Zuletzt geprüft:
Open Interpreter ist der Agent, der LLMs erstmals eine echte Möglichkeit gab, Code auf der lokalen Maschine auszuführen. Bis 2026 ist aus dem Projekt ein durchdachteres Tool mit richtigem Sandboxing geworden, doch die Philosophie ist dieselbe geblieben. Die Hosting-Konsequenz ist einfach: Dieser Agent führt echten Code auf dem Server aus, den man ihm gibt – die Wahl des VPS ist also teilweise eine Sicherheitsfrage.
Ich habe Open Interpreter über drei VPS-Stufen jeweils einen Monat lang laufen lassen, sowohl im Standardmodus als auch im Docker-Sandbox-Modus.
Was Open Interpreter wirklich braucht
Drei Ressourcenkurven:
- Der Agent. Python plus die Orchestrierung. 200 bis 400 MB residenter Speicher.
- Ausführungs-Sandbox. Entweder direkt das Host-Python oder ein Docker-Container pro Sitzung. 300 MB bis 2 GB, je nachdem, was der Agent installiert.
- Paketinstallationen. Der Agent installiert, was er braucht. Schwere Data-Science-Aufgaben können mehrere GB an Abhängigkeiten nach sich ziehen.
Was das README zwar erwähnt, aber häufig ignoriert wird: Im Standardmodus bleibt alles, was der Agent installiert, dauerhaft in der Host-Umgebung erhalten. Nach ein paar Monaten hat man ein Chaos.
VPS-Vergleich für Open Interpreter
| Anbieter | Plan | vCPU | RAM | Speicher | Monatlich | Beste Eignung |
|---|---|---|---|---|---|---|
| Hetzner Cloud | CCX13 | 2 | 8 GB | 80 GB NVMe | 42,99 EUR | Standard, täglicher Einsatz |
| Contabo VPS | VPS S | 4 | 8 GB | 100 GB NVMe | 4,50 EUR | Budget, geplante Aufgaben |
| DigitalOcean | Premium AMD 4 GB | 2 | 8 GB | 100 GB NVMe | 28 USD | US-Team, geringe Last |
| Hetzner Cloud | CCX23 | 4 | 16 GB | 160 GB NVMe | 85,99 EUR | Schwere Datenaufgaben |
Hetzner Cloud CCX13: Der Standard
Für den täglichen Einsatz von Open Interpreter ist CCX13 die richtige Balance. NVMe bewältigt Paketinstallationen ohne Murren, die dedizierte vCPU hält den Agenten reaktionsschnell, 8 GB RAM tragen eine Docker-Sandbox plus den Agenten.
Vorteile für diesen Workload:
- Unter 80 ms Latenz zu den meisten Modell-Anbietern
- Snapshots sind wertvoll, da der Agent die Umgebung durcheinanderbringen kann
- 20 TB Outbound-Traffic sind für normale Nutzung großzügig bemessen
Echter Nachteil: Data-Science-Aufgaben, die große Bibliotheken nachladen, können die 80-GB-Festplatte schnell füllen. Plane Aufräumroutinen oder ein zusätzliches Volume ein.
Hetzner sichern: Hetzner Cloud.
Contabo VPS S: Die Budget-Wahl
4 vCPU und 8 GB für 4,50 EUR. Die 100-GB-NVMe-Festplatte verzeiht mehr bei einem Agenten, der aggressiv Pakete installiert. Die Kompromisse:
- Langsame Bereitstellung
- Höhere Outbound-Latenz als bei Hetzner
- Schwankende Leistung bei den günstigeren Stufen
Für geplante Jobs und seltene Nutzung gewinnt der Preis.
Contabo sichern: Contabo VPS.
DigitalOcean Premium AMD 4 GB: Für die US-Ostküste
Der 8-GB-Premium-AMD-Plan bewältigt Open Interpreter für ein kleines Team problemlos. Die NYC3-Latenz zu Modell-Anbietern ist gut. Snapshots sind nützlich, wenn der Agent die Umgebung zerlegt.
DigitalOcean sichern: DigitalOcean.
Hetzner Cloud CCX23: Für schwere Datenaufgaben
Wenn du Open Interpreter für ernsthafte Datenaufgaben nutzt (große Dataframes, Training kleiner Modelle, Videoverarbeitung), ist CCX23 mit 16 GB RAM die richtige Stufe. Der Agent installiert schwere Bibliotheken, und du willst Spielraum haben.
Hetzner sichern: Hetzner Cloud.
Sicherheits- und Betriebstipps
Drei Dinge, die du einrichten solltest:
- Docker-Sandbox-Modus nutzen. Die direkte Standardausführung ist bequem und gefährlich. Der Docker-Modus isoliert jede Sitzung.
- Speicherplatzkontingente setzen. Der Agent füllt die Festplatte, wenn man ihn lässt. Ein Kontingent pro Sitzung verhindert die schlimmsten Fälle.
- Audit-Logging. Aktiviere das Agenten-Log und prüfe regelmäßig, was ausgeführt wurde. Nützlich, um fehlgeschlagene Versuche riskanter Operationen zu erkennen.
Meine tatsächliche Empfehlung
Wenn du heute startest:
- EU, täglicher Einsatz: Hetzner CCX13
- EU, geplante Jobs, Budget: Contabo VPS S
- US-Team: DigitalOcean Premium AMD 8 GB
- Schwere Datenaufgaben: Hetzner CCX23
Für das größere Bild rund ums Selbst-Hosting siehe den SelfHostVPS-Vergleich. Open Interpreter erscheint regelmäßig in neuen Versionen, und ich aktualisiere diese Seite, wenn sich die Ausführungs- oder Sandbox-Ebene wesentlich ändert.
Frequently asked questions
Was ist die Mindest-VPS-Spezifikation für Open Interpreter?
2 vCPU und 4 GB RAM sind die Untergrenze, wenn Open Interpreter auf ein entferntes Modell zugreift. Die Python-Laufzeitumgebung plus die Sandboxes für die Sprachausführung liegen bei rund 800 MB. Der Knackpunkt kommt, wenn der Agent schwere Datenverarbeitung übernimmt oder spontan große Pakete installiert.
Braucht Open Interpreter eine GPU?
Nur wenn du zusätzlich das Modell selbst hostest oder der Agent lokal ML-Workloads ausführt. Der Standardfall ist der Zugriff auf eine entfernte Modell-API, dann reicht ein reiner CPU-VPS völlig aus.
Ist es sicher, Open Interpreter auf einem geteilten VPS laufen zu lassen?
Nicht ohne Isolation. Open Interpreter führt generierten Code standardmäßig direkt auf dem Host aus. Betreibe es in einem dedizierten VPS oder nutze den Docker-Sandbox-Modus. Niemals auf einem geteilten Server.
Kann Open Interpreter auf einem 5-Dollar-Contabo-Server laufen?
Ja, für einfache Aufgaben. Der Flaschenhals ist die Paketinstallation und schwere Datenverarbeitung. Der Agent installiert alles, was er zur Aufgabenerfüllung braucht, was Festplatte und Arbeitsspeicher bei den günstigsten Plänen überlasten kann.