Beste VPS voor LLM-Hosting in 2026

Je eigen LLM draaien betekent geen API-kosten, geen snelheidslimieten en volledige dataprivacy. Maar je hebt wel de juiste server nodig. Dit is wat werkt voor het hosten van taalmodellen — van kleine 7B-parametermodellen tot serieuze 70B-deployments.

Eerste Mening: De Mac M5 Is Nu de Beste LLM-Machine

Ik moet het meteen zeggen — als je de absoluut beste ervaring wilt bij het lokaal draaien van LLMs, verslaat niets Apples M5 Pro en M5 Max MacBook Pro.

De M5 Max met 128 GB unified memory en 614 GB/s geheugenbandbreedte kan een volledig 70B-parametermodel in het geheugen laden en inferentie uitvoeren met snelheden waardoor NVIDIA A100’s er onhandig uitzien voor single-user workloads. Apple claimt een 4x snellere LLM-promptverwerking vergeleken met de M4-generatie, en op basis van vroege benchmarks is dat geen marketingpraat.

Waarom unified memory zo belangrijk is voor LLMs: bij een traditionele GPU-setup ben je beperkt door VRAM (24 GB bij een 4090, 40-80 GB bij een A100). Met de M5 Max delen de GPU en CPU dezelfde 128 GB geheugenpool. Geen data kopiëren tussen CPU en GPU. Geen PCIe-bottleneck. Het model zit er gewoon, volledig geladen, klaar voor gebruik.

De M5 Max vs. de VPS-realiteit:

	M5 Max (128 GB)	Hetzner A100 GPU	Hetzner CPX51 (CPU)
70B-modelsnelheid	~45-55 tok/s	~30-40 tok/s	~3-5 tok/s
Geheugen voor model	128 GB unified	40 GB VRAM	32 GB RAM
Maandelijkse kosten	$0 (je bezit het)	~€320/mnd	€19,99/mnd
Aanschafkosten	~$3.500-4.000	$0	$0
Altijd-aan dienst	Nee (laptop)	Ja	Ja
Multi-user dienst	Niet ideaal	Uitstekend	Beperkt

Dus waarom zegt dit artikel niet gewoon “koop een Mac”? Omdat een laptop geen server is. Je kunt een Mac niet 24/7 draaien om API-verzoeken te bedienen voor je apps, je agents of je team. Je kunt er niet vanaf overal via SSH mee verbinden. Het heeft geen statisch IP-adres. Het staat niet in een datacenter met redundante stroomvoorziening en netwerk.

De M5 is het beste voor: persoonlijke inferentie, lokale ontwikkeling, modellen draaien terwijl je programmeert, privé AI-assistenten op je eigen hardware. Ik gebruik de mijne precies hiervoor — experimenteren met modellen, prompts testen, lokale RAG-pipelines draaien.

Een VPS is het beste voor: altijd-aan API-dienst, multi-user toegang, productie-workloads, agent-infrastructuur, alles wat moet draaien als je laptop dichtgeklapt is.

Voor de meeste lezers van deze site is het antwoord waarschijnlijk beide. Een Mac voor lokaal werk, een VPS voor productie. Dat gezegd hebbende — als je er één moet kiezen en je gebruik is persoonlijk, koop de Mac. Niets anders komt er momenteel bij in de buurt.

Waarom LLMs Zelf Hosten?

Per token betalen telt snel op. Een drukke chatbot op GPT-4 kan meer dan $500/maand kosten. Een VPS met een open-source model? $20-80/maand, onbeperkt gebruik.

Zelf hosten is zinvol wanneer:

• Je dataprivacy nodig hebt (gezondheidszorg, juridisch, financieel)
• Je een voorspelbaar, hoog volume hebt (klantenservice, documentverwerking)
• Je modellen wilt fine-tunen op je eigen data
• Je lage latentie nodig hebt zonder netwerk-roundtrips
• Je genoeg hebt van snelheidslimieten en API-storingen

Blijf bij API’s wanneer:

• Je frontier-niveau intelligentie nodig hebt (GPT-4, Claude 3.5)
• Het gebruik sporadisch en laag volume is
• Je geen infrastructuur wilt beheren

Welke Specs Hebben LLMs Echt Nodig?

De modelgrootte bepaalt alles. Dit is de realiteit:

Modelgrootte → Hardware-Vereisten

Modelgrootte	RAM/VRAM Nodig	Voorbeeldmodellen	Praktisch Gebruik
1-3B	4 GB	Phi-3 Mini, Gemma 2B	Eenvoudige taken, classificatie
7-8B	8 GB	Llama 3.1 8B, Mistral 7B	Algemene chat, programmering, RAG
13B	12 GB	CodeLlama 13B, Vicuna 13B	Betere kwaliteit, nog steeds snel
34-35B	24 GB	CodeLlama 34B, Yi 34B	Kwaliteit dicht bij GPT-3.5
70B	48 GB+	Llama 3.1 70B, Qwen 72B	Kwaliteit dicht bij GPT-4

Belangrijk punt: VRAM is koning voor GPU-inferentie. Voor CPU-inferentie telt systeem-RAM het meest. In beide gevallen heb je genoeg geheugen nodig om het model te bevatten.

Kwantisatie Verandert Alles

Je hoeft modellen niet op volle precisie te draaien. Gekwantiseerde modellen (Q4_K_M, Q5_K_M) verminderen het geheugengebruik met 60-75% met minimaal kwaliteitsverlies:

• Llama 3.1 8B volle precisie: 16 GB → Q4_K_M: 4,7 GB
• Llama 3.1 70B volle precisie: 140 GB → Q4_K_M: 40 GB

Daarom kan een VPS van $15/maand modellen draaien die ogenschijnlijk enterprise-hardware vereisen.

Beste VPS voor LLM-Hosting (CPU-Inferentie)

CPU-inferentie is langzamer maar verrassend bruikbaar voor persoonlijk gebruik en low-traffic API’s. Moderne AMD EPYC en Intel Xeon processoren met AVX-512 verwerken gekwantiseerde modellen goed. Voor een eenvoudigere setup, bekijk onze Ollama VPS-gids.

1. Hetzner CPX51 — Beste Algehele CPU-Waarde

€19,99/mnd | 16 vCPU (AMD EPYC), 32 GB RAM, 240 GB NVMe

Hetzners AMD EPYC processoren hebben uitstekende AVX2-ondersteuning, en 32 GB RAM verwerkt 13B gekwantiseerde modellen moeiteloos. De prijs is onverslaanbaar voor deze specificaties.

Wat je kunt draaien:

• Llama 3.1 8B op ~12-18 tokens/sec
• Mistral 7B op ~15-20 tokens/sec
• 13B-modellen op ~8-12 tokens/sec

Setup:

# Ollama installeren
curl -fsSL https://ollama.ai/install.sh | sh

# Of vLLM gebruiken voor productie-API-dienst
pip install vllm
python -m vllm.entrypoints.openai.api_server \
  --model TheBloke/Llama-3.1-8B-GPTQ \
  --device cpu

2. Hostinger VPS KVM8 — Budget LLM-Hosting

Hostinger biedt een solide instappunt voor LLM-hosting. Met genoeg RAM voor 7-8B-modellen en snelle NVMe-opslag, verwerkt het persoonlijke AI-assistenten en low-traffic chatbots zonder je budget te overschrijden.

Het beste voor: Persoonlijke projecten, leren, prototype AI-apps

Snelle start:

# Ollama installeren en een model downloaden
curl -fsSL https://ollama.ai/install.sh | sh
ollama pull llama3.2
ollama serve &

# Je hebt nu een OpenAI-compatibele API op localhost:11434
curl http://localhost:11434/v1/chat/completions \
  -d '{"model":"llama3.2","messages":[{"role":"user","content":"Hello"}]}'

3. Contabo VPS L — Maximaal RAM per Dollar

€14,99/mnd | 8 vCPU, 30 GB RAM, 400 GB SSD

Contabo’s sterke punt zijn de brute specificaties per dollar. 30 GB RAM voor deze prijs betekent dat je grotere modellen kunt laden. De afweging? Oudere CPU’s en gedeelde resources betekenen langzamere inferentie.

Het beste voor: Grotere modellen draaien met een beperkt budget wanneer snelheid niet kritiek is

Beste VPS voor LLM-Hosting (GPU-Inferentie)

GPU-inferentie is 10-50x sneller dan CPU. Als je meerdere gebruikers bedient of realtime-antwoorden nodig hebt, is GPU de weg. Je kunt ook AI-inferentie-optimalisatie verkennen voor productie-deployments.

1. Hetzner GEX44 — Beste GPU-Waarde in Europa

€0,44/uur (~€320/mnd) | NVIDIA A100 40 GB, 16 vCPU, 64 GB RAM

Een A100 draait 70B gekwantiseerde modellen en bedient tientallen gelijktijdige gebruikers. Hetzners uurfacturering betekent dat je alleen betaalt wanneer de GPU actief is.

Wat je kunt draaien:

• Llama 3.1 70B Q4 op ~30-40 tokens/sec
• Llama 3.1 8B op ~100+ tokens/sec
• Meerdere kleine modellen tegelijkertijd

2. Vultr Cloud GPU — Flexibele NVIDIA-Opties

Vultr biedt A100, A40 en L40S GPU’s met uurfacturering. Goede geografische dekking met datacenters wereldwijd.

Het beste voor: Teams die GPU-servers nodig hebben in specifieke regio’s

3. Lambda Cloud — Speciaal Gebouwd voor AI

Vanaf $0,50/uur | NVIDIA A10, A100, H100 opties

Lambda is gespecialiseerd in AI-workloads. Hun softwarestack komt voorgeconfigureerd met CUDA, PyTorch en gangbare ML-tools. Minder configureren, meer inferentie.

Het beste voor: Teams die GPU-omgevingen zonder setup willen

LLM-Serving Software Vergeleken

Het model is slechts de helft van de vergelijking. Je serving-software bepaalt doorvoer, latentie en compatibiliteit.

Software	Het Beste Voor	Belangrijkste Feature
Ollama	Persoonlijk gebruik, eenvoud	Installatie met één commando
vLLM	Productie-API’s	PagedAttention, hoge doorvoer
llama.cpp	CPU-inferentie, edge	Puur C++, geen dependencies
text-generation-inference	HuggingFace-modellen	Token-streaming, productieklaar
LocalAI	OpenAI API drop-in vervanging	Compatibel met bestaande code

Productie-Setup met vLLM

Voor het bedienen van LLMs aan meerdere gebruikers is vLLM de standaard:

# Installatie
pip install vllm

# Bedienen met OpenAI-compatibele API
python -m vllm.entrypoints.openai.api_server \
  --model meta-llama/Llama-3.1-8B-Instruct \
  --max-model-len 4096 \
  --gpu-memory-utilization 0.9

# Je API is nu beschikbaar op http://localhost:8000
# Werkt met elke OpenAI SDK client

Eenvoudige Setup met Ollama + Open WebUI

Voor een ChatGPT-achtige interface op je eigen server:

# Ollama installeren
curl -fsSL https://ollama.ai/install.sh | sh
ollama pull llama3.1

# Web-UI toevoegen
docker run -d -p 3000:8080 \
  -e OLLAMA_BASE_URL=http://host.docker.internal:11434 \
  --name open-webui \
  ghcr.io/open-webui/open-webui:main

Kostenvergelijking: Zelf Gehost vs API

Laten we de maandelijkse kosten vergelijken voor verschillende gebruiksniveaus:

Gebruiksniveau	OpenAI GPT-4o	Zelf Gehost (CPU)	Zelf Gehost (GPU)
Licht (100K tokens/dag)	~$15/mnd	$15-20/mnd (Hetzner)	Overdreven
Gemiddeld (1M tokens/dag)	~$150/mnd	$20-30/mnd (Hetzner)	$50-80/mnd
Intensief (10M tokens/dag)	~$1.500/mnd	Te langzaam	$200-400/mnd
Enterprise (100M+/dag)	$15.000+/mnd	Niet haalbaar	$500-1.500/mnd

Break-even punt: Zelf hosten verslaat API’s bij ongeveer 500K-1M tokens per dag, afhankelijk van kwaliteitseisen.

Tips voor Prestatie-Optimalisatie

1. Gebruik Gekwantiseerde Modellen

Gebruik altijd Q4_K_M of Q5_K_M kwantisatie. Het kwaliteitsverschil met volle precisie is verwaarloosbaar voor de meeste taken.

2. Activeer KV-Cache-Optimalisatie

# vLLM regelt dit automatisch
# Voor llama.cpp, gebruik context-recycling
./server -m model.gguf --ctx-size 4096 --cache-reuse 256

3. Bundel Verzoeken

Als je meerdere invoeren verwerkt, bundel ze dan. De continue batching van vLLM kan je doorvoer 3-5x verhogen.

4. Gebruik Swap Verstandig

Voor modellen die net in het RAM passen:

# Swap-ruimte toevoegen (niet ideaal maar werkt voor CPU-inferentie)
sudo fallocate -l 16G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile

5. Monitor Resourcegebruik

# GPU-gebruik monitoren
watch -n1 nvidia-smi

# CPU/RAM monitoren
htop

Beveiligingsoverwegingen

LLMs zelf hosten betekent dat je verantwoordelijk bent voor de beveiliging:

• Firewall — Stel Ollama/vLLM-poorten niet publiek beschikbaar zonder authenticatie
• API-sleutels — Gebruik een reverse proxy (Caddy, Nginx) met authenticatie
• Updates — Houd je serving-software en modellen up-to-date
• Invoervalidatie — LLMs kunnen slachtoffer worden van prompt-injectie; valideer invoer
• Resourcelimieten — Stel een maximale contextlengte in om geheugenuitputting te voorkomen

# Eenvoudige Caddy reverse proxy met authenticatie
# Caddyfile
llm.yourdomain.com {
    basicauth {
        admin $2a$14$hashed_password_here
    }
    reverse_proxy localhost:11434
}

Onze Aanbeveling

Voor persoonlijk gebruik en leren: Begin met Hetzner CPX51 (€19,99/mnd) + Ollama. Je hebt 7-8B-modellen draaien in minder dan 5 minuten.

Voor productie-API’s: Hetzner GPU-instanties met vLLM. De A100 verwerkt serieuze workloads, en uurfacturering betekent dat je kunt opschalen naar nul.

Voor budgetbewusten: Hostinger biedt een capabele VPS voor een fractie van de kosten. Perfect om te experimenteren met kleinere modellen en prototypes te bouwen.

Het tijdperk van betaalbare zelf gehoste AI is aangebroken. Een VPS van $20 draait modellen waarvan de training OpenAI miljoenen heeft gekost. Je hebt alleen de juiste server nodig om ze te draaien.