Servidor cloud pré-configurado com Ollama, Open WebUI e RAG. Rode Llama 3, Mistral e Mixtral no seu servidor — sem cobrança por mensagem, sem rate limit, sem mandar dados pra fora.
Cada plano vem com um VPS dimensionado pro modelo recomendado. Pode trocar o modelo a qualquer momento — Ollama tem dezenas no catálogo.
sem fidelidade · cancele quando quiser
sem fidelidade · cancele quando quiser
sem fidelidade · cancele quando quiser
sem fidelidade · cancele quando quiser
sem fidelidade · cancele quando quiser
IA self-hosted faz sentido quando privacidade, custo previsível e independência valem mais que a última feature do GPT.
Seus dados nunca saem do servidor. Zero envio pra OpenAI, Anthropic ou Google. Crítico pra saúde, jurídico, financeiro e qualquer dado sensível regido pela LGPD.
Você paga só o servidor. Sem cobrança por token, sem surpresa no fim do mês. R$ 59 ou R$ 599 fixos — independente de você processar 1k ou 100M tokens.
Modelo só seu, processamento dedicado. Roda batches grandes (classificação, extração, embedding) sem esperar quota da OpenAI esgotar nem pagar tier premium.
Llama 3, Mistral, Mixtral, Qwen, DeepSeek — toda a família open-source roda nativamente via Ollama. Troque de modelo em segundos sem reescrever código.
Setup automático: contratou, recebeu credenciais, abriu o Open WebUI e já tá conversando com a IA. Sem Docker, sem comando, sem dor de cabeça.
Gerenciador de modelos open-source. Baixa, roda e troca modelos com 1 comando. Suporta Llama 3, Mistral, Mixtral, Qwen, Phi, Gemma, DeepSeek e dezenas de outros.
Interface tipo ChatGPT pra você e sua equipe usarem no browser. Conversas salvas, multi-usuário, upload de documentos pra RAG, prompts compartilhados.
Banco vetorial pra RAG (Retrieval-Augmented Generation). Indexe seus documentos e a IA responde com base no seu conteúdo, citando fonte. Plus+ tem Qdrant dedicado.
Plus e Master vêm com n8n integrado. Conecte sua IA a Gmail, WhatsApp, Sheets, CRM, ERP — workflows visuais sem código, com nó Ollama nativo.
Ollama tem 100+ modelos. A tabela mostra o sweet spot por tier — modelos maiores rodam, mas com latência mais alta.
| Plano | Modelos recomendados | Velocidade aprox. | Casos de uso |
|---|---|---|---|
| Start (12 GB) | Llama 3.2 3B · Phi-3 Mini · Gemma 2B | 15-30 tok/s | Chatbot simples, extração de dados, classificação |
| Pro (24 GB) | Llama 3 8B · Mistral 7B · Qwen 2.5 7B | 10-18 tok/s | Atendimento, RAG sobre docs, agentes leves |
| Plus (48 GB) | Mixtral 8x7B · Qwen 2.5 14B · CodeLlama 13B | 6-12 tok/s | RAG corporativo, multi-projeto, automação n8n |
| Master (96 GB) | Llama 3 70B Q6 · Mixtral 8x7B · Qwen 32B | 4-8 tok/s | Análise complexa, multi-modelo simultâneo, RAG enterprise |
| Enterprise (120 GB) | Mixtral 8x22B · Llama 3 70B Q8 · DeepSeek V3 | 2-5 tok/s | Compliance LGPD, isolamento, auditoria, modelos 141B |
Conta simples: a partir de quantos tokens/mês o custo fixo do servidor compensa o custo variável da OpenAI.
| Volume | OpenAI GPT-4o-mini | Rollin IA Cloud | Veredito |
|---|---|---|---|
| 100k tokens/mês | R$ 8 | R$ 65 | OpenAI ganha (baixo volume) |
| 1M tokens/mês | R$ 80 | R$ 65 | Empata (Start já compensa) |
| 10M tokens/mês | R$ 800 | R$ 129 | Self-hosted Pro 6× mais barato |
| 100M tokens/mês | R$ 8.000 | R$ 549 | Self-hosted Master 14× mais barato |
| Dados sensíveis | Não aplicável (LGPD) | R$ 699 | Self-hosted Enterprise · única opção viável |
Outra dúvida? Abre um ticket.
Sim, mais lento que GPU dedicada. Llama 3 8B em CPU faz 8-15 tokens/segundo — usável pra chat e automação, devagar pra streaming em tempo real. Pra uso humano (chat, RAG, automação) funciona bem; pra latência sub-segundo precisa GPU dedicada. Estamos avaliando tiers com GPU pra 2026.
Sim, sem custo. Ollama tem 100+ modelos no catálogo (Llama, Mistral, Mixtral, Qwen, DeepSeek, Phi, Gemma, CodeLlama, etc). Você baixa quantos quiser e troca por comando. Só limite é o espaço em disco do plano.
A partir do plano Pro vem com pgvector instalado. Você sobe seus documentos (PDF, DOCX, MD), o sistema gera embeddings e indexa. Quando perguntar pra IA, ela consulta seus docs antes de responder e cita a fonte. Plus e Master têm Qdrant dedicado pra performance maior.
Sim. A partir do Plus vem n8n pré-instalado com nó Ollama nativo — você monta workflows visuais conectando Gmail, WhatsApp, Google Sheets, Postgres, APIs HTTP. Workflows comuns: classificar tickets, gerar resumos, responder leads, transcrever áudios.
Fine-tuning completo precisa GPU — não dá em CPU. Mas LoRA leve (modelos 3B-7B) roda nos planos Master/Enterprise com algumas horas de treino. Pra fine-tuning sério, recomendamos rodar localmente com GPU consumer (RTX 4090) e fazer deploy do modelo treinado no servidor.
TUDO: prompts, respostas, documentos do RAG, histórico de conversa. Zero envio pra terceiros. Apropriado pra LGPD desde o plano Start. No plano Enterprise vem com logs auditáveis, criptografia em disco e isolamento de rede pra compliance financeira/saúde.
Sim. Ollama expõe API REST 100% compatível com OpenAI — basta apontar o SDK pra http://seu-servidor.rollin.host/v1 e usar como se fosse OpenAI. A partir do Master vem com LiteLLM pra proxy multi-modelo, balanceamento e rate limiting próprio.
Não. Ollama roda como processo isolado, monitorado via systemd. Se modelo travar, reinicia sozinho sem afetar o servidor. Backup diário automático da configuração e dos modelos baixados. Pra alta disponibilidade real (HA) recomendamos 2 servidores com Caddy load balancer.
Comece em 5 minutos. Migração gratuita, suporte 24/7 em português e garantia de reembolso em 7 dias.
Usamos cookies para analisar o tráfego, melhorar sua experiência e personalizar conteúdo. Você decide o que aceitar — consulte a Política de Cookies.
Escolha quais categorias você permite. Os cookies necessários são essenciais para o site funcionar e não podem ser desativados.
Essenciais para navegação, segurança e funcionamento básico do site. Não rastreiam você.
Ajudam a entender, de forma anônima, como os visitantes usam o site (Google Analytics).
Permitem medir a eficácia de campanhas e exibir anúncios relevantes (Meta Pixel).
