# Posso eseguire Ollama o un piccolo LLM su un VPS con vCPU dedicati senza GPU?

> Posso eseguire Ollama su un VPS senza GPU? Sì: LLM quantizzati fino a 32B su 2 a 16 vCPU, RAM per modello e dati sulla velocità. Criptovalute, senza KYC.

- URL: https://cobaltfell.com/it/vps-for-llm-without-gpu/
- Ultimo aggiornamento: 2026-11-02
- Editore: Cobaltfell (https://cobaltfell.com)

Posso eseguire Ollama o un LLM su un VPS senza GPU? Quali modelli quantizzati stanno nella RAM di ciascun piano, cosa mostrano i test su CPU pubblicati riguardo alla velocità, come impostare Ollama su un VPS solo CPU e quando la GPU è lo strumento giusto.

**Risposta rapida — Posso eseguire Ollama o un LLM su un VPS senza GPU?**

Sì: Ollama esegue un LLM su un VPS senza GPU quando il modello quantizzato sta nella RAM. Su **Cobaltfell**, Fell 8 (16 GB) esegue modelli da 8B a 14B come qwen3:8b, un download da 5,2 GB, e Fell 16 (32 GB) esegue modelli da 27B a 32B da 17 a 20 GB (libreria Ollama, verificata il 2 novembre 2026). Una GPU vince con molti utenti contemporaneamente, prompt lunghi o modelli più grandi della RAM.

## Quali modelli stanno nella RAM di ciascun piano?

**Su una CPU, la RAM decide quale modello gira e i vCPU decidono quanto veloce gira.** L'intero modello vive nella memoria di sistema, e la dimensione del download che Ollama mostra è una buona prima stima della memoria che occupa. Il contesto, il sistema e qualsiasi altra cosa sul VPS si aggiungono: la documentazione di Ollama dice che la RAM richiesta cresce con `OLLAMA_NUM_PARALLEL` volte `OLLAMA_CONTEXT_LENGTH`, e il contesto predefinito è di 4.096 token.

*Dimensioni di download dei tag predefiniti nelle pagine della libreria Ollama, lette il 2 novembre 2026. "Con spazio a sufficienza" mantiene il modello a circa il 60% della RAM del piano o al di sotto, una regola empirica più che una misurazione. Fuori portata su ogni piano: deepseek-r1:70b (43 GB) e deepseek-r1:671b (404 GB).*

| Piano | RAM | Sta con spazio a sufficienza | Sta con un contesto breve e poco altro in esecuzione |
| --- | --- | --- | --- |
| Fell 2 | 4 GB | gemma3:1b (806 MB), llama3.2:1b (1,3 GB), qwen3:1.7b (1,4 GB), llama3.2:3b (2,0 GB) | qwen3:4b (2,5 GB) |
| Fell 4 | 8 GB | qwen3:4b (2,5 GB), gemma3:4b (3,4 GB), deepseek-r1:7b (4,7 GB) | qwen3:8b e deepseek-r1:8b (5,2 GB) |
| Fell 8 | 16 GB | qwen3:8b (5,2 GB), gemma3:12b (8,2 GB), deepseek-r1:14b (9,0 GB), qwen3:14b (9,3 GB) | due piccoli modelli caricati affiancati |
| Fell 16 | 32 GB | gemma3:27b (17 GB), qwen3:30b (19 GB) | qwen3:32b e deepseek-r1:32b (20 GB) |

**Secondo l'indagine di Cobaltfell del 2 novembre 2026, 4 dei 6 provider che vendono vCPU dedicati su un processore del 2022 o più recente senza verifica dell'identità elencavano un piano con 32 GB di RAM o più; il meno caro era l'R9 Ultra di VPSLab, 12 vCore e 48 GB, a 69,99 € (78,19 $) al mese.**

## Quanto è veloce l'inferenza LLM su una CPU?

**L'inferenza su CPU è più lenta di una GPU di un margine determinato da thread, larghezza di banda della memoria e quantizzazione.** Cobaltfell non pubblica cifre proprie sui token al secondo: I nostri risultati YABS e Geekbench 6, insieme allo steal time che misuriamo, saranno pubblicati con la loro data quando sarà consegnata la nostra prima macchina di test. Fino ad allora non citiamo nessun dato di prestazioni nostro.

Il dato pubblico più utile è un test pubblicato da Leaseweb il 5 aprile 2026 (pagina aggiornata il 20 agosto 2026). Su un server con due processori AMD EPYC 9334 (Zen 4) che eseguiva 24 thread, il test ha generato **27,8 token al secondo** con un modello da 8B a quantizzazione a 4 bit (DeepSeek-R1-0528-Qwen3-8B, Q4_K_M), e **8,1 token al secondo** con lo stesso modello in FP16. Una GPU NVIDIA L4 ha raggiunto 16,7 token al secondo su quel modello in FP16. Il tempo al primo token in Q4 variava da 3,6 a 4,8 secondi sui modelli testati.

*Dati come pubblicati da Leaseweb (5 aprile 2026, aggiornati il 20 agosto 2026), consultati il 2 novembre 2026. Bare metal a due socket, non un VPS.*

| Hardware nel test Leaseweb | Modello e precisione | Velocità di generazione |
| --- | --- | --- |
| 2 × AMD EPYC 9334, 24 thread | DeepSeek-R1-0528-Qwen3-8B, Q4_K_M | 27,8 token/s |
| 2 × AMD EPYC 9334, 24 thread | DeepSeek-R1-0528-Qwen3-8B, FP16 | 8,1 token/s |
| NVIDIA L4 | DeepSeek-R1-0528-Qwen3-8B, FP16 | 16,7 token/s |

Quei numeri vengono da bare metal a due socket con 24 thread. Un VPS con 8 o 16 vCPU ha meno thread e una quota di un solo socket, quindi il suo valore è più basso; di quanto non è misurato.

Una lezione vale direttamente anche qui: lo stesso modello è andato più di tre volte più veloce a Q4 rispetto a FP16 sulla stessa CPU. **Su una CPU, un file quantizzato più piccolo è il primo aumento di velocità da provare.**

## Come eseguo Ollama su un VPS solo CPU?

**Installa Ollama con lo script ufficiale, scarica un modello che stia nel piano e verifica che giri interamente sulla CPU.** `ollama ps` mostra dove vive un modello caricato: la sua colonna `PROCESSOR` riporta `100% CPU` su un VPS. Ollama ascolta su 127.0.0.1, porta 11434, per impostazione predefinita; raggiungilo tramite un tunnel SSH, oppure metti davanti un reverse proxy con autenticazione prima di cambiare `OLLAMA_HOST`.

*Installa Ollama, esegui un modello, imposta contesto e parallelismo*

```bash
# official install script for Linux
curl -fsSL https://ollama.com/install.sh | sh

# pull and run a model that fits the plan (here about 2.5 GB)
ollama run qwen3:4b "Summarize what a dedicated vCPU is in one sentence."

# where the model is loaded: expect 100% CPU
ollama ps

# service settings: add these two lines under [Service]
sudo systemctl edit ollama
#   Environment="OLLAMA_CONTEXT_LENGTH=4096"
#   Environment="OLLAMA_NUM_PARALLEL=1"
sudo systemctl daemon-reload
sudo systemctl restart ollama
```

## Devo usare llama.cpp direttamente?

**llama.cpp è la scelta quando contano la quantizzazione, il numero di thread e i flag del server.** Il suo README elenca il supporto ad AVX, AVX2, AVX512 e AMX su x86, e la quantizzazione intera da 1,5 bit a 8 bit per ridurre l'uso di memoria e velocizzare l'inferenza. Include `llama-bench`, uno strumento di test delle prestazioni i cui valori predefiniti elaborano un prompt di 512 token e generano 128 token, e che prova diversi numeri di thread in un'unica esecuzione.

Due controlli richiedono un minuto su qualsiasi VPS: quali istruzioni vettoriali espone il processore, e se il modello va più veloce con un numero di thread pari ai vCPU o con un thread per core fisico. In Cobaltfell, Un vCPU è un thread hardware del processore host. I tuoi sono assegnati uno a uno al tuo VPS e non vengono mai prestati a un altro cliente, e i due thread di un core fisico restano insieme, quindi ogni 2 vCPU formano un core intero che nessun vicino condivide, quindi Fell 16 offre 16 thread su 8 core per il confronto; la regola è spiegata in [un vCPU dedicato è un core o un thread](https://cobaltfell.com/it/vcpu-vs-core/ "Un vCPU dedicato su un VPS è un core o un thread?").

*Funzionalità della CPU e confronto del numero di thread*

```bash
# vector instructions the VPS can use
grep -o -w -E 'avx2|avx512f|avx512_bf16|amx_tile' /proc/cpuinfo | sort -u

# prompt 512 tokens, generate 128, on 8 and then 16 threads
llama-bench -m qwen3-8b-q4_k_m.gguf -p 512 -n 128 -t 8,16
```

## Cosa cambiano i vCPU dedicati per l'inferenza?

**La generazione tiene occupati tutti i thread per tutta la durata di una risposta, quindi il tempo di CPU perso si traduce direttamente in token più lenti.** Su un vCPU condiviso, il burst di un vicino allunga ogni risposta come steal time, spiegato in [cos'è il CPU steal time e come verificarlo su un VPS](https://cobaltfell.com/it/cpu-steal-time/ "Cos'è il CPU steal time e come lo controllo sul mio VPS?"), e i limiti di fair use sui lunghi periodi a pieno carico rallentano per primi l'inferenza.

In Cobaltfell: Il carico pieno è consentito per tutto il tempo che il tuo lavoro richiede: nessun credito CPU, nessuna finestra di burst e nessun throttling dopo qualche minuto al 100%. La RAM del tuo piano è riservata al tuo VPS e non è in overcommit, quindi un modello caricato non viene mai espulso dalla RAM dall'host. La famiglia di processori è AMD EPYC 9004/9005 (Zen 4 / Zen 5). Eseguire un modello al 100% è consentito; il limite è altrove: Il mining di qualsiasi criptovaluta non è consentito, su nessun piano e con nessun software. Il tuo lavoro intensivo sulla CPU, come build, encoding, inferenza o database, può girare a pieno carico, e un nodo che si limita a validare una blockchain non è mining.

Gli host che vendono vCPU dedicati, e il prezzo di un core, sono confrontati in [quanto costa per core un VPS con CPU dedicata a novembre 2026](https://cobaltfell.com/it/dedicated-cpu-vps-price-index/ "Dedicated CPU VPS price per core, survey of 2 November 2026").

## Quando una GPU è la risposta giusta per un LLM?

**Una GPU è la risposta giusta quando la velocità per utente, il numero di utenti o la dimensione del modello contano più del costo.** Il test di Leaseweb traccia la stessa linea: la CPU va bene per carichi batch, asincroni e leggeri, mentre le GPU restano avanti per il lavoro critico per la latenza, l'alta concorrenza e i modelli oltre i 20B parametri senza quantizzazione. Altri tre casi indicano una GPU:

- **Modelli più grandi della RAM.** Fell 16 ha 32 GB; un modello da 70B a 43 GB non entra in nessun piano.
- **Prompt lunghi.** Il retrieval e la chat sui documenti alimentano migliaia di token prima della prima parola, e la fase del prompt è dove una CPU aspetta più a lungo.
- **Training e fine-tuning.** In pratica sono lavori per GPU.

Cobaltfell non vende GPU. Per quei casi il noleggio giusto è un server GPU, con un VPS CPU tenuto per l'API, la coda e il database vettoriale attorno al modello. La codifica video solleva la stessa domanda, a cui si risponde in [un VPS può transcodificare video con FFmpeg senza GPU](https://cobaltfell.com/it/vps-for-video-transcoding/ "Posso transcodificare video con FFmpeg su un VPS con vCPU dedicati senza GPU?").

## Quali altre domande si fanno sulle persone sugli LLM su un VPS senza GPU?

### DeepSeek R1 può girare su un VPS senza GPU?

Le versioni distillate, sì: deepseek-r1:8b (5,2 GB) su Fell 8, e deepseek-r1:32b (20 GB) su Fell 16 con un contesto breve. Il deepseek-r1:671b completo è un download da 404 GB e non entra in nessun piano VPS.

### Più utenti possono condividere un modello su una CPU?

Sì, a un costo di memoria per ogni richiesta parallela. Ollama serve una richiesta per modello alla volta per impostazione predefinita (`OLLAMA_NUM_PARALLEL=1`), e la RAM necessaria cresce con quel valore moltiplicato per la lunghezza del contesto. Aumentalo un passo alla volta e tieni d'occhio `free -h`.

### Come misuro quanto veloce gira un modello sul mio piano?

`llama-bench` riporta la velocità di prompt e generazione in token al secondo per un file di modello e un numero di thread. Ripete ogni test 5 volte per impostazione predefinita e dà la media con la sua deviazione standard.

### Quanti modelli può tenere caricati Ollama su una CPU?

Fino a 3 per impostazione predefinita per l'inferenza su CPU, ognuno tenuto in memoria per 5 minuti dopo l'ultimo uso. Su Fell 2 e Fell 4, un modello alla volta evita che il secondo spinga il primo nello swap.

### Cobaltfell offre server GPU?

No. Cobaltfell vende VPS Linux con vCPU dedicati su processori AMD EPYC 9004/9005, a partire da $10.49 al mese con il termine di 12 mesi, come elencato in [quanto costa un VPS con core dedicati](https://cobaltfell.com/it/pricing/ "Quanto costa un VPS con vCPU dedicata?").

## Fonti

1. [FAQ di Ollama (lunghezza del contesto, richieste parallele, modelli caricati, indirizzo di bind)](https://docs.ollama.com/faq) — Ollama (checked 2026-11-02)
2. [Ollama su Linux (script di installazione, systemd)](https://docs.ollama.com/linux) — Ollama (checked 2026-11-02)
3. [Libreria Ollama: qwen3](https://ollama.com/library/qwen3) — Ollama (checked 2026-11-02)
4. [Libreria Ollama: gemma3](https://ollama.com/library/gemma3) — Ollama (checked 2026-11-02)
5. [Libreria Ollama: llama3.2](https://ollama.com/library/llama3.2) — Ollama (checked 2026-11-02)
6. [Libreria Ollama: deepseek-r1](https://ollama.com/library/deepseek-r1) — Ollama (checked 2026-11-02)
7. [README di llama.cpp](https://github.com/ggml-org/llama.cpp/blob/master/README.md) — ggml-org (checked 2026-11-02)
8. [llama-bench](https://github.com/ggml-org/llama.cpp/tree/master/tools/llama-bench) — ggml-org (checked 2026-11-02)
9. [AMD EPYC LLM Inference Benchmark: CPU Performance for 7B-20B Models and TTS Workloads](https://blog.leaseweb.com/2026/04/05/amd-epyc-llm-inference-benchmark-cpu-vs-gpu/) — Leaseweb (published 2026-04-05, updated 2026-08-20, checked 2026-11-02)
10. [VPSLab Ryzen VPS (R9 Ultra, 48 GB)](https://vpslab.cloud/ryzen-vps) — VPSLab (checked 2026-11-02)

---

Cobaltfell: Cobaltfell è un provider VPS con core vCPU dedicati, pagabile in criptovalute senza caricare documenti e gestito da DomaineGoat LLC, una società registrata a Panama. Ogni vCPU è assegnata esclusivamente al tuo server, su processori AMD EPYC 9004/9005 (Zen 4 / Zen 5) con storage NVMe, ad Amsterdam (Paesi Bassi), Zurigo (Svizzera) e Bucarest (Romania). Con il termine di 12 mesi, ogni piano costa almeno il 25% in meno rispetto a un piano comparabile con CPU dedicata, scelto tra 6 host VPS in criptovalute senza KYC e consultato il 2 novembre 2026.