Stack de programação com IA auto-hospedado vs. o stack SaaS

No mês passado, um desenvolvedor com quem eu conversava abriu a fatura do Cursor e encontrou 80 $. No mês anterior tinham sido os mesmos 20 $ fixos de sempre. Nada mudara na forma como ele trabalhava; o que mudou foi a cobrança. Muita gente está vivendo esse momento agora, e é por isso que «será que devo apenas auto-hospedar isto?» deixou de ser uma pergunta de hobbyista para virar uma questão de orçamento.

Eis o que realmente aconteceu. As três grandes ferramentas de programação com IA em SaaS (GitHub Copilot, Cursor e Windsurf) migraram para cobrança por uso ou por créditos entre meados de 2025 e meados de 2026. Ao mesmo tempo, modelos de código de pesos abertos como o Qwen2.5-Coder-32B ficaram bons o suficiente para que auto-hospedar o seu próprio assistente de código seja agora uma opção real, não um experimento. Finalmente vale a pena fazer a comparação com números reais.

É esta a comparação. Dou-te o cálculo real de custos tanto para um dev solo como para uma equipe em crescimento, uma leitura honesta de onde os modelos auto-hospedados aguentam e onde não, e uma recomendação ajustada ao teu número de lugares e ao teu nível de qualidade. Um aviso desde já: para um desenvolvedor solo, o conselho popular de «auto-hospeda numa GPU» costuma estar errado nas contas, e vou mostrar-te porquê.

TL;DR

• Se você trabalha sozinho, o caminho da GPU não compensa. Um GPU VPS faturado ao mês, a preço de tabela, de cerca de 779 $/mês nunca vence um lugar do Copilot Pro de 10 $/mês para uma só pessoa.
• O stack GPU auto-hospedado é uma jogada de equipe. A single GPU VPS breaks even against Copilot Business (about $19/seat) at roughly 27 seats, and against Cursor Teams (about $40/seat) at roughly 13 seats, at the current $506.35/month GPU price (roughly 41 and 20 seats at the undiscounted $779 list price). Below that, per-seat SaaS is usually cheaper.
• A capacidade se divide por tarefa. O Qwen2.5-Coder-32B é forte em autocompletar e edições do dia a dia; os modelos hospedados de ponta ainda vencem com clareza no trabalho complexo, multiarquivo e agêntico.
• A auto-hospedagem tem um imposto de manutenção. Atualizações de modelos, manias dos drivers de GPU, dimensionamento de contexto, disponibilidade: algumas horas por mês, não um segundo emprego. Inclua isso nas contas antes de mudar.

O que este artigo cobre (e o que não cobre)

Esta é uma comparação de custo e capacidade de um stack específico e construível frente às ferramentas SaaS que a maioria dos desenvolvedores já paga. Para se manter útil e honesta:

• Cobre: o cálculo de custos mensais (solo e equipe), a capacidade de programação do dia a dia e uma recomendação ajustada.
• Cobre: um stack auto-hospedado concreto (Ollama, Continue.dev, Code Server e n8n) num VPS.
• Não cobre: o benchmarking exaustivo de modelos ou a corrida por rankings.
• Não cobre: o fine-tuning ou o uso destes modelos para trabalho LLM não relacionado a código.
• Não cobre: a instalação passo a passo. Este é o artigo do «devo?», não o do «como construir».

O que mudou nos preços das ferramentas de programação com IA

O Cursor foi o primeiro. Em 16 de junho de 2025, substituiu seus limites por solicitação por preços baseados no uso da API: você recebe um pool de uso de modelos de ponta a preços de API, e meses pesados custam mais que os leves. A mudança pegou muita gente de surpresa, e o Cursor ofereceu reembolsos por um período após o anúncio. Uma atualização de junho de 2026 reformulou ainda mais os pools de uso, mas manteve o modelo por uso.

O GitHub Copilot seguiu em 2026. Conforme o anúncio da GitHub, em 1 de junho de 2026 as antigas unidades de solicitação premium foram substituídas por «GitHub AI Credits» baseados em tokens. Os preços de assinatura permaneceram os mesmos (Pro a 10 $/mês, Business a 19 $/usuário/mês), mas o que você pode fazer dentro desse preço agora é medido por consumo de tokens, com os completamentos de código ainda incluídos sem custo de créditos.

O Windsurf fez a maior reformulação. Em março de 2026, substituiu os antigos planos self-service estilo crédito por planos por cota, adicionou um nível Max de 200 $/mês e levou o novo preço Pro para 20 $/mês, mantendo os assinantes Pro e Teams existentes no preço atual. Desde então o editor se tornou Devin Desktop; o windsurf.com agora redireciona para devin.ai/desktop. A atual a documentação de faturamento self-service descreve o Teams como 40 $ por lugar de dev completo com um mínimo de 80 $/mês, não como um simples modelo adicional «80 $ base mais 40 $ por lugar».

O fio condutor: a conta mensal fixa que você podia prever praticamente sumiu. É exatamente essa previsibilidade que a auto-hospedagem recompra, e exatamente o que torna esta comparação relevante agora.

O stack SaaS: o que você recebe e quanto custa por lugar

Comece pelo que o dinheiro compra, porque compra bastante. No lado SaaS são três editores (GitHub Copilot, Cursor e Devin Desktop, antes Windsurf) que oferecem zero configuração, integração estreita com o IDE e o melhor raciocínio agêntico multiarquivo disponível hoje. Você instala uma extensão ou baixa um editor e em minutos está trabalhando. Para a maioria, essa conveniência é justamente o ponto.

Eis os preços atuais por lugar, retirados da página de preços de cada ferramenta:

O ponto de falha é o medidor. Nos planos por uso e por créditos, um mês pesado é uma conta pesada, e muitas vezes você não a vê chegar até ela chegar. Pior, quando seus créditos acabam, várias dessas ferramentas te cortam ou te empurram para excedentes; não há um fallback local degradado mas gratuito para ir levando até o ciclo seguinte. Se sua renda é irregular ou seu uso dispara em semanas de crunch, essa variabilidade é uma dor de cabeça operacional de verdade, não um erro de arredondamento.

Se você está pesando ferramentas específicas entre si em vez da questão da auto-hospedagem, aprofundei os editores individuais numa comparação à parte das alternativas ao Claude Code.

O stack auto-hospedado: Ollama, Continue.dev, Code Server, n8n

O lado auto-hospedado são quatro peças, e cada uma faz um trabalho específico. Ollama (atualmente v0.31.1) é o motor de inferência local: executa o modelo de pesos abertos no seu servidor e expõe uma API compatível com OpenAI. Continue.dev é a ponte, uma extensão para VS Code e JetBrains que aponta o autocompletar e o chat do seu editor para o seu endpoint do Ollama em vez de um provedor na nuvem. Servidor de Código (atualmente v4.127.0) é o VS Code rodando no navegador, hospedado no próprio VPS, útil quando você quer que todo o ambiente fique ao lado do modelo em vez de no seu notebook. E n8n é a camada de workflow: é assim que você conecta automações agênticas ou de várias etapas (rodar testes, abrir um PR, chamar um webhook) em torno do modelo.

A escolha de modelo que torna isto crível é o Qwen2.5-Coder-32B, que a Ollama posiciona como um dos modelos de código de pesos abertos mais fortes nos benchmarks padrão. É essa a peça que mudou as contas. Há alguns anos os modelos abertos não estavam perto o suficiente para valer a pena; hoje, para o trabalho do dia a dia, estão.

Uma ressalva que vale conhecer antes de apostar no Continue: ele agora faz parte do ecossistema do Cursor. o próprio site da Continue confirma a aquisição, e a sua documentação ainda mostra a configuração do Ollama e de modelos locais, mas a direção do produto no longo prazo é menos certa do que antes da aquisição. Por ora, trate-o como uma ponte prática, não como a dependência de longo prazo mais segura.

Eis a parte conveniente para quem tem aversão a configuração: Ollama, Code Server e n8n estão todos disponíveis como implantações de um clique no o marketplace da Cloudzy, o que tira da mesa a objeção de «passar um fim de semana instalando». Você aponta e implanta o stack inteiro em vez de montá-lo à mão. Se quiser o raciocínio de escolha por trás do Ollama em específico, comparei-o com a principal alternativa, LM Studio.

Dica pro: o Qwen2.5-Coder-32B ocupa cerca de 20 GB em disco e, na quantização Q4_K_M, precisa de mais ou menos 20-25 GB de VRAM para rodar. Cabe numa GPU de 24 GB de VRAM como a RTX 4090, mas apertado. Roda bem com as configurações padrão e janelas de contexto curtas a médias; estique muito o contexto e ele pode começar a fazer swap. Planeje para «cabe com gestão cuidadosa de contexto», não para «folga de sobra».

A tabela de custos: desenvolvedor solo vs. equipe

For one developer, self-hosting on a GPU is the wrong call on cost. Using Cloudzy's month-to-month list price for a 1x RTX 4090 GPU VPS, the stack runs about $779/month against $10/month for Copilot Pro. The GPU stack only pays off when that fixed cost is shared across a team: at the current price ($506.35/month at the time of writing, billed month-to-month with no annual commitment), it breaks even at roughly 27 Copilot Business seats or 13 Cursor Teams seats. At the undiscounted $779/month list price, the break-even moves out to roughly 41 Copilot Business seats or 20 Cursor Teams seats.

Agora os números. As colunas SaaS são totais por lugar; o stack auto-hospedado é um custo mensal fixo, não importa quantas pessoas o compartilhem.

Read the table by where the fixed line crosses the rising one. Against Cursor Teams at $40/seat, the GPU VPS becomes the cheaper option somewhere around 13 developers at the current price (about 20 at list). Against Copilot Business at $19/seat, you need roughly 27 developers at the current price (about 41 at list) before the fixed cost wins. Below those thresholds, per-seat SaaS is simply cheaper, and no amount of "but it's unlimited" changes that.

A história solo é diferente e vale dizer com clareza. Você não coloca uma única pessoa numa GPU de 779 $. Se quiser auto-hospedar como indivíduo, a comparação honesta é um modelo pequeno (7B) num CPU VPS de cerca de 29 $/mês contra um lugar do Copilot Pro de 10 $/mês. São uns 19 $/mês a mais, e o que você compra é zero limites de uso, zero surpresas de medidor e o seu código nunca saindo do seu servidor. Se vale esses 19 $ depende inteiramente de quanto a imprevisibilidade da cobrança lhe custa em estresse e previsão, não dos dólares crus.

Veredito rápido: o stack GPU auto-hospedado é uma decisão de escala de equipe ou de várias cargas, não uma decisão solo. Para uma pessoa é ficar no SaaS ou rodar um modelo pequeno numa máquina CPU barata. Para uma equipe, calcule o número de lugares contra 19 $ e 40 $ antes de tocar numa GPU.

Principal conclusão da seção: todo o argumento econômico do stack GPU é dividir um único custo fixo por muitos lugares. É uma jogada de equipe ou de várias cargas, nunca uma compra solo.

Comparação de capacidades: onde o auto-hospedado aguenta e onde não

Dê a uma instalação auto-hospedada do Qwen2.5-Coder-32B um dia de trabalho comum (autocompletar, edições de um arquivo, «escreva esta função para mim», explique-este-código) e você terá dificuldade em distingui-la de um assistente pago. No dia a dia, a diferença é pequena. Onde ela desanda é nos 20% difíceis: reescritas multiarquivo, tarefas agênticas de longo horizonte e raciocínio complexo por uma base de código grande. Aí, os modelos hospedados de ponta ainda vencem com clareza, e não é por pouco.

Há também uma dimensão de velocidade que as pessoas subestimam. Um modelo hospedado de ponta responde rápido porque roda na enorme frota de inferência de outra pessoa. Seu GPU VPS de 779 $, sobretudo sob carga simultânea de alguns colegas ao mesmo tempo, pode parecer mais lento no trabalho interativo do que as respostas em menos de um segundo a que você está acostumado. É utilizável, mas «auto-hospedado» e «instantâneo» não são a mesma coisa quando várias pessoas compartilham uma só placa.

Então o enquadramento correto não é «Ollama substitui o Copilot». É «Ollama iguala o Copilot nas tarefas do dia a dia e fica atrás nas complexas». Se o seu dia é sobretudo tarefas do dia a dia, é um ótimo negócio. Se o seu dia é sobretudo os 20% difíceis, não é.

Quando o SaaS ainda vence

Imagine um dev solo cujo trabalho é de fato crítico em qualidade (a IA faz mudanças de arquitetura multiarquivo, não autocompletar) e que não tem o menor interesse em administrar um servidor. Para essa pessoa, 20 $/mês por uma ferramenta de ponta é um dos melhores negócios do software, e auto-hospedar seria um retrocesso disfarçado de economia. Ali o SaaS vence de longe, e não é o único caso.

O SaaS é a escolha certa quando:

• Você trabalha sozinho e o seu nível de qualidade é os 20% difíceis, não as edições do dia a dia.
• Your team is under the crossover seat count: below about 13 (vs Cursor Teams) or about 27 (vs Copilot Business) at current pricing, per-seat is cheaper.
• Seus fluxos de trabalho dependem de um raciocínio agêntico de primeira linha que os modelos abertos ainda não igualam.
• Ninguém na equipe quer, nem tem tempo para, assumir as operações.

Esse último ponto é o que as pessoas descartam, então sejamos específicos sobre o imposto de manutenção. Auto-hospedar um stack de programação não é um segundo emprego, mas também não é de graça. O trabalho recorrente de verdade inclui: baixar e testar novas versões de modelos, resolver as manias dos drivers de GPU após atualizações, ajustar os tamanhos de janela de contexto para não fazer swap de VRAM e manter a máquina no ar para que a equipe não fique bloqueada quando o modelo cai. Chame de algumas horas por mês depois de estável, o que é ok se alguém assume, e um desastre em câmera lenta se ninguém assume.

Principal conclusão da seção: a auto-hospedagem é uma decisão de custo e controle que só compensa passada certa escala de equipe, ou quando requisitos de privacidade e conformidade tornam «nosso código nunca sai do nosso servidor» inegociável, independentemente das contas.

Como escolher: um quadro de decisão

Encaixe-se numa linha e você basicamente terminou. A tabela de custos e a divisão de capacidades acima lhe dão tudo para se situar; isto é só o mapeamento.

• Solo, sensível a custo, tarefas do dia a dia: fique no Copilot Pro, ou rode um modelo 7B num CPU VPS barato se quiser um custo sem teto, privado e previsível. Deixe a GPU de lado.
• Solo, trabalho crítico em qualidade: fique no SaaS. As ferramentas de ponta valem a pena e auto-hospedar é um retrocesso para você.
• Team under about 13 seats: per-seat SaaS is usually cheaper at current GPU pricing. Don't self-host to save money at this size.
• Team about 13 to 27+ seats, or with other GPU workloads, or with privacy and compliance requirements: o stack GPU auto-hospedado começa a fazer sentido de verdade. Faça a conta dos lugares e considere quem assume as operações.

Se você cai naquela última linha, a pergunta prática passa a ser onde a máquina GPU vive. Rodar o Qwen2.5-Coder-32B significa uma placa com 24 GB de VRAM, e o peso da configuração (justamente a objeção que mantém as pessoas no SaaS) é o que vale a pena automatizar. Um GPU VPS com uma implantação de um clique de Ollama, Code Server e n8n coloca todo o seu stack no ar sem o fim de semana de montagem, de modo que as operações às quais você se compromete são manutenção contínua, não uma construção do zero. Se é esse o caminho que você segue, Cloudzy's Ollama VPS lhe dá a GPU de 24 GB de VRAM e o stack de um clique num só lugar; preços e localizações atuais de GPU estão na página.

Perguntas frequentes

Em resumo

Escolha a linha que combina com o seu número de lugares e o seu nível de qualidade, e a decisão se toma sozinha. Solo e sensível a custo: fique no Copilot Pro ou rode um modelo pequeno numa máquina CPU barata. Solo e crítico em qualidade: fique no SaaS. Uma equipe além do tamanho de cruzamento, ou com outras cargas de GPU ou requisitos de privacidade, é onde o stack GPU auto-hospedado finalmente se paga. As mudanças de cobrança tornaram este cálculo válido; o cálculo, para a maioria das pessoas, ainda aponta para o SaaS, e tudo bem. Faça as suas próprias contas contra 19 $ e 40 $ por lugar antes de comprar uma GPU.