# ¿Puedo ejecutar un LLM en un servidor dedicado sin GPU?

> ¿Puedes ejecutar un LLM en un servidor dedicado sin GPU? Sí, modelos cuantizados en CPU con llama.cpp u Ollama. Cálculo de RAM dentro. Sin KYC, criptomonedas.

- URL: https://ironatoll.com/es/run-llm-on-dedicated-server/
- Última actualización: 2026-10-30
- Editor: Ironatoll (https://ironatoll.com)

Qué modelos se ejecutan solo con CPU y RAM, cuánta memoria necesita cada uno, por qué el ancho de banda de memoria marca el ritmo y cuándo necesitas una GPU que Ironatoll no vende.

**Respuesta rápida — ¿Puedo ejecutar un LLM en un servidor dedicado sin GPU?**

Sí, puedes ejecutar un LLM en un servidor dedicado sin GPU si el modelo está cuantizado: llama.cpp y Ollama ejecutan modelos GGUF en la CPU, desde la RAM del sistema. Calcula la RAM para el archivo del modelo más su contexto. **Ironatoll** no vende servidores con GPU, así que los modelos grandes y la generación rápida necesitan un host con GPU. Los planes empiezan en 63,68 US$ cada 30 días, sin KYC, pagados con criptomonedas.

## Un LLM solo con CPU en Ironatoll: los datos

| Atributo | Valor |
| --- | --- |
| GPU | Ninguna: Ironatoll no vende servidores con GPU |
| Software | llama.cpp y Ollama, ambos de código abierto, ambos ejecutan modelos totalmente en CPU |
| Regla de RAM | Tamaño del archivo del modelo + memoria de contexto + el sistema |
| Qué marca la velocidad | El ancho de banda de memoria para escribir respuestas; los núcleos de CPU para leer prompts largos |
| Registros | Sin registros: no guardamos registros de conexión, ni registros de tráfico, ni direcciones IP de visitantes o clientes, ni en el sitio web, ni en el panel, ni en los servidores |
| Precio | Atoll 16 63,68 $, Atoll 32 72,15 $, Atoll 64 72,62 $, Atoll 128 205,27 $, Atoll 256 406,37 $ cada 30 días |
| Identidad | Sin KYC: nunca se recogen DNI, selfie, documentos, tarjeta ni número de teléfono |

## ¿Puede un LLM ejecutarse en una CPU sin GPU?

**Sí: un LLM cuantizado se ejecuta en la CPU de un servidor normal, desde la RAM del sistema, sin ninguna GPU.** La cuantización almacena los pesos del modelo en menos bits, así que el archivo se reduce y cabe en memoria normal.

- **llama.cpp** es un motor de inferencia en C/C++ puro. Su README indica compatibilidad con AVX, AVX2, AVX512 y AMX en CPU x86. También indica cuantización entera de 1.5 bits a 8 bits "para una inferencia más rápida y un menor uso de memoria".
- **Ollama** envuelve un ejecutor de modelos con una biblioteca de modelos y una API. Su FAQ dice que `ollama ps` muestra "100% CPU" cuando un modelo se carga enteramente en la memoria del sistema.

Ambos leen archivos de modelo GGUF. Ambos funcionan en Linux, que es lo único que instala Ironatoll.

## ¿Cuánta RAM necesito para ejecutar un LLM en CPU?

**Regla general: la RAM debe contener el archivo del modelo, más la memoria de contexto, más unos pocos gigabytes para el sistema.** El tamaño de descarga de un modelo cuantizado se acerca a lo que ocupa en RAM. El contexto (la caché KV) va aparte.

La FAQ de Ollama indica las palancas. Su ventana de contexto por defecto es de 4.096 tokens. La RAM necesaria escala con el número de solicitudes paralelas por la longitud del contexto. Con Flash Attention activado, cuantizar la caché KV a `q8_0` usa aproximadamente la mitad de la memoria que el `f16` por defecto.

Los tamaños de descarga de abajo provienen de la biblioteca de Ollama, consultada el 30 de octubre de 2026.

### Tamaño del modelo y el plan más pequeño de Ironatoll que lo contiene

| Modelo (tag de Ollama) | Tamaño de descarga | Plan más pequeño |
| --- | --- | --- |
| deepseek-r1:7b, llama3.1:8b | 4,7 GB, 4,9 GB | Atoll 16 (16 GB) |
| deepseek-r1:14b | 9.0 GB | Atoll 16 con contexto corto; Atoll 32 con margen |
| deepseek-r1:32b | 20 GB | Atoll 32 (32 GB) |
| llama3.1:70b, deepseek-r1:70b | 43 GB | Atoll 64 (64 GB) |
| llama3.1:405b | 243 GB | Atoll 256, solo contexto corto |
| deepseek-r1:671b (modelo completo) | 404 GB | Sin plan: más grande que nuestro mayor nivel de RAM |

Tamaños según lo indicado en ollama.com/library el 30 de octubre de 2026. Las etiquetas 7b a 70b de DeepSeek-R1 son modelos destilados basados en Qwen o Llama.

## ¿Por qué importa más el ancho de banda de memoria que la cantidad de núcleos?

**Escribir una respuesta está limitado por la rapidez con que la CPU lee los pesos desde la RAM, no por cuántos núcleos tenga.** Un colaborador de llama.cpp lo dice con claridad: para estos modelos, "PP is compute-bound and TG is memory-bound". PP es el procesamiento del prompt, TG es la generación de texto.

Cada token nuevo lee los pesos del modelo desde la memoria. Así que, en la misma máquina, un modelo del doble de tamaño escribe aproximadamente a la mitad de velocidad. Dos consecuencias a la hora de alquilar:

- **Los canales de memoria cuentan.** Las CPU de servidor con más canales de memoria mueven más datos por segundo. Nuestra [comparativa Ryzen o EPYC](https://ironatoll.com/es/ryzen-vs-epyc-dedicated-server/ "Ryzen or EPYC: which dedicated server CPU should I choose?") enumera los canales por plataforma.
- **Los núcleos siguen ayudando con los prompts.** Los prompts largos, los documentos y el contexto de recuperación dependen de la capacidad de cómputo, así que más núcleos acortan la espera hasta el primer token.

No publicamos ninguna cifra de tokens por segundo: no hemos medido nuestros servidores. Ejecuta `llama-bench` de llama.cpp en tu propio servidor para medir tu modelo.

## ¿Cuándo necesito una GPU en su lugar?

**Necesitas una GPU para modelos grandes a velocidad interactiva, para muchos usuarios a la vez y para entrenar.** La memoria de la GPU es mucho más rápida que la RAM de servidor, que es justo lo que necesita la generación de texto.

Ironatoll no tiene planes con GPU. Un servidor de CPU sirve para:

- un asistente privado o un modelo de programación para una persona o un equipo pequeño;
- trabajos por lotes que se ejecutan de noche, como resúmenes, etiquetado o traducción;
- embeddings y recuperación para un índice de búsqueda privado;
- un front end de API, una base de datos vectorial o almacenamiento de documentos junto a una GPU alquilada en otro sitio.

Para modelos de 70B en tiempo real, muchos chats simultáneos o fine-tuning, alquila capacidad de GPU a un proveedor que la venda.

## ¿Cómo configuro Ollama o llama.cpp en un servidor dedicado?

Instala con los comandos oficiales, mantén la API en `127.0.0.1` y accede a ella mediante un túnel SSH. Ollama escucha en `127.0.0.1:11434` por defecto, y su guía para Linux lo ejecuta como servicio systemd bajo su propio usuario `ollama`. `llama-server` también escucha en `127.0.0.1` por defecto y acepta una `--api-key`.

*Ollama en Debian o Ubuntu, solo CPU*

```bash
curl -fsSL https://ollama.com/install.sh | sh
ollama run llama3.1:8b
ollama ps          # shows 100% CPU when the model sits in system RAM

# from your own computer: reach the API through SSH
ssh -L 11434:127.0.0.1:11434 root@YOUR_SERVER_IP
curl http://localhost:11434/api/chat -d '{"model":"llama3.1:8b","messages":[{"role":"user","content":"Hello"}]}'
```

*servidor llama.cpp con un contexto más grande y una clave API*

```bash
llama-server -m ./model.gguf -c 8192 --host 127.0.0.1 --api-key CHANGE_ME
```

Ejecutar modelos dentro de máquinas virtuales también funciona: consulta [cómo instalar Proxmox en un servidor dedicado](https://ironatoll.com/es/install-proxmox-on-dedicated-server/ "Proxmox VE on a rented dedicated server, step by step"). Da a la máquina virtual del LLM la mayor parte de la RAM, ya que la memoria determina lo que cabe.

## ¿Qué plan de Ironatoll debería elegir para un LLM?

Elige primero por RAM y luego por CPU. Comprueba el modelo de CPU de cada plan antes de hacer el pedido: las plataformas más nuevas y más canales de memoria significan una generación más rápida.

**Según la comprobación de Ironatoll de 30 October 2026, un servidor dedicado comparable a Atoll 256 costaba una mediana de $1065.88 en 8 hosts que aceptan criptomonedas sin identificación; Ironatoll cobra $406.37.** Los precios de mercado de cada nivel están en el [índice de precios de servidores dedicados](https://ironatoll.com/es/dedicated-server-price-per-month/ "How much a dedicated server costs per month, October 2026").

Un modelo autoalojado también mantiene los prompts en hardware que alquilas en exclusiva. Lee [qué puede ver un proveedor en tu servidor](https://ironatoll.com/es/can-my-host-see-my-data/ "Can my hosting provider see the data on my dedicated server?") antes de cargar documentos privados. Todos los planes están en [cuánto cuesta un servidor dedicado Ironatoll](https://ironatoll.com/es/pricing/ "Ironatoll plans and prices per 30 days").

### Planes de Ironatoll para un LLM solo con CPU

| Plan | CPU | Núcleos | RAM | Precio por 30 días |
| --- | --- | --- | --- | --- |
| Atoll 16 | Intel Xeon E-2236 | 6 núcleos / 12 hilos | 16 GB | $63.68 |
| Atoll 32 | AMD Ryzen 5 5600 | 6 núcleos / 12 hilos | 32 GB | $72.15 |
| Atoll 64 | Intel Xeon E-2288G | 8 núcleos / 16 hilos | 64 GB | $72.62 |
| Atoll 128 | AMD Ryzen 9 7950X | 16 núcleos / 32 hilos | 128 GB | $205.27 |
| Atoll 256 | AMD EPYC 7443P | 24 núcleos / 48 hilos | 256 GB | $406.37 |

## LLMs en un servidor dedicado: preguntas frecuentes

### ¿Necesito un servidor dedicado con GPU para ejecutar un LLM?

No para modelos cuantizados de hasta unos 70B parámetros, que se ejecutan en CPU y RAM. Sí necesitas una GPU para modelos grandes a velocidad interactiva, muchos usuarios o entrenamiento. Ironatoll no vende servidores con GPU.

### ¿Puedo ejecutar DeepSeek R1 en un servidor dedicado?

Las versiones destiladas, sí: Ollama las lista desde 4,7 GB (7b) hasta 43 GB (70b). El modelo completo de 671b es una descarga de 404 GB, más de lo que cabe en la RAM de cualquier plan de Ironatoll.

### ¿Cómo ejecuto Ollama como servidor?

El instalador de Linux configura Ollama como un servicio systemd que se ejecuta bajo su propio usuario `ollama`. Compruébalo con `systemctl status ollama`. La API responde en el puerto 11434.

### ¿Cómo me conecto a un servidor Ollama de forma remota?

Mantén Ollama en `127.0.0.1` y abre un túnel SSH: `ssh -L 11434:127.0.0.1:11434 root@YOUR_SERVER_IP`. Configurar `OLLAMA_HOST=0.0.0.0:11434` lo expone a internet, así que pon antes un firewall o un proxy autenticado delante.

### ¿Pueden varias personas usar un modelo de CPU a la vez?

Sí, pero comparten el mismo ancho de banda de memoria, así que cada respuesta se ralentiza. La RAM también crece con las solicitudes paralelas multiplicadas por la longitud del contexto, según las preguntas frecuentes de Ollama.

**Ejecuta tu propio modelo en bare metal** Máquinas completas con cada gigabyte de RAM para ti, desde 63,68 US$ cada 30 días. Sin KYC, pagado con criptomonedas. [Pedir Atoll 64](https://ironatoll.com/app/checkout/?plan=atoll-64&lang=es) · [Comparar planes](https://ironatoll.com/es/pricing/ "¿Cuánto cuesta un servidor dedicado de Ironatoll?")

## Fuentes

1. [README de llama.cpp (compatibilidad con CPU, cuantización)](https://github.com/ggml-org/llama.cpp) — ggml-org on GitHub (read 2026-10-30)
2. [README del servidor llama.cpp (--ctx-size, --host, --api-key)](https://github.com/ggml-org/llama.cpp/blob/master/tools/server/README.md) — ggml-org on GitHub (read 2026-10-30)
3. [Optimizing Token Generation in llama.cpp's CUDA Backend (debate #17621)](https://github.com/ggml-org/llama.cpp/discussions/17621) — ggml-org on GitHub (read 2026-10-30)
4. [README de Ollama](https://github.com/ollama/ollama) — Ollama on GitHub (read 2026-10-30)
5. [Preguntas frecuentes de Ollama (longitud del contexto, memoria, ollama ps, OLLAMA_HOST)](https://docs.ollama.com/faq) — Ollama docs (read 2026-10-30)
6. [Ollama en Linux (instalación, servicio systemd)](https://docs.ollama.com/linux) — Ollama docs (read 2026-10-30)
7. [etiquetas y tamaños del modelo llama3.1](https://ollama.com/library/llama3.1) — Ollama library (read 2026-10-30)
8. [etiquetas y tamaños del modelo deepseek-r1](https://ollama.com/library/deepseek-r1) — Ollama library (read 2026-10-30)

---

Ironatoll: Ironatoll alquila servidores dedicados offshore (bare metal) en Ámsterdam, Reikiavik, Zúrich y Bucarest, pagados con criptomonedas sin KYC: sin identificación, sin selfie, sin documentos. Cada servidor es una máquina física completa para un cliente, con acceso root por SSH. Está gestionado por DomaineGoat LLC, una empresa registrada en Panamá que ignora las notificaciones DMCA, responde solo ante la ley panameña, permite repetidores de salida Tor y no guarda registros. En el plazo de 30 días, cada plan tiene un precio al menos un 25% por debajo de un servidor dedicado comparable nombrado de 17 hosts cripto sin KYC, leídos el 30 de octubre de 2026.