Ollama: Quanto Espaço Ocupa e Dá pra Rodar em VPS?

O Ollama é uma ferramenta que permite rodar modelos de linguagem (LLMs) localmente, no seu próprio hardware — sem enviar dados pra nenhuma nuvem. É open source, roda no Linux, macOS e Windows, e tem suporte a dezenas de modelos como Llama 4, Mistral, Gemma, DeepSeek, Qwen e muito mais. A instalação base é pequena (~200MB), mas os modelos em si ocupam espaço de acordo com o tamanho e a quantização escolhida.

O tamanho do modelo depende de dois fatores: o número de parâmetros (B = bilhões) e a quantização (Q4 = mais comprimido, Q8 = mais preciso). Veja a tabela abaixo com os tamanhos mais comuns usando quantização Q4 (a mais usada no dia a dia):

Aqui está a parte importante: o Ollama roda perfeitamente em VPS Linux. O ponto crítico não é CPU ou disco — é a RAM. O modelo precisa caber inteiro na memória RAM (ou VRAM se tiver GPU). Se a RAM for insuficiente, o modelo vai usar swap (disco como memória), o que é muito mais lento, mas ainda funciona para testes.

A instalação é simples — basta um comando no terminal da sua VPS Linux:

curl -fsSL https://ollama.com/install.sh | sh

Depois, para baixar e rodar um modelo:

ollama run llama3.2

O Ollama expõe uma API REST na porta 11434, que você pode usar para integrar com aplicações, n8n, automações, etc. Para expor externamente, configure um Nginx como reverse proxy com HTTPS.

Se você está começando com Ollama em VPS, minha recomendação é o Llama 3.2 (7B) ou Mistral 7B — ambos rodam bem em VPS com 8GB de RAM, têm ótima qualidade para tarefas cotidianas (resumos, código, chat), e ocupam ~4-5GB de disco. Para código, o DeepSeek Coder 7B é excelente. Para português, o Sabiá-3 (da Maritaca AI) é o melhor modelo nacional.