Il nome AutoGPT porta ancora il suo bagaglio del 2023, quando le persone lo vedevano girare all’infinito e consumare 50 USD di crediti OpenAI in una sera. La piattaforma attuale è irriconoscibile. Il visual builder, il marketplace di blocchi e il budgeting esplicito dei token hanno cambiato davvero quello che richiede da un server.
Io faccio girare AutoGPT su un server Hetzner che gestisce tre workflow di produzione. Ecco cosa supporta un’installazione del 2026.
Ciascuna richiesta di AutoGPT nel 2026
Il runtime si compone di due parti principali: il backend (Python, FastAPI, l’esecutore dell’agente) e il frontend (visual builder Next.js). Insieme occupano circa 1,2 GB di memoria residente a riposo. Ogni workflow in esecuzione aggiunge dai 200 ai 500 MB, a seconda dei blocchi in uso.
La storia dello spazio su disco è più interessante. Il marketplace di blocchi scarica immagini Docker per molti blocchi, il che si traduce rapidamente in spazio. Un’installazione tipica con 30-40 blocchi carichi raggiunge i 25 GB di disco solo per il registry. I log e lo stato del workflow aggiungono altri 10-15 GB nel corso di alcuni mesi.
Confronto VPS per AutoGPT
| Provider | Piano | vCPU | RAM | Disco | Mensile | Ideale per |
|---|---|---|---|---|---|---|
| Hetzner Cloud | CCX23 | 4 | 16 GB | 160 GB NVMe | 29,74 EUR | Produzione, EU |
| Contabo VPS | VPS M | 6 | 16 GB | 200 GB NVMe | 8,49 EUR | Budget per produzione |
| DigitalOcean | Premium AMD 8 GB | 4 | 8 GB | 160 GB NVMe | 56 USD | USA, semplicità operativa |
| Hetzner CPX31 | CPX31 | 4 | 8 GB | 160 GB NVMe | 17,34 EUR | Uso leggero |
Hetzner Cloud CCX23: La scelta predefinita per uso serio
16 GB di RAM e 4 vCPU dedicate gestiscono senza problemi il runtime di AutoGPT più 4-5 workflow simultanei. Il disco NVMe è importante perché il registry dei blocchi e lo stato dei workflow ci sono continuamente. La regione Falkenstein mantiene una latenza di rete verso le API esterne di modelli tra i 60 e gli 80 ms.
Cosa rende questa scelta ideale: AutoGPT è sensibile alla latenza di background. Quando un workflow concatena 6-8 blocchi, anche 100 ms di latenza in più per blocco allunga un workflow da 2 a 3 secondi. Le CPU dedicate del CCX23 aiutano in questo.
Vantaggi degni di nota:
- CPU dedicata evita stalls da vicini rumorosi durante catene multi-blocco
- NVMe gestisce senza problemi le dimensioni del registry dei blocchi
- Prezzi snapshot ragionevoli per il rollback di workflow di AutoGPT
Il lato negativo minore: nessuno storage oggetti gestito nello stesso data center se vuoi scaricare i grandi output dei blocchi.
Ottieni Hetzner: Hetzner Cloud.
Contabo VPS M: Il campione rapporto prezzo-specs
8,49 EUR per 6 vCPU e 16 GB RAM sono imbattibili. AutoGPT gira su questa macchina. I core CPU condivisi si notano quando esegui più workflow in parallelo, con occasionali spike di latenza di 200 ms che su Hetzner CCX non si presenterebbero.
Per una configurazione AutoGPT single-user o con pochi workflow batch, Contabo è la scelta giusta. Per un team che lo utilizza interattivamente, gli spike di latenza diventano fastidiosi.
Vantaggi:
- Miglior rapporto tra risorse e prezzo sul mercato
- 200 GB NVMe consentono spazio per il registry dei blocchi e mesi di log
Prova Contabo: Contabo VPS.
DigitalOcean Premium AMD: Per semplicità operativa
56 USD al mese sono elevati, ma l’esperienza d’uso di DigitalOcean rende più semplice la gestione di AutoGPT. Snapshots in 30 secondi, database gestiti per lo stato di AutoGPT, facile scelta della regione. Se vuoi installare AutoGPT una volta sola e non pensare al server, questa è la strada.
Limite onesto: 8 GB RAM sono il minimo qui. Il livello superiore salta a 96 USD al mese, difficile da giustificare.
Ottieni DigitalOcean: DigitalOcean.
Hetzner CPX31: Per uso leggero
Se usi AutoGPT per esperimenti personali e i tuoi workflow sono principalmente chiamate API esterne, il CPX31 con 8 GB RAM lo gestisce a 17,34 EUR al mese. La CPU condivisa è adeguata quando il carico simultaneo è basso.
Non consigliato per team o uso in produzione. Raccomandato per sviluppatori singoli che esplorano la piattaforma.
La mia scelta
Per un setup di team affidabile: Hetzner CCX23. Per uso singolo con budget limitato: Contabo VPS M. Evita la piattaforma cloud di AutoGPT a meno che non spendi meno di 30 USD in token al mese, oltre quel limite il rapporto non è più favorevole.
La comparazione completa dei VPS si trova su SelfHostVPS rankings. AutoGPT rilascia aggiornamenti significativi ogni 6-8 settimane, quindi verifica sempre le esigenze di disco e RAM rispetto all’attuale docker-compose prima di dimensionare.
Frequently asked questions
AutoGPT nel 2026 è ancora il mostro che consuma token dal 2023?
No, la riscrittura è arrivata alla fine del 2024 e la versione 2026 utilizza un visual builder basato su blocchi con budget espliciti di token per ogni workflow. Puoi limitare la spesa per ogni esecuzione, cosa che l'originale non poteva fare. Il runtime è ancora molto Python, ma ora l'orchestrazione è più ragionata. Hostingarlo è più simile a far funzionare n8n che a gestire un esperimento.
Quali specifiche VPS corrispondono ai blocchi del marketplace di AutoGPT?
Ogni blocco nel marketplace dichiara le proprie esigenze di risorse. Blocchi leggeri (chiamate LLM, fetch web, trasformazioni) richiedono quasi nulla. Blocchi più pesanti come generazione immagine locale o elaborazione video vogliono una GPU. Per un'installazione di default con il set di blocchi standard, 4 vCPU e 8 GB RAM con 80 GB NVMe sono la soglia sensata. Aggiungi GPU solo quando installi blocchi che richiedono GPU.
Devo usare Docker Compose o la piattaforma cloud di AutoGPT?
Autohostare con Docker Compose se ti interessa la residenza dei dati, vuoi aggiungere blocchi privati o prevedi più di 100 USD al mese di utilizzo sul cloud. La piattaforma cloud è davvero ottima per uso a basso volume e alleggerisce la gestione operativa. Il punto di pareggio rispetto a Hetzner CCX23 si colloca attorno ai 50 USD di utilizzo cloud al mese.
AutoGPT ha bisogno di una GPU sul VPS?
Solo se installi blocchi che ne richiedono una. I blocchi del marketplace di default usano API esterne (OpenAI, Anthropic, ElevenLabs, servizi di generazione immagini) e non hanno requisiti di calcolo locale. La GPU diventa rilevante quando aggiungi Stable Diffusion, Whisper locale o blocchi LLM locali. La maggior parte degli utenti di produzione di AutoGPT non ha mai bisogno di GPU sul VPS.