Hospede LLMs open-source em GPU dedicada, com seus dados privados.

É um servidor com GPU NVIDIA dedicada, pensado para hospedar e rodar LLMs (Large Language Models) open-source — como Llama 3, Mistral, DeepSeek, Qwen e Gemma. Vem com Ollama, vLLM e llama.cpp pré-instalados. Você roda inferência e, no plano Pro, fine-tuning, com a GPU 100% sua.

O plano Inferência (GPU 20 GB) serve modelos de 7B a 13B em produção sólida — Llama 3 8B, Mistral 7B, Phi-3, Gemma 2. O plano Pro (GPU 96 GB) roda modelos grandes (Llama 3 70B, Mixtral 8×22B, DeepSeek R1) e permite fine-tuning.

O plano Inferência custa R$ 3.249/mês e o Pro R$ 12.879/mês. Há uma taxa de setup única de R$ 1.299 (cobre a preparação do servidor com GPU, drivers CUDA e as ferramentas de IA). Sem fidelidade.

O provisionamento de servidores com GPU leva até 48 horas úteis. Diferente de uma VPS comum, servidores GPU têm estoque limitado e preparação dedicada. O fluxo é: você solicita o plano, confirmamos a disponibilidade e a entrega, e provisionamos.

Sim, totalmente. O modelo roda no seu servidor — prompts, respostas e dados de treino nunca saem da sua infraestrutura. É a diferença fundamental para APIs como OpenAI ou Anthropic, onde todo o conteúdo é enviado para servidores de terceiros. Ideal para conformidade LGPD.

Qualquer LLM open-source: Llama 3, Mistral, Mixtral, DeepSeek, Qwen, Gemma, Phi-3 e outros. As ferramentas Ollama, vLLM e llama.cpp já vêm instaladas. No plano Pro também Hugging Face Transformers, Accelerate e PEFT para fine-tuning.

Sim, no plano Pro (GPU 96 GB). Suporta LoRA, QLoRA, DPO e DeepSpeed — você adapta um modelo open-source aos seus dados e domínio. O plano Inferência é focado em servir modelos, não treinar.

Vale quando o volume é alto (a partir de ~10 milhões de tokens/mês) ou quando os dados são sensíveis (LGPD, saúde, jurídico, financeiro). O custo é fixo (sem surpresa por token), os dados ficam na sua infraestrutura e você troca o modelo sem reescrever código. Para volume baixo e dados não sensíveis, API per-token segue mais barata.

O Servidor para LLM tem GPU NVIDIA dedicada — performance alta para inferência em produção e fine-tuning. O Servidor IA Cloud roda Ollama em CPU (sem GPU), bem mais barato, ideal para chat interno, RAG corporativo e automações onde 8-15 tokens/segundo já bastam.

Ollama e vLLM expõem API REST 100% compatível com a OpenAI — basta apontar o SDK para a URL do seu servidor (ex.: https://seu-servidor.rollin.host/v1) e usar como se fosse a OpenAI. Modelos open-source equivalentes ao GPT-4 (Llama 3 70B, Mixtral 8×22B, DeepSeek R1) rodam no plano Pro.

Sim — Rollin Serviços Digitais e Tecnologia LTDA é empresa brasileira com datacenter Tier III em São Paulo, NF-e, faturamento em real e suporte humano 24/7 em português. É a primeira cloud brasileira especializada em IA, com produtos dedicados a LLM, GPU, vector DB e agentes WhatsApp.

Sim — suporte humano 24/7 em português, com gente que entende CUDA, Ollama, vLLM e fine-tuning. A Rollin Host é empresa brasileira (Rollin Serviços Digitais e Tecnologia LTDA).