierto se cierra.

Lo que hay que trasladar es la carpeta de datos de Open WebUI, porque contiene webui.db con tus usuarios y chats, además de los archivos subidos y los embeddings de los documentos. Detén Open WebUI y archiva esa carpeta. Restáurala en el servidor nuevo con la misma WEBUI_SECRET_KEY, o se cerrará la sesión de todos. Normalmente no hace falta copiar los modelos. Ejecuta ollama pull en el servidor nuevo para volver a descargarlos, ya que cada uno ocupa de 2 a 10 GB. Copia los Modelfiles personalizados y tu override.conf de Ollama, que guarda ajustes como la longitud de contexto y el keep-alive.

La RAM lo decide, ya que el modelo tiene que caber dejando entre 1 y 1,5 GB libres para el sistema operativo. Con el ajuste Q4_K_M por defecto, llama3.2:3b ocupa 2,0 GB, llama3.1:8b 4,9 GB y qwen3:14b 9,3 GB. Así, el plan de 4 GB sirve para modelos de 1B a 4B para pruebas, y el plan de 8 GB ejecuta modelos de 7B y 8B, que llegan a unos 6,2 GB. En el plan de 16 GB caben gemma3:12b, qwen3:14b o un modelo de 8B en Q8. Los chats más largos y varias peticiones a la vez usan más memoria, y qwen3:30b-a3b, con 19 GB, no cabe en el plan de 16 GB.

Un modelo de 8B necesita el plan de 8 GB, que cuesta 19,99 dólares al mes en un VPS de GreenGeeks y se renueva a 39,99. Aun así, un servidor de CPU no es la forma barata de comprar tokens. En pruebas de 2026, los servidores de CPU salieron a unos 4,41 a 9,04 dólares por millón de tokens de salida funcionando a pleno rendimiento, y los niveles de API más baratos cobran mucho menos. El servidor te da privacidad, una factura fija sin límites de uso y una máquina que también puede ejecutar otras cosas. Los modelos abiertos y Ollama se descargan gratis, así que el plan es el gasto principal.

En un VPS de CPU, más o menos una persona puede chatear con comodidad a la vez. En una prueba de agosto de 2026, la salida total de los servidores de CPU se mantuvo cerca de 7 tokens por segundo por muchos usuarios que se añadieran. Con 4 personas a la vez, las respuestas más lentas tardaron unos 128 segundos. El trabajo en segundo plano es distinto. Se estimó que un servidor de 8 vCPU podía encargarse de tareas como resúmenes, etiquetado y embeddings para unos 15 a 18 usuarios, cuando nadie está esperando la respuesta. En la misma prueba, una sola tarjeta GPU atendió 16 peticiones a la vez.

Empieza por WEBUI_SECRET_KEY, porque sin la misma clave, un Open WebUI restaurado cierra la sesión de todos. Guárdala junto con la carpeta de datos de Open WebUI, donde están los usuarios, los chats, los archivos subidos y los embeddings de los documentos. En un VPS autogestionado GreenGeeks deja las copias de seguridad en tus manos, así que nada copia esa carpeta a menos que lo configures tú. Una tarea de cron nocturna puede archivar la carpeta y copiarla a otra ubicación fuera del servidor. Los modelos no hace falta incluirlos, porque ollama pull los vuelve a descargar.

GreenGeeks se ocupa del hardware y la red. Un VPS autogestionado te da acceso root completo, así que mantener en marcha el sistema operativo, Ollama y Open WebUI corre de tu cuenta. Eso significa volver a ejecutar el script de instalación de Ollama para actualizarlo y actualizar Open WebUI con pip. Cuando algo falla, journalctl -e -u ollama muestra los registros de Ollama, y ollama ps muestra si hay un modelo cargado. Vigila también la memoria. Cambiar de modelo en un servidor de 8 GB puede agotar la RAM, así que define OLLAMA_MAX_LOADED_MODELS en 1.