Een zelf gehoste AI-agent heeft veel minder hardware nodig dan de meeste mensen verwachten: 2 vCPU, 4 GB RAM en ongeveer 20 GB schijf is genoeg voor dagelijks gebruik, en er is geen GPU nodig. De agent organiseert: hij plant, roept tools aan en beheert geheugen, terwijl de zware modelinferentie draait bij de AI-provider waarvoor je een sleutel meebrengt. Een GPU komt alleen in beeld als je het taalmodel zelf op je eigen hardware wilt draaien, wat een aparte machine en een aparte beslissing is.
Heb je een GPU nodig om zelf een AI-agent te hosten?
Vrijwel zeker niet, en dit is de grootste misvatting over het zelf hosten van agents. Mensen halen twee heel verschillende taken door elkaar: het model draaien en de agent draaien.
- Het model draaien: tokens omzetten in tokens. Dit is het deel dat een GPU, veel VRAM en een grote machine nodig heeft.
- De agent draaien: beslissen wat er daarna gebeurt, tools en API's aanroepen, geheugen opslaan, opnieuw proberen bij fouten en de lus aansturen. Dit is gewoon applicatiewerk: wat CPU, bescheiden RAM en een beetje schijfruimte.
Een agent met eigen sleutel zoals Hermes Agent doet alleen de tweede taak. Wanneer het model moet nadenken, stuurt hij een HTTPS-verzoek naar OpenRouter, OpenAI of Anthropic via je eigen account en wacht op het antwoord. Je server brengt het grootste deel van zijn tijd inactief door, wachtend op het netwerk. Daarom is een kleine instance genoeg, en zou een GPU ongebruikt blijven.
De uitzondering is als je het taalmodel ook op je eigen hardware wilt draaien en de agent naar een lokaal OpenAI-compatibel eindpunt laat wijzen. Dat is een legitieme opzet, maar het is een andere machine met andere eisen: VRAM wordt dan de beperkende factor, en de cijfers hieronder gelden dan niet meer.
Minimale en aanbevolen vereisten
| Resource | Minimum | Aanbevolen | Waarom |
|---|---|---|---|
| CPU | 2 vCPU | 4 vCPU | De agentlus, tool-aanroepen en TLS vragen weinig CPU; meer cores helpen als meerdere taken tegelijk draaien. |
| RAM | 4 GB | 8 GB | Bevat de runtime, het werkgeheugen van de agent en alle toolprocessen die hij start. Langlopende taken met grote contexten zijn de grootste verbruiker. |
| Schijfruimte | 20 GB | 80 GB | Agentsoftware, logs en opgebouwd geheugen en artefacten. Agents die bestanden ophalen of genereren, groeien sneller dan je verwacht. |
| GPU | Geen | Geen | Inferentie gebeurt bij je AI-provider. Een GPU is alleen nodig als je ook het model zelf host. |
| Netwerk | Altijd aan | Altijd aan | Een agent die monitort, plant of op webhooks reageert, moet bereikbaar blijven. Een laptop of een serverless functie volstaat niet. |
| Uptime | 24/7 | 24/7 | Geplande en gebeurtenisgestuurde taken starten, of je nu achter je bureau zit of niet. |
Dit zijn de eisen voor de agentruntime zelf. Je AI-provider rekent het modelgebruik apart, en die kosten hangen af van hoeveel de agent nadenkt, niet van hoe groot de server is waarop hij draait.
Zo dimensioneer je voor je werkbelasting
Het dimensioneren van een agent gaat niet over hoeveel taken je hebt, maar over hoeveel er tegelijk draaien en hoeveel geheugen elke taak vasthoudt terwijl hij werkt.
- Persoonlijke assistent, een handvol geplande taken en af en toe ad-hocwerk: 2 vCPU / 4 GB is comfortabel. De instance is meestal inactief.
- Meerdere gelijktijdige agents, lange onderzoeksruns met meerdere stappen, of taken die bestanden binnenhalen en verwerken: 4 vCPU / 8 GB. Gelijktijdigheid en werkset drijven je hierheen, niet het aantal taken.
- Agents die zware tooling aanroepen (builds, browserautomatisering, mediaverwerking): dimensioneer op de tool, niet op de agent. De tool bepaalt dan zowel de CPU- als de RAM-belasting.
Begin klein. Omdat de agent vooral wacht op de modelprovider, is een onderbelaste instance de normale toestand, en opschalen later is een abonnementswijziging en geen migratie.
Wat dat kost op Flux
| Abonnement | Bronnen | Prijs |
|---|---|---|
| Hermes Agent | 2 vCPU · 4 GB RAM · 20 GB schijf | $5.49/month |
| Hermes Agent Pro | 4 vCPU · 8 GB RAM · 80 GB schijf | $9.49/month |
Beide abonnementen werken op basis van gebruik met de eerste week gratis, en beide bevatten het dashboard met wachtwoord, ingebouwde Tailscale voor toegang tot het privénetwerk, TLS en DDoS-bescherming. Het gebruik van je AI-provider wordt door hen gefactureerd, niet door ons, omdat Hermes werkt met je eigen sleutel. Zie de stap-voor-stapgids voor het zelf hosten van een AI-agent voor de deployment-uitleg.
Veranderen deze cijfers bij een DIY-VPS?
De agent heeft dezelfde CPU, RAM en schijf nodig, waar hij ook draait, maar op een VPS draag je ook het besturingssysteem, een containerruntime, een reverse proxy en alle monitoring die je toevoegt. Reken dus extra ruimte boven op de bovenstaande cijfers, in plaats van ze exact te evenaren.
Het grotere verschil zit niet in capaciteit, maar in alles eromheen: certificaatvernieuwing, firewallregels, patchen, backups, en degene zijn die het merkt als de machine om 3 uur 's nachts niet meer reageert. Dat zijn de echte eisen van zelf hosten, en ze staan niet in een specificatietabel.
Veelgestelde vragen
Heb ik een GPU nodig om een zelf gehoste AI-agent te draaien?
Nee, niet voor de agent zelf. Bij een agent met eigen sleutel, zoals Hermes, draait de modelinferentie bij je AI-provider (OpenRouter, OpenAI, Anthropic) en orkestreert de agent alleen: plannen, tools aanroepen en geheugen beheren. Dat is CPU-licht werk. Een GPU heb je alleen nodig als je ook het taalmodel op eigen hardware wilt draaien, wat een aparte machine is.
Hoeveel RAM heeft een AI-agent nodig?
4 GB is genoeg voor dagelijks gebruik: een persoonlijke assistent, geplande taken en af en toe ad-hocwerk. Ga naar 8 GB als je meerdere agents tegelijk draait, lange onderzoeksruns met meerdere stappen doet, of taken hebt die bestanden downloaden en verwerken. RAM wordt bepaald door gelijktijdigheid en werkset, niet door het aantal taken dat je hebt gedefinieerd.
Hoeveel CPU gebruikt een zelf gehoste AI-agent?
Gemiddeld heel weinig. De agent besteedt het grootste deel van zijn tijd aan wachten op netwerkantwoorden van de modelprovider, dus 2 vCPU volstaat voor normaal gebruik. Meer cores helpen vooral als er meerdere taken tegelijk draaien, of als de agent zware tooling aanroept, zoals builds of browserautomatisering.
Kan ik een AI-agent draaien op een Raspberry Pi of een laptop?
De resource-eisen zijn laag genoeg dat de hardware geen obstakel is; het obstakel is uptime. Een agent die systemen bewaakt, op een schema draait of op webhooks reageert, moet de klok rond bereikbaar zijn, en dat sluit een laptop die in slaap valt uit, en maakt een thuisapparaat afhankelijk van je eigen stroom en verbinding.
Hoeveel schijfruimte heeft een AI-agent nodig?
Ongeveer 20 GB om te beginnen. Dat dekt de agentsoftware, logs en opgebouwd geheugen. Agents die documenten ophalen, bestanden genereren of lange geschiedenissen bijhouden, groeien sneller dan verwacht, dus 80 GB is de veiligere keuze als je agent artefacten maakt en niet alleen antwoorden geeft.
Maakt een grotere server mijn agent slimmer of sneller?
Nee. Kwaliteit en snelheid komen van het model waarnaar je wijst, en dat draait bij je provider. Een grotere instantie helpt de agent meer werk tegelijk af te handelen en grotere werksets vast te houden, maar het verbetert het redeneren niet.
Deploy je eigen Hermes AI-agent
Een privé-instance op de gedecentraliseerde Flux-cloud vanaf $5.49 per maand, met je eigen modelsleutel. Eerste week gratis voor nieuwe gebruikers.
Bekijk abonnementen