Hermes Agent: requisitos de VPS para produção sem travar

O Hermes Agent consome recursos muito diferentes dependendo de onde o modelo de IA roda. Com API externa (OpenAI, Anthropic ou outra — o padrão BYO key), 2 GB de RAM e 2 vCPUs já rodam o agente em produção sem travamento. Se você optar por modelo local (Ollama, LLaMA ou similar), o requisito sobe para 8–16 GB de RAM e 4–8 vCPUs, além de disco NVMe para latência baixa.

TL;DR: Hermes com API externa roda leve (2 GB RAM, 2 vCPU); modelo local exige 8–16 GB e CPU/disco mais robustos. O ponto de decisão é onde o modelo está hospedado.

A seguir, detalhamos cada cenário e fechamos com a configuração de VPS recomendada para cada caso.

O que é o Hermes Agent e por que os requisitos variam tanto?

O Hermes Agent é um agente de IA conversacional modular que processa mensagens, chama APIs externas, mantém contexto em sessões e executa automações (como envio pelo WhatsApp ou integração com CRM). Tecnicamente, o agente é um runtime leve — Node.js ou Python — que orquestra chamadas HTTP, gerencia estado em Redis/banco e formata prompts.

O gargalo de recursos está no modelo de linguagem, não no agente em si. Se você usar API externa (GPT-4o, Claude, Gemini), o processamento pesado acontece fora do seu servidor; o Hermes apenas envia HTTP requests e recebe JSON. Nesse cenário, o agente consome pouquíssima RAM e CPU.

Se você hospedar o modelo localmente (self-hosting de LLaMA, Mistral ou outro via Ollama, por exemplo), o servidor precisa carregar bilhões de parâmetros na RAM e processar inferência na CPU — aí o consumo dispara.

Por isso, antes de dimensionar a VPS, você precisa responder: o modelo roda na nuvem (API) ou no seu servidor?

Requisitos mínimos para Hermes Agent com modelo via API externa (padrão)

Este é o cenário mais comum e mais leve. Você traz sua própria chave (BYO key) de OpenAI, Anthropic, Google ou outra, e o Hermes simplesmente faz chamadas HTTP para a API do modelo.

Configuração mínima recomendada

• RAM: 2 GB
• vCPU: 2 cores
• Disco: 20 GB NVMe (para OS, dependências Node/Python, logs e banco SQLite ou Redis)
• Rede: 1 Gbps (padrão na maioria das VPS)

Por que essa config funciona

O agente processa apenas:

• Roteamento de mensagens (webhook do WhatsApp, Telegram ou outro canal)
• Montagem de prompt e chamada HTTP para a API do modelo
• Parse da resposta JSON
• Gravação de histórico no banco (SQLite, PostgreSQL ou Redis)

Nenhuma dessas etapas exige processamento vetorial ou carregamento de modelo. A latência depende da API externa, não do servidor.

Consumo real observado (carga média, ~100 mensagens/hora):

• RAM: 300–600 MB em uso constante (Node.js + Redis)
• CPU: picos de 10–20% durante parse/gravação; ocioso ~2%

Com 2 GB de RAM, sobra espaço para picos e cache do sistema. Com 2 vCPUs, o Node.js processa chamadas concorrentes sem fila.

Quando escalar

Se você atende mais de 500 mensagens/hora ou mantém múltiplas sessões simultâneas (vários atendentes, grupos com alta concorrência), considere subir para:

• 4 GB RAM e 2–4 vCPUs para manter latência abaixo de 200 ms no parse e gravação.

A VPS Lite 10 (2 GB RAM, 2 vCPUs, Frankfurt — R$ 69,90/mês) cobre o cenário padrão. Para escala, a VPS Lite 20 (4 GB, 4 vCPUs — R$ 119,90) já segura 1.000+ msgs/hora sem suar.

Para quem quer n8n + Hermes + Evolution API pré-instalados e orquestrados, a VPS para n8n Start (R$ 89) já vem com Traefik, SSL automático e o stack pronto.

Requisitos para Hermes Agent com modelo local (self-hosting)

Se você decidiu rodar o modelo de IA dentro do próprio servidor (Ollama, GPT4All, LLaMA.cpp, etc.), os requisitos sobem significativamente. Agora o servidor precisa carregar pesos do modelo na RAM e processar inferência na CPU (ou GPU, se disponível).

Configuração mínima para modelo local leve (até 7B parâmetros)

• RAM: 8 GB (6–7 GB só para o modelo; 1–2 GB para OS e agente)
• vCPU: 4 cores (inferência em CPU é lenta; 4+ cores ajudam a paralelizar)
• Disco: 40 GB NVMe (modelos pesam 3–10 GB; Ollama mantém cache e quantizações)
• GPU (opcional): se disponível, reduz latência de inferência de segundos para milissegundos

Para modelos maiores (13B–30B parâmetros)

• RAM: 16–32 GB
• vCPU: 8+ cores
• Disco: 60–100 GB NVMe
• GPU recomendada: NVIDIA com 12+ GB VRAM (RTX 3060, A4000 ou superior)

Modelos grandes sem GPU podem levar 5–15 segundos por resposta em CPU, o que inviabiliza produção com volume.

Trade-off real: custo × controle

Hospedar modelo local dá controle total (sem depender de API externa, sem rate limit, dados não saem do servidor). Mas:

• Custo: VPS com 8 GB custa R$ 229,90/mês (VPS Lite 30); com GPU, salta para R$ 999,90+ (Servidor GPU).
• Manutenção: você gerencia atualizações do Ollama, otimização de quantização, monitoramento de RAM.
• Latência: mesmo com GPU, raramente bate a API do GPT-4o em velocidade bruta.

Para quem quer experimentar self-hosting de IA sem configurar tudo do zero, o Servidor IA Cloud Start (R$ 89) já vem com Ollama + Open WebUI pré-configurados e 4 GB RAM — suficiente para modelos até 3B em testes, ou 7B quantizado com latência aceitável.

Como escolher a configuração certa de VPS para o Hermes Agent

A decisão se resume a três perguntas:

1. Onde o modelo roda? API externa → VPS leve. Modelo local → VPS robusta.
2. Qual o volume de mensagens? Até 500/hora → 2 GB. Mais de 1.000/hora → 4 GB. Picos de 5.000+ → considere cluster ou balanceamento.
3. Você precisa de GPU? Só se rodar modelo local médio/grande (13B+) e latência for crítica.

Tabela comparativa: API externa vs. modelo local

Se você ainda não sabe o volume, comece com API externa e VPS Lite 10 (2 GB). Escala vertical é rápida e sem downtime na Rollin Host (provisionamento em ~5 min, root access, sem fidelidade).

Dependências e otimizações de infraestrutura

Além de RAM/CPU, alguns pontos de infraestrutura impactam diretamente a estabilidade do Hermes em produção:

Disco NVMe obrigatório

Disco HDD tradicional causa gargalo em gravação de logs e leitura de histórico de sessão. NVMe é padrão em todas as VPS da Rollin Host (Frankfurt e US-East) — latência de leitura <1 ms, vs. 10–50 ms do HDD.

Redis ou PostgreSQL para sessão

SQLite funciona para prototipagem, mas em produção com concorrência você quer Redis (cache de sessão em RAM) ou PostgreSQL (persistência robusta). Ambos consomem ~100–300 MB de RAM; planeje isso no dimensionamento.

Reverse proxy (Nginx ou Traefik)

Se você expõe webhook (WhatsApp, Telegram), configure SSL/TLS (Let's Encrypt) e rate limiting no proxy. A VPS para n8n já vem com Traefik + SSL automático configurado.

Monitoramento de CPU e RAM

Em produção, rode htop ou configure Prometheus + Grafana para alertar quando RAM > 80% ou CPU > 70% sustentado. O gargalo quase sempre é RAM quando o modelo é local; CPU quando há muitos webhooks simultâneos.

Principais aprendizados

• Requisitos variam drasticamente conforme o modelo roda via API ou localmente — de 2 GB a 16+ GB de RAM.
• API externa é o padrão: mais barata, mais rápida, menos manutenção. VPS Lite 10 (2 GB, 2 vCPU) resolve.
• Modelo local exige VPS robusta: 8 GB mínimo para 7B parâmetros; GPU recomendada para modelos 13B+.
• Disco NVMe não é negociável — latência de I/O afeta parse e gravação de histórico.
• Escale vertical antes de horizontal: subir de 2 GB para 4 GB resolve 80% dos gargalos antes de precisar de cluster.

Perguntas frequentes

Quanto de RAM o Hermes Agent consome sozinho?

Com API externa, o runtime (Node.js/Python) usa 300–600 MB de RAM em carga normal. Com modelo local (Ollama), some o peso do modelo: 7B parâmetros consomem ~6 GB; 13B, ~12 GB.

Preciso de GPU para rodar o Hermes em produção?

Não, se usar API externa (padrão). Sim, se rodar modelo local médio/grande (13B+) e precisar de latência abaixo de 2 segundos por resposta.

Posso começar com 1 GB de RAM e depois escalar?

Tecnicamente sim, mas não recomendamos 1 GB — o sistema operacional já consome 400–500 MB, sobrando pouco para picos. Comece com 2 GB (VPS Lite 10) e escale conforme o volume cresce.

Qual a diferença entre VPS Lite e VPS Pro?

VPS Lite (Frankfurt): CPU compartilhada (fair-use), ideal para cargas variáveis. VPS Pro (US-East): CPU 100% dedicada, latência menor para público nos EUA/Brasil (via borda Cloudflare). Para Hermes com API externa, Lite resolve; com modelo local, Pro ou Cloud (CPU dedicada) fazem diferença.

O Hermes roda no painel de aplicativos com 1 clique?

Atualmente o Hermes não está no catálogo de apps em 1 clique, mas você pode instalá-lo manualmente via SSH (root access em todas as VPS) ou solicitar configuração assistida ao suporte 24/7.

Consigo integrar o Hermes com a Evolution API?

Sim. A VPS para n8n já vem com Evolution API + n8n + Traefik pré-instalados — você conecta o Hermes ao webhook da Evolution e orquestra fluxos pelo n8n. Solução completa para agente de IA no WhatsApp.

Rode o Hermes Agent sem travamento: comece com a VPS certa

O Hermes Agent escala de cenários simples (chat com API externa, 2 GB RAM) até ambientes complexos (modelo local 13B, GPU, 16 GB). A maioria dos casos de produção resolve com 2–4 GB de RAM, 2–4 vCPUs e API externa — configuração que custa R$ 69,90–119,90/mês e provisiona em minutos.

Se você está avaliando infraestrutura para IA conversacional, automação via WhatsApp ou precisa de ajuda para dimensionar a config certa, fale com o time técnico da Rollin Host pelo WhatsApp. Analisamos seu caso, indicamos a VPS adequada e, se necessário, configuramos o ambiente junto com você — sem fidelidade, com garantia de 30 dias.

Fale com o suporte técnico agora e coloque o Hermes Agent em produção sem surpresa de travamento.