{"id":29354,"date":"2026-10-23T22:24:43","date_gmt":"2026-10-23T22:24:43","guid":{"rendered":"https:\/\/www.websiteradar.net\/?p=29354"},"modified":"2026-10-24T21:29:02","modified_gmt":"2026-10-24T21:29:02","slug":"hardware-ia-local","status":"publish","type":"post","link":"https:\/\/www.websiteradar.net\/es\/hardware-ia-local\/","title":{"rendered":"Hardware para IA local en 2026: c\u00f3mo elegir un ordenador para ejecutar LLM en casa"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\">\u00bfQuieres ejecutar modelos de lenguaje en tu propio equipo, sin suscripciones, sin que tus datos salgan de tu mesa y sin depender de una conexi\u00f3n a internet? Entonces el procesador y la pegatina de \u00abTOPS\u00bb de la caja importan mucho menos que otras dos cosas: <strong>cu\u00e1nta memoria puede usar el modelo<\/strong> y <strong>a qu\u00e9 velocidad puede leer el ordenador esa memoria<\/strong>. Esta gu\u00eda explica c\u00f3mo funciona de verdad la IA local en un ordenador, cu\u00e1nta memoria necesitan los modelos m\u00e1s populares y qu\u00e9 rendimiento ofrece en la pr\u00e1ctica el hardware actual: desde una tarjeta gr\u00e1fica que a\u00f1ades al PC que ya tienes hasta una estaci\u00f3n de trabajo para todo un equipo. Cada dispositivo viene con cifras verificadas, fuentes y un veredicto claro sobre a qui\u00e9n le conviene; algunas secciones incluyen adem\u00e1s un v\u00eddeo corto.<\/p>\n\n\n\n<div class=\"wp-block-group dw-summary has-base-2-background-color has-background\" style=\"border-radius:16px;padding-top:24px;padding-right:28px;padding-bottom:24px;padding-left:28px\"><div class=\"wp-block-group__inner-container is-layout-constrained wp-container-core-group-is-layout-bba1aa89 wp-block-group-is-layout-constrained\">\n\n<h3 class=\"wp-block-heading\">Lo esencial en 30 segundos<\/h3>\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>La memoria lo decide todo.<\/strong> El modelo completo tiene que caber en una memoria r\u00e1pida a la que llegue la GPU. A 4 bits, calcula aproximadamente <strong>0,6&nbsp;GB por cada mil millones de par\u00e1metros<\/strong>.<\/li>\n\n\n<li><strong>El ancho de banda de memoria marca lo r\u00e1pido que escribe el modelo<\/strong>; la potencia de c\u00e1lculo, lo r\u00e1pido que lee un prompt largo. Por eso un Mac escribe m\u00e1s r\u00e1pido que un DGX Spark, mientras que el Spark lee los documentos largos m\u00e1s deprisa.<\/li>\n\n\n<li><strong>La mejor compra ahora mismo:<\/strong> Mac Studio M5 Max con 128&nbsp;GB (respuestas r\u00e1pidas), Ryzen AI Max+ 395 con 128&nbsp;GB (la memoria grande m\u00e1s barata) y RTX 5060 Ti 16&nbsp;GB (la puerta de entrada sensata m\u00e1s barata).<\/li>\n\n\n<li><strong>Un \u00abPC con IA\u00bb con NPU no es un ordenador para IA local.<\/strong> Ni Ollama ni LM Studio usan la NPU.<\/li>\n\n<\/ul>\n\n<\/div><\/div>\n\n\n\n<p class=\"dw-disclosure has-small-font-size wp-block-paragraph\">No hemos probado estos equipos nosotros mismos: las cifras proceden de las fuentes que citamos al final, y las mediciones de la comunidad est\u00e1n se\u00f1aladas como tales. Los precios son precios oficiales en EE. UU. con su fecha; la escasez de memoria hizo subir muchos de ellos a lo largo de 2026.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"podle-rozpoctu\">Qu\u00e9 comprar: recomendaciones r\u00e1pidas<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Si no quieres leerte toda la gu\u00eda, aqu\u00ed tienes el atajo. Cada recomendaci\u00f3n se analiza en detalle m\u00e1s abajo, algunas con v\u00eddeo.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><a href=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/rozpocet.es_-scaled.webp\"><img loading=\"lazy\" decoding=\"async\" width=\"2560\" height=\"1963\" src=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/rozpocet.es_-scaled.webp\" alt=\"Qu\u00e9 comprar para IA local, desde el nivel de entrada hasta la estaci\u00f3n de trabajo\" class=\"wp-image-29346\" srcset=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/rozpocet.es_-scaled.webp 2560w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/rozpocet.es_-300x230.webp 300w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/rozpocet.es_-1024x785.webp 1024w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/rozpocet.es_-768x589.webp 768w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/rozpocet.es_-1536x1178.webp 1536w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/rozpocet.es_-2048x1571.webp 2048w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/rozpocet.es_-610x468.webp 610w\" sizes=\"auto, (max-width: 2560px) 100vw, 2560px\" \/><\/a><figcaption class=\"wp-element-caption\">Recomendaciones r\u00e1pidas por categor\u00eda, desde la puerta de entrada sensata m\u00e1s barata hasta una estaci\u00f3n de trabajo para equipos.<\/figcaption><\/figure>\n\n\n\n<figure class=\"wp-block-table is-style-stripes\"><table class=\"has-fixed-layout\"><thead><tr><th>Categor\u00eda<\/th><th>Recomendaci\u00f3n<\/th><th>Modelos que mueve<\/th><\/tr><\/thead><tbody><tr><td>Entrada<\/td><td><a href=\"#rtx-5060-ti-16gb\">RTX 5060 Ti 16&nbsp;GB<\/a> en tu PC actual<\/td><td>8\u201320B (Qwen3 14B, gpt-oss-20b)<\/td><\/tr><tr><td>Iniciaci\u00f3n<\/td><td><a href=\"#mac-mini-m6\">Mac mini M6 con 32&nbsp;GB<\/a> o <a href=\"#rtx-5070-ti-vs-5080\">RTX 5070 Ti<\/a><\/td><td>hasta 14B con soltura, Qwen3 30B-A3B<\/td><\/tr><tr><td>64&nbsp;GB<\/td><td><a href=\"#mac-mini-m5-pro\">Mac mini M5 Pro con 64&nbsp;GB<\/a><\/td><td>20\u201335B, un servidor dom\u00e9stico silencioso<\/td><\/tr><tr><td>128&nbsp;GB, mejor precio<\/td><td><a href=\"#ryzen-ai-max-395\">Ryzen AI Max+ 395 con 128&nbsp;GB<\/a><\/td><td>modelos MoE grandes de hasta 120B<\/td><\/tr><tr><td>128&nbsp;GB, m\u00e1s r\u00e1pido<\/td><td><a href=\"#mac-studio-m5-max\">Mac Studio M5 Max con 128&nbsp;GB<\/a><\/td><td>gpt-oss-120b a m\u00e1s de 100 tokens\/s<\/td><\/tr><tr><td>Desarrollo CUDA<\/td><td><a href=\"#dgx-spark\">DGX Spark u otro equipo con GB10<\/a><\/td><td>desarrollo CUDA, agentes de programaci\u00f3n<\/td><\/tr><tr><td>M\u00e1xima memoria<\/td><td><a href=\"#mac-studio-m5-ultra\">Mac Studio M5 Ultra con 256&nbsp;GB<\/a><\/td><td>modelos de 100\u2013250B en casa<\/td><\/tr><tr><td>Para equipos<\/td><td><a href=\"#rtx-pro-6000\">RTX PRO 6000<\/a><\/td><td>70\u2013120B para todo un equipo<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"proc-lokalni-ai\">Por qu\u00e9 ejecutar la IA en local y qu\u00e9 no esperar<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Un modelo local se ejecuta en tu propio ordenador. Tus datos no salen de tu mesa, no pagas suscripci\u00f3n mensual ni tarifas por token, el modelo funciona sin conexi\u00f3n y nadie puede cambiarlo o retirarlo de la noche a la ma\u00f1ana. Eso lo convierte en una buena opci\u00f3n para documentos sensibles, asistentes de programaci\u00f3n que trabajan con el c\u00f3digo de la empresa, automatizaciones que env\u00edan miles de peticiones al d\u00eda o, simplemente, para experimentar por diversi\u00f3n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Hay dos pegas. La primera: los modelos abiertos que caben en hardware dom\u00e9stico son listos, pero no est\u00e1n al nivel de los mejores servicios en la nube. La segunda: el hardware no es barato y, en 2026, la escasez de memoria ha ido empujando los precios al alza. Las razones principales para apostar por lo local son la privacidad, el control y la independencia, no el ahorro.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"jak-model-bezi\">C\u00f3mo funciona un modelo en tu ordenador<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Cuando le haces una pregunta a un modelo, ocurren dos fases, y cada una est\u00e1 limitada por algo distinto:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n\n<li><strong>Lectura del prompt (prefill).<\/strong> El modelo procesa toda tu entrada de una vez: la pregunta, un documento pegado, el c\u00f3digo de tu proyecto. Esta fase depende de la <strong>potencia de c\u00e1lculo<\/strong> de la GPU y determina cu\u00e1nto esperas hasta la primera palabra de la respuesta. Con una pregunta corta tarda una fracci\u00f3n de segundo; con un documento de decenas de miles de palabras puede llevar minutos.<\/li>\n\n\n<li><strong>Escritura de la respuesta (decode).<\/strong> El modelo genera el texto palabra a palabra (en rigor, token a token). Por cada token tiene que leer el modelo entero de la memoria o, en los modelos mixture of experts, solo la parte activa. Esta fase depende del <strong>ancho de banda de memoria<\/strong>: cu\u00e1ntos gigabytes por segundo es capaz de leer el chip.<\/li>\n\n<\/ol>\n\n\n\n<figure class=\"wp-block-image size-full\"><a href=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/jak-model-bezi.es_-scaled.webp\"><img loading=\"lazy\" decoding=\"async\" width=\"2560\" height=\"1341\" src=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/jak-model-bezi.es_-scaled.webp\" alt=\"Lectura del prompt y escritura de la respuesta: dos cuellos de botella distintos\" class=\"wp-image-29347\" srcset=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/jak-model-bezi.es_-scaled.webp 2560w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/jak-model-bezi.es_-300x157.webp 300w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/jak-model-bezi.es_-1024x536.webp 1024w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/jak-model-bezi.es_-768x402.webp 768w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/jak-model-bezi.es_-1536x804.webp 1536w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/jak-model-bezi.es_-2048x1073.webp 2048w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/jak-model-bezi.es_-610x319.webp 610w\" sizes=\"auto, (max-width: 2560px) 100vw, 2560px\" \/><\/a><figcaption class=\"wp-element-caption\">Ejemplo: gpt-oss-120b en llama.cpp. NVIDIA lidera al leer el prompt; Apple, al escribir.<\/figcaption><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">La diferencia en la pr\u00e1ctica: <strong>en un chat<\/strong>, lo que notas es la rapidez al escribir (y ah\u00ed brilla el Mac). <strong>Con agentes de programaci\u00f3n y trabajo con documentos<\/strong>, que env\u00edan al modelo cantidades enormes de contexto una y otra vez, leer r\u00e1pido el prompt importa igual (y ah\u00ed manda NVIDIA). La velocidad se mide en tokens por segundo; un token equivale aproximadamente a tres cuartos de palabra. Unos 15 tokens por segundo equivalen a la velocidad de lectura; por encima de 50, el modelo se siente \u00e1gil.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"kolik-pameti\">Cu\u00e1nta memoria necesitas<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">El modelo completo tiene que estar en una memoria r\u00e1pida a la que pueda acceder la GPU: o bien la VRAM de la tarjeta gr\u00e1fica, o bien la memoria compartida (unificada) de los Mac, el DGX Spark o el Ryzen AI Max. Si no cabe, una parte se desborda a la RAM normal del sistema y la velocidad se desploma. En una prueba con una RTX 5060 Ti, sacar de la GPU solo una sexta parte de las capas de Qwen 14B redujo la velocidad de escritura de <strong>43 a 12,5 tokens por segundo<\/strong>; solo con la CPU se qued\u00f3 en 2,9.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><a href=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/velikost-modelu.es_-scaled.webp\"><img loading=\"lazy\" decoding=\"async\" width=\"2560\" height=\"1890\" src=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/velikost-modelu.es_-scaled.webp\" alt=\"Tama\u00f1o de modelos populares a 4 bits comparado con la memoria de los dispositivos\" class=\"wp-image-29348\" srcset=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/velikost-modelu.es_-scaled.webp 2560w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/velikost-modelu.es_-300x221.webp 300w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/velikost-modelu.es_-1024x756.webp 1024w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/velikost-modelu.es_-768x567.webp 768w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/velikost-modelu.es_-1536x1134.webp 1536w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/velikost-modelu.es_-2048x1512.webp 2048w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/velikost-modelu.es_-610x450.webp 610w\" sizes=\"auto, (max-width: 2560px) 100vw, 2560px\" \/><\/a><figcaption class=\"wp-element-caption\">Tama\u00f1os de archivo GGUF de Hugging Face. Hay que sumar memoria para el contexto.<\/figcaption><\/figure>\n\n\n\n<figure class=\"wp-block-table is-style-stripes\"><table class=\"has-fixed-layout\"><thead><tr><th>Modelo<\/th><th>Tipo<\/th><th>Tama\u00f1o (4 bits)<\/th><th>D\u00f3nde cabe<\/th><\/tr><\/thead><tbody><tr><td>Llama 3.1 8B \/ Qwen3 8B<\/td><td>denso<\/td><td>4,9\u20135,0&nbsp;GB<\/td><td>cualquier equipo con 8&nbsp;GB<\/td><\/tr><tr><td>Qwen3 14B<\/td><td>denso<\/td><td>9,0&nbsp;GB<\/td><td>12\u201316&nbsp;GB<\/td><\/tr><tr><td>gpt-oss-20b<\/td><td>MoE<\/td><td>12,1&nbsp;GB (MXFP4)<\/td><td>16&nbsp;GB<\/td><\/tr><tr><td>Gemma 3 27B<\/td><td>denso<\/td><td>16,6&nbsp;GB<\/td><td>24&nbsp;GB<\/td><\/tr><tr><td>Qwen3 30B-A3B<\/td><td>MoE, 3B activos<\/td><td>18,6&nbsp;GB<\/td><td>24&nbsp;GB<\/td><\/tr><tr><td>Qwen3 32B<\/td><td>denso<\/td><td>19,8&nbsp;GB<\/td><td>24\u201332&nbsp;GB<\/td><\/tr><tr><td>Llama 3.3 70B<\/td><td>denso<\/td><td>42,5&nbsp;GB<\/td><td>48&nbsp;GB o m\u00e1s<\/td><\/tr><tr><td>gpt-oss-120b<\/td><td>MoE<\/td><td>63,4&nbsp;GB (MXFP4)<\/td><td>96\u2013128&nbsp;GB<\/td><\/tr><tr><td>GLM-4.5-Air 106B<\/td><td>MoE<\/td><td>73,0&nbsp;GB<\/td><td>96&nbsp;GB o m\u00e1s<\/td><\/tr><tr><td>Qwen3.5&nbsp;122B-A10B<\/td><td>MoE<\/td><td>76,5&nbsp;GB<\/td><td>96\u2013128&nbsp;GB<\/td><\/tr><tr><td>Qwen3&nbsp;235B-A22B<\/td><td>MoE<\/td><td>142,2&nbsp;GB<\/td><td>192\u2013256&nbsp;GB<\/td><\/tr><tr><td>DeepSeek R1&nbsp;671B<\/td><td>MoE<\/td><td>404,9&nbsp;GB<\/td><td>512&nbsp;GB<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"el-contexto-tambi\u00e9n-ocupa-memoria\">El contexto tambi\u00e9n ocupa memoria<\/h3>\n\n\n\n<p class=\"wp-block-paragraph\">Adem\u00e1s del propio modelo, necesitas memoria para el contexto (la cach\u00e9 KV): todo lo que el modelo \u00abrecuerda\u00bb de la conversaci\u00f3n o del documento. En Llama 3.3 70B son unos 10&nbsp;GB extra con un contexto de 32.000 tokens y alrededor de 40&nbsp;GB con 128.000 tokens. Los modelos gpt-oss son mucho m\u00e1s austeros gracias a una ventana deslizante: gpt-oss-120b necesita como mucho unos 9&nbsp;GB incluso con 128.000 tokens. La velocidad de escritura tambi\u00e9n cae a medida que crece el contexto: gpt-oss-120b en un M5 Max escribe unos 80 tokens por segundo con un contexto corto, pero solo 14 con 128.000 tokens.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\" id=\"no-toda-la-memoria-es-para-la-gpu\">No toda la memoria es para la GPU<\/h3>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>macOS<\/strong> deja que la GPU use por defecto aproximadamente el 75% de la RAM (Apple no publica la cifra exacta). Un Mac de 64&nbsp;GB ofrece, por tanto, unos 48&nbsp;GB para el modelo, y uno de 128&nbsp;GB, unos 96&nbsp;GB. Puedes subir el l\u00edmite con <code>sudo sysctl iogpu.wired_limit_mb=\u2026<\/code>, pero se restablece al reiniciar.<\/li>\n\n\n<li><strong>Windows en Ryzen AI Max<\/strong> reparte la memoria en la BIOS con una proporci\u00f3n fija: la GPU recibe como m\u00e1ximo 96&nbsp;GB de 128&nbsp;GB. En Linux puede llegar a unos 124&nbsp;GB.<\/li>\n\n\n<li><strong>Los port\u00e1tiles NVIDIA RTX Spark<\/strong> vienen en Windows con un reparto aproximado de 50:50, y como m\u00e1ximo se pueden asignar manualmente 96&nbsp;GB de 128&nbsp;GB. La versi\u00f3n de 32&nbsp;GB solo le da 16&nbsp;GB a la GPU.<\/li>\n\n\n<li><strong>DGX Spark<\/strong> asigna la memoria de forma din\u00e1mica en Linux, as\u00ed que el modelo puede usar la mayor parte de los 128&nbsp;GB.<\/li>\n\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"kvantizace-moe\">Cuantizaci\u00f3n y MoE, explicados de forma sencilla<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La <strong>cuantizaci\u00f3n<\/strong> es una forma de comprimir modelos: en lugar de 16 bits por par\u00e1metro se usan 8 o 4. A 4 bits (con etiquetas como Q4, Q4_K_M o MXFP4), un modelo ocupa m\u00e1s o menos una cuarta parte de su tama\u00f1o original y la calidad baja solo ligeramente; es una opci\u00f3n por defecto razonable para uso dom\u00e9stico. Ocho bits (Q8) es casi sin p\u00e9rdidas, pero ocupa el doble.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Mixture of experts (MoE)<\/strong>, o mezcla de expertos, es una arquitectura en la que el modelo tiene much\u00edsimos par\u00e1metros, pero solo usa una peque\u00f1a parte de ellos para cada palabra. gpt-oss-120b tiene 117.000 millones de par\u00e1metros, pero solo activa unos 5.000 millones en cada paso; Qwen3 30B-A3B, apenas 3.000 millones. Un modelo as\u00ed necesita mucha memoria, pero escribe a la velocidad de uno mucho m\u00e1s peque\u00f1o. Eso hace que los modelos MoE sean ideales para m\u00e1quinas con una memoria compartida grande pero m\u00e1s lenta: DGX Spark, Ryzen AI Max o los Mac. Los modelos densos (Llama 70B, Qwen3 32B), en cambio, leen el modelo entero por cada palabra y van a paso de tortuga con una memoria lenta.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"propustnost\">Ancho de banda de memoria: por qu\u00e9 un Mac escribe m\u00e1s r\u00e1pido que un Spark<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La velocidad de escritura se puede estimar bastante bien: el ancho de banda de memoria dividido entre la cantidad de datos que el modelo tiene que leer por token. Un modelo denso de 70B a 4 bits (~42&nbsp;GB) no puede escribir, por tanto, a m\u00e1s de unos 6\u20137 tokens por segundo en un DGX Spark con 273&nbsp;GB\/s, y las mediciones lo sit\u00faan en torno a 4,4.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><a href=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/propustnost.es_-scaled.webp\"><img loading=\"lazy\" decoding=\"async\" width=\"2560\" height=\"2074\" src=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/propustnost.es_-scaled.webp\" alt=\"Ancho de banda de memoria del hardware para IA local\" class=\"wp-image-29349\" srcset=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/propustnost.es_-scaled.webp 2560w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/propustnost.es_-300x243.webp 300w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/propustnost.es_-1024x829.webp 1024w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/propustnost.es_-768x622.webp 768w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/propustnost.es_-1536x1244.webp 1536w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/propustnost.es_-2048x1659.webp 2048w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/propustnost.es_-610x494.webp 610w\" sizes=\"auto, (max-width: 2560px) 100vw, 2560px\" \/><\/a><figcaption class=\"wp-element-caption\">Ancho de banda de memoria seg\u00fan los fabricantes. Bajo cada nombre aparece la capacidad de memoria que puede usar el modelo.<\/figcaption><\/figure>\n\n\n\n<figure class=\"wp-block-image size-full\"><a href=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/mapa-hardwaru.es_-scaled.webp\"><img loading=\"lazy\" decoding=\"async\" width=\"2560\" height=\"2016\" src=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/mapa-hardwaru.es_-scaled.webp\" alt=\"Mapa del hardware para IA local: capacidad de memoria frente a velocidad\" class=\"wp-image-29350\" srcset=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/mapa-hardwaru.es_-scaled.webp 2560w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/mapa-hardwaru.es_-300x236.webp 300w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/mapa-hardwaru.es_-1024x806.webp 1024w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/mapa-hardwaru.es_-768x605.webp 768w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/mapa-hardwaru.es_-1536x1210.webp 1536w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/mapa-hardwaru.es_-2048x1613.webp 2048w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/mapa-hardwaru.es_-610x480.webp 610w\" sizes=\"auto, (max-width: 2560px) 100vw, 2560px\" \/><\/a><figcaption class=\"wp-element-caption\">Cuanto m\u00e1s a la derecha est\u00e1 un equipo, m\u00e1s grandes son los modelos que caben; cuanto m\u00e1s arriba, m\u00e1s r\u00e1pido escribe.<\/figcaption><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">El mapa deja claro que no existe el dispositivo perfecto. Las tarjetas gr\u00e1ficas de NVIDIA tienen la memoria m\u00e1s r\u00e1pida, pero poca capacidad. DGX Spark, Ryzen AI Max y RTX Spark tienen capacidad de sobra, pero una memoria m\u00e1s lenta. El Mac Studio con M5 Max, y sobre todo con M5 Ultra, combina ambas cosas, a cambio de renunciar a CUDA y de leer el prompt m\u00e1s despacio que NVIDIA.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"srovnani-gpt-oss\">El mismo modelo en distinto hardware<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La comparaci\u00f3n m\u00e1s justa usa el mismo modelo en el mismo programa. Hemos elegido gpt-oss-120b de OpenAI (63&nbsp;GB) y mediciones de llama.cpp, el programa m\u00e1s extendido para ejecutar modelos en local.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><a href=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/gpt-oss-120b.es_-scaled.webp\"><img loading=\"lazy\" decoding=\"async\" width=\"2560\" height=\"1754\" src=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/gpt-oss-120b.es_-scaled.webp\" alt=\"Velocidad de gpt-oss-120b en distinto hardware\" class=\"wp-image-29351\" srcset=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/gpt-oss-120b.es_-scaled.webp 2560w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/gpt-oss-120b.es_-300x206.webp 300w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/gpt-oss-120b.es_-1024x701.webp 1024w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/gpt-oss-120b.es_-768x526.webp 768w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/gpt-oss-120b.es_-1536x1052.webp 1536w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/gpt-oss-120b.es_-2048x1403.webp 2048w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/gpt-oss-120b.es_-610x418.webp 610w\" sizes=\"auto, (max-width: 2560px) 100vw, 2560px\" \/><\/a><figcaption class=\"wp-element-caption\">Escritura y lectura del prompt en llama.cpp. Las cifras del M5 Max y del Ryzen AI Max son mediciones de la comunidad.<\/figcaption><\/figure>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"srovnani\">Todos los dispositivos, frente a frente<\/h2>\n\n\n\n<figure class=\"wp-block-table is-style-stripes\"><table class=\"has-fixed-layout\"><thead><tr><th>Dispositivo<\/th><th>Memoria para IA<\/th><th>Ancho de banda<\/th><th>gpt-oss-120b, escritura<\/th><\/tr><\/thead><tbody><tr><td><a href=\"#mac-studio-m5-max\">Mac Studio M5 Max<\/a><\/td><td>~96&nbsp;GB de 128&nbsp;GB<\/td><td>614&nbsp;GB\/s<\/td><td>105 t\/s\u00b9<\/td><\/tr><tr><td><a href=\"#dgx-spark\">NVIDIA DGX Spark<\/a><\/td><td>128&nbsp;GB<\/td><td>273&nbsp;GB\/s<\/td><td>58,7&nbsp;t\/s<\/td><\/tr><tr><td><a href=\"#rtx-spark-notebooky\">Port\u00e1tiles RTX Spark<\/a><\/td><td>hasta 96&nbsp;GB de 128&nbsp;GB<\/td><td>hasta 300&nbsp;GB\/s<\/td><td>\u2013<\/td><\/tr><tr><td><a href=\"#ryzen-ai-max-395\">Ryzen AI Max+ 395<\/a><\/td><td>96&nbsp;GB (Windows) \/ ~124&nbsp;GB (Linux)<\/td><td>256&nbsp;GB\/s<\/td><td>56,6&nbsp;t\/s<\/td><\/tr><tr><td><a href=\"#mac-studio-m5-ultra\">Mac Studio M5 Ultra<\/a><\/td><td>~192&nbsp;GB de 256&nbsp;GB<\/td><td>1.228&nbsp;GB\/s<\/td><td>\u2013<\/td><\/tr><tr><td><a href=\"#mac-mini-m5-pro\">Mac mini M5 Pro<\/a><\/td><td>~48&nbsp;GB de 64&nbsp;GB<\/td><td>307&nbsp;GB\/s<\/td><td>no cabe<\/td><\/tr><tr><td><a href=\"#mac-mini-m6\">Mac mini M6<\/a><\/td><td>~24&nbsp;GB de 32&nbsp;GB<\/td><td>170&nbsp;GB\/s<\/td><td>no cabe<\/td><\/tr><tr><td><a href=\"#macbook-pro-m5-max\">MacBook Pro M5 Max<\/a><\/td><td>~96&nbsp;GB de 128&nbsp;GB<\/td><td>614&nbsp;GB\/s<\/td><td>105 t\/s\u00b9<\/td><\/tr><tr><td><a href=\"#rtx-5090\">RTX 5090<\/a><\/td><td>32&nbsp;GB<\/td><td>1.792&nbsp;GB\/s<\/td><td>~30 t\/s\u00b2<\/td><\/tr><tr><td><a href=\"#rtx-5060-ti-16gb\">RTX 5060 Ti 16&nbsp;GB<\/a><\/td><td>16&nbsp;GB<\/td><td>448&nbsp;GB\/s<\/td><td>no cabe<\/td><\/tr><tr><td><a href=\"#rtx-5070-ti-vs-5080\">RTX 5070 Ti \/ 5080<\/a><\/td><td>16&nbsp;GB<\/td><td>896 \/ 960&nbsp;GB\/s<\/td><td>no cabe<\/td><\/tr><tr><td><a href=\"#rtx-pro-6000\">RTX PRO 6000 Max-Q<\/a><\/td><td>96&nbsp;GB<\/td><td>1.792&nbsp;GB\/s<\/td><td>170,6&nbsp;t\/s<\/td><\/tr><tr><td><a href=\"#gb10-klony\">GB10 de ASUS, MSI, Lenovo\u2026<\/a><\/td><td>128&nbsp;GB<\/td><td>273&nbsp;GB\/s<\/td><td>~ igual que Spark<\/td><\/tr><tr><td><a href=\"#radeon-ai-pro-r9700\">Radeon AI PRO R9700<\/a><\/td><td>32&nbsp;GB<\/td><td>~640&nbsp;GB\/s<\/td><td>no cabe<\/td><\/tr><tr><td><a href=\"#ai-pc-copilot\">Port\u00e1tiles Copilot+<\/a><\/td><td>~8&nbsp;GB de 16&nbsp;GB<\/td><td>~135&nbsp;GB\/s<\/td><td>no cabe<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">\u00b9 Medici\u00f3n de la comunidad en un MacBook Pro M5 Max con 128&nbsp;GB, llama.cpp. \u00b2 Parte del modelo descargada en la RAM del sistema.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"mac-studio-m5-max\">1. Mac Studio M5 Max: la escritura m\u00e1s r\u00e1pida por tu dinero<\/h2>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe loading=\"lazy\" title=\"Mac Studio M5 Max for local AI: the fastest output for the money. But don&amp;apos;t buy 36 GB\" width=\"720\" height=\"405\" src=\"https:\/\/www.youtube.com\/embed\/Clue9LX1-Ks?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">El Mac Studio con chip M5 Max es hoy la opci\u00f3n m\u00e1s sensata para quien quiere el chat o el agente local m\u00e1s r\u00e1pido posible y no necesita CUDA. Con 614&nbsp;GB\/s de ancho de banda de memoria, la versi\u00f3n de 128&nbsp;GB ejecuta gpt-oss-120b a m\u00e1s de 100 tokens por segundo, casi el doble de r\u00e1pido que un DGX Spark. Los nuevos aceleradores neuronales de cada n\u00facleo de la GPU tambi\u00e9n han acelerado la lectura del prompt, pero solo con software actualizado (consulta la <a href=\"#software\">configuraci\u00f3n de software<\/a>).<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>Memoria:<\/strong> 36, 48, 64 o 128&nbsp;GB \u00b7 <strong>ancho de banda<\/strong> 460&nbsp;GB\/s (36&nbsp;GB) \/ 614&nbsp;GB\/s<\/li>\n\n\n<li><strong>Consumo:<\/strong> 7&nbsp;W en reposo, 200&nbsp;W como m\u00e1ximo<\/li>\n\n\n<li><strong>Puertos:<\/strong> 4\u00d7 Thunderbolt 5, 10GbE<\/li>\n\n\n<li><strong>Ojo:<\/strong> la versi\u00f3n de 36&nbsp;GB tiene una GPU m\u00e1s modesta de 32 n\u00facleos y deja solo unos 27&nbsp;GB para el modelo. A partir de 48&nbsp;GB tienes el chip completo.<\/li>\n\n\n<li><strong>Precio oficial en EE. UU.:<\/strong> desde 2.499 $ (configuraci\u00f3n b\u00e1sica, agosto de 2026)<\/li>\n\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ideal para:<\/strong> chat y agentes con modelos MoE, un servidor de IA dom\u00e9stico silencioso, gente que adem\u00e1s edita v\u00eddeo. <strong>No es para:<\/strong> quien necesite CUDA, vLLM o entrenar modelos.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"dgx-spark\">2. NVIDIA DGX Spark: una estaci\u00f3n para desarrolladores, no una m\u00e1quina de chat<\/h2>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe loading=\"lazy\" title=\"NVIDIA DGX Spark: an AI supercomputer for your desk. What it can and can&amp;apos;t do\" width=\"720\" height=\"405\" src=\"https:\/\/www.youtube.com\/embed\/uko7mfkYCWs?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">El chip GB10 con 128&nbsp;GB de memoria compartida y todo el ecosistema de software de NVIDIA (CUDA, vLLM, TensorRT-LLM) en una caja de 15 \u00d7 15 cm. Lee los prompts m\u00e1s r\u00e1pido que cualquier otra m\u00e1quina peque\u00f1a (2.444 tokens por segundo con gpt-oss-120b), pero con 273&nbsp;GB\/s de ancho de banda escribe m\u00e1s despacio que un Mac: 58,7 tokens por segundo, y solo 4,4 con el denso Llama 70B. Consume 60\u201390&nbsp;W mientras ejecuta un modelo, y se pueden conectar dos unidades con un cable QSFP para modelos de hasta unos 400.000 millones de par\u00e1metros.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>Memoria:<\/strong> 128&nbsp;GB LPDDR5x \u00b7 <strong>ancho de banda<\/strong> 273&nbsp;GB\/s<\/li>\n\n\n<li><strong>GPU:<\/strong> Blackwell, 6.144 n\u00facleos CUDA \u00b7 <strong>rendimiento en IA<\/strong> 1 PFLOP FP4 (con dispersi\u00f3n; en la pr\u00e1ctica, m\u00e1s o menos la mitad)<\/li>\n\n\n<li><strong>Sistema operativo:<\/strong> DGX OS (Ubuntu sobre Arm)<\/li>\n\n\n<li><strong>Precio oficial en EE. UU.:<\/strong> 3.999 $ en el lanzamiento (octubre de 2025), 4.699 $ desde febrero de 2026; ServeTheHome inform\u00f3 en octubre de 2026 de un salto a un nivel de \u00aben torno a 6.950 $\u00bb<\/li>\n\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ideal para:<\/strong> desarrollo con CUDA, agentes de programaci\u00f3n con contextos grandes, ajuste fino (fine-tuning) de hasta 70B. <strong>No es para:<\/strong> chat r\u00e1pido con modelos densos de 70B, Windows y juegos, principiantes.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"rtx-spark-notebooky\">3. Port\u00e1tiles NVIDIA RTX Spark: 128&nbsp;GB en la mochila<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">El chip N1X es un GB10 adaptado a port\u00e1tiles con Windows, con una memoria m\u00e1s r\u00e1pida (hasta 300&nbsp;GB\/s) y un margen de consumo de 45\u201380&nbsp;W. En la prueba de The Register, un port\u00e1til movi\u00f3 Qwen3.6 35B-A3B a 67,6 tokens por segundo, m\u00e1s r\u00e1pido que el DGX Spark de sobremesa. La pega es Windows: la GPU solo recibe una parte fija de la memoria, como m\u00e1ximo 16&nbsp;GB de 32&nbsp;GB, 48&nbsp;GB de 64&nbsp;GB y 96&nbsp;GB de 128&nbsp;GB.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>Memoria:<\/strong> 32, 64 o 128&nbsp;GB \u00b7 <strong>ancho de banda<\/strong> hasta 300&nbsp;GB\/s<\/li>\n\n\n<li><strong>GPU:<\/strong> Blackwell, 6.144 n\u00facleos (en rendimiento, m\u00e1s o menos una RTX 5070 para port\u00e1tiles)<\/li>\n\n\n<li><strong>Sistema operativo:<\/strong> Windows 11 on Arm, CUDA desde la versi\u00f3n 13.4<\/li>\n\n\n<li><strong>Ojo:<\/strong> las primeras unidades (Surface, HP) se colgaron en los an\u00e1lisis tras horas a plena carga; Linux no tiene soporte oficial<\/li>\n\n\n<li><strong>Precio en EE. UU.:<\/strong> desde 2.599 $ (Surface Laptop Ultra con 24&nbsp;GB) hasta 5.899,99 $ (Surface con 128&nbsp;GB), octubre de 2026<\/li>\n\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ideal para:<\/strong> modelos grandes en un port\u00e1til con Windows, agentes de programaci\u00f3n, trabajo creativo. <strong>No es para:<\/strong> la versi\u00f3n de 32&nbsp;GB, entrenamientos largos, software que solo existe para x86.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"ryzen-ai-max-395\">4. Ryzen AI Max+ 395: los 128&nbsp;GB m\u00e1s baratos<\/h2>\n\n\n\n<figure class=\"wp-block-embed is-type-video is-provider-youtube wp-block-embed-youtube wp-embed-aspect-16-9 wp-has-aspect-ratio\"><div class=\"wp-block-embed__wrapper\">\n<iframe loading=\"lazy\" title=\"Ryzen AI Max+ 395 with 128 GB: the cheapest way to big models. What&amp;apos;s the catch?\" width=\"720\" height=\"405\" src=\"https:\/\/www.youtube.com\/embed\/SFSN6lvpyz4?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe>\n<\/div><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Los mini PC con este Ryzen de 16 n\u00facleos y gr\u00e1ficos Radeon 8060S comparten 128&nbsp;GB de memoria. La velocidad de escritura es comparable a la del DGX Spark (gpt-oss-120b a 56,6 tokens por segundo) por aproximadamente la mitad de precio, y funcionan con Windows y Linux, e incluso con juegos. El punto d\u00e9bil es la lectura del prompt: es entre dos y tres veces m\u00e1s lenta que en el Spark y cae con contextos largos, hasta 146 tokens por segundo con el controlador Vulkan y 371 con ROCm.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>Memoria:<\/strong> 128&nbsp;GB LPDDR5x \u00b7 <strong>ancho de banda<\/strong> 256&nbsp;GB\/s (~215 medidos)<\/li>\n\n\n<li><strong>Para la GPU:<\/strong> 96&nbsp;GB en Windows, ~124&nbsp;GB en Linux<\/li>\n\n\n<li><strong>Software:<\/strong> Vulkan o ROCm (gfx1151 tiene soporte oficial desde 2026)<\/li>\n\n\n<li><strong>HP Z2 Mini G1a:<\/strong> cuesta m\u00e1s, pero es una estaci\u00f3n de trabajo certificada con memoria ECC y tres a\u00f1os de garant\u00eda<\/li>\n\n\n<li><strong>Ejemplo de precio en EE. UU.:<\/strong> el Framework Desktop con 128&nbsp;GB sali\u00f3 a 1.999 $ y cuesta 2.459 $ tras la subida del precio de la memoria en 2026<\/li>\n\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ideal para:<\/strong> la m\u00e1xima memoria por el dinero, modelos MoE grandes, chat y res\u00famenes. <strong>No es para:<\/strong> agentes con contextos enormes, CUDA, ni la tableta ROG Flow Z13 con 32\u201364&nbsp;GB para modelos grandes.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"mac-studio-m5-ultra\">5. Mac Studio M5 Ultra: el rey de la memoria<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Hasta 512&nbsp;GB de memoria y 1,2&nbsp;TB\/s de ancho de banda. En el an\u00e1lisis de MacStories, el M5 Ultra ley\u00f3 los prompts cuatro veces m\u00e1s r\u00e1pido que el anterior M3 Ultra y escribi\u00f3 un 50% m\u00e1s deprisa. La versi\u00f3n de 256&nbsp;GB llega a alojar incluso Qwen3&nbsp;235B. Se pueden conectar varias unidades mediante Thunderbolt 5 y RDMA: seg\u00fan Apple, cuatro M5 Ultra ejecutan un modelo de 816.000 millones de par\u00e1metros a 36,7 tokens por segundo.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>Memoria:<\/strong> 96, 256 o 512&nbsp;GB (la de 512&nbsp;GB llega a finales de octubre) \u00b7 <strong>ancho de banda<\/strong> 1.228&nbsp;GB\/s<\/li>\n\n\n<li><strong>Consumo:<\/strong> 9&nbsp;W en reposo, unos 300&nbsp;W ejecutando un modelo<\/li>\n\n\n<li><strong>Puertos:<\/strong> 6\u00d7 Thunderbolt 5<\/li>\n\n\n<li><strong>Ojo:<\/strong> la memoria no se puede ampliar despu\u00e9s; en septiembre, la espera llegaba a 18 semanas<\/li>\n\n\n<li><strong>Precio oficial en EE. UU.:<\/strong> desde 5.499 $ (agosto de 2026); pasar de 96 a 256&nbsp;GB a\u00f1ade 4.000 $<\/li>\n\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ideal para:<\/strong> modelos de 100\u2013250B, agentes con contextos largos, equipos peque\u00f1os. <strong>No es para:<\/strong> modelos de hasta 30B, CUDA, presupuestos ajustados.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"mac-mini-m5-pro\">6. Mac mini M5 Pro: la puerta de entrada sensata<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">El Mac m\u00e1s barato capaz de ejecutar modelos realmente \u00fatiles. 307&nbsp;GB\/s de ancho de banda, hasta 64&nbsp;GB de memoria y Thunderbolt 5. Gracias a los aceleradores neuronales, lee los prompts unas tres veces m\u00e1s r\u00e1pido que el anterior M4 Pro. La versi\u00f3n de 64&nbsp;GB mueve con holgura modelos de hasta 32.000 millones de par\u00e1metros; el denso Llama 70B cabe, pero apenas llega a unos 7 tokens por segundo, y gpt-oss-120b no cabe.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>Memoria:<\/strong> 24, 48 o 64&nbsp;GB \u00b7 <strong>ancho de banda<\/strong> 307&nbsp;GB\/s<\/li>\n\n\n<li><strong>Consumo:<\/strong> 6&nbsp;W en reposo, 145&nbsp;W como m\u00e1ximo \u00b7 pr\u00e1cticamente silencioso en reposo<\/li>\n\n\n<li><strong>Precio oficial en EE. UU.:<\/strong> desde 1.699 $ (configuraci\u00f3n b\u00e1sica, agosto de 2026)<\/li>\n\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ideal para:<\/strong> modelos de 20\u201335B, un servidor de IA dom\u00e9stico silencioso. <strong>No es para:<\/strong> gpt-oss-120b, modelos densos de 70B, la versi\u00f3n de 24&nbsp;GB.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"mac-mini-m6\">7. Mac mini M6: barato, pero no con 16&nbsp;GB<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">El Mac m\u00e1s barato con aceleradores neuronales. Se queda en un m\u00e1ximo de 32&nbsp;GB y 170&nbsp;GB\/s; la versi\u00f3n de 16&nbsp;GB tiene solo 153&nbsp;GB\/s y deja unos 12&nbsp;GB para el modelo. Frente al anterior Mac mini con M4, lee los prompts 4,5 veces m\u00e1s r\u00e1pido y escribe un 50% m\u00e1s deprisa pr\u00e1cticamente por el mismo precio, as\u00ed que no compres el modelo antiguo ni siquiera de oferta.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>Memoria:<\/strong> 16, 24 o 32&nbsp;GB (m\u00e1ximo) \u00b7 <strong>ancho de banda<\/strong> 153 \/ 170&nbsp;GB\/s<\/li>\n\n\n<li><strong>Consumo:<\/strong> 4&nbsp;W en reposo, 70&nbsp;W como m\u00e1ximo<\/li>\n\n\n<li><strong>Ojo:<\/strong> solo tiene Thunderbolt 4, as\u00ed que no se pueden conectar varias unidades<\/li>\n\n\n<li><strong>Precio oficial en EE. UU.:<\/strong> desde 899 $ (configuraci\u00f3n b\u00e1sica, agosto de 2026)<\/li>\n\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ideal para:<\/strong> modelos de 7\u201314B, gpt-oss-20b, Qwen3 30B-A3B. <strong>No es para:<\/strong> la versi\u00f3n de 16&nbsp;GB, modelos de 70B o m\u00e1s.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"macbook-pro-m5-max\">8. MacBook Pro M5 Max: IA para llevar<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">El mismo chip que el Mac Studio y, por tanto, la misma velocidad: el port\u00e1til m\u00e1s r\u00e1pido para modelos locales. Con el mediano Qwen3.6 35B-A3B genera m\u00e1s de 90 tokens por segundo. Eso s\u00ed, la versi\u00f3n de 14 pulgadas reduce su rendimiento con carga sostenida (de 96 a 42&nbsp;W) y la carga est\u00e1 limitada a 97&nbsp;W. Un Mac Studio con el mismo chip y 128&nbsp;GB sale bastante m\u00e1s barato.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>Memoria:<\/strong> 36, 48, 64 o 128&nbsp;GB \u00b7 <strong>ancho de banda<\/strong> 460 \/ 614&nbsp;GB\/s<\/li>\n\n\n<li><strong>Bater\u00eda:<\/strong> 72,4&nbsp;Wh (14&#8243;) \/ 100&nbsp;Wh (16&#8243;)<\/li>\n\n\n<li><strong>Precio oficial en EE. UU.:<\/strong> desde 3.599 $ (14&#8243;) y 3.899 $ (16&#8243;), marzo de 2026; pasar de 64 a 128&nbsp;GB a\u00f1ade 1.000 $<\/li>\n\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ideal para:<\/strong> quien necesita modelos grandes fuera de casa, idealmente el de 16 pulgadas con 64\u2013128&nbsp;GB. <strong>No es para:<\/strong> la versi\u00f3n de 36&nbsp;GB, cargas de trabajo 24\/7, quien trabaja siempre en un escritorio.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"rtx-5090\">9. RTX 5090: la m\u00e1s r\u00e1pida, pero solo 32&nbsp;GB<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">1.792&nbsp;GB\/s de ancho de banda: gpt-oss-20b escribe a casi 300 tokens por segundo, y la tarjeta lee un prompt largo aproximadamente el doble de r\u00e1pido que un Mac Studio con M5 Ultra. Sus 32&nbsp;GB dan cabida a modelos de hasta unos 32.000 millones de par\u00e1metros a 4 bits, incluso con un contexto largo; un modelo de 70.000 millones no cabe. Los modelos MoE grandes se pueden descargar en parte a la RAM del sistema: gpt-oss-120b funciona entonces a unos 30 tokens por segundo.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>Memoria:<\/strong> 32&nbsp;GB GDDR7 \u00b7 <strong>ancho de banda<\/strong> 1.792&nbsp;GB\/s<\/li>\n\n\n<li><strong>Consumo:<\/strong> 575&nbsp;W, se recomienda una fuente de alimentaci\u00f3n de 1.000&nbsp;W<\/li>\n\n\n<li><strong>Precio oficial en EE. UU.:<\/strong> 1.999 $ en el lanzamiento (enero de 2025); en 2026, los precios reales en tienda son muy superiores por la escasez de memoria<\/li>\n\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ideal para:<\/strong> agentes de programaci\u00f3n y RAG con modelos de hasta 32B, desarrollo con CUDA, juegos. <strong>No es para:<\/strong> modelos de 70B o m\u00e1s, un servidor silencioso y de bajo consumo.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"rtx-5060-ti-16gb\">10. RTX 5060 Ti 16&nbsp;GB: la puerta de entrada sensata m\u00e1s barata<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La tarjeta gr\u00e1fica nueva de 16&nbsp;GB m\u00e1s barata. Mueve gpt-oss-20b a unos 92 tokens por segundo, Qwen3 8B a 69 y Qwen3 14B a 41, m\u00e1s r\u00e1pido de lo que eres capaz de leer. Eso s\u00ed, su ancho de banda de memoria es la mitad que el de la RTX 5070 Ti, as\u00ed que escribe m\u00e1s o menos a la mitad de ritmo, y los modelos de unos 30.000 millones de par\u00e1metros no caben en 16&nbsp;GB.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>Memoria:<\/strong> 16&nbsp;GB GDDR7 \u00b7 <strong>ancho de banda<\/strong> 448&nbsp;GB\/s<\/li>\n\n\n<li><strong>Consumo:<\/strong> 180&nbsp;W, basta con una fuente de alimentaci\u00f3n de 600&nbsp;W<\/li>\n\n\n<li><strong>Precio oficial en EE. UU.:<\/strong> 429 $ por la versi\u00f3n de 16&nbsp;GB en el lanzamiento (abril de 2025)<\/li>\n\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ideal para:<\/strong> los primeros experimentos serios, modelos de 8\u201320B, un PC para IA econ\u00f3mico. <strong>No es para:<\/strong> modelos de 27B o m\u00e1s.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"rtx-5070-ti-vs-5080\">11. RTX 5070 Ti frente a RTX 5080: casi id\u00e9nticas para IA<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Las dos tarjetas tienen 16&nbsp;GB y casi el mismo ancho de banda (896 frente a 960&nbsp;GB\/s), as\u00ed que escriben pr\u00e1cticamente a la misma velocidad: 182,4 frente a 184,7 tokens por segundo en la prueba est\u00e1ndar de llama.cpp, y 74 frente a 81 con Qwen3 14B. En ambas caben exactamente los mismos modelos. La 5080 es m\u00e1s r\u00e1pida sobre todo en juegos, y su precio de lanzamiento era 250 $ m\u00e1s alto (999 $ frente a 749 $).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Nuestro consejo:<\/strong> para IA, hazte con la RTX 5070 Ti e invierte lo que ahorras en un SSD m\u00e1s grande o en m\u00e1s RAM. Compra la RTX 5080 solo si vas a usarla sobre todo para jugar.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"rtx-pro-6000\">12. RTX PRO 6000: 96&nbsp;GB en una sola tarjeta<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La \u00fanica tarjeta en la que caben enteros Llama 3.3 70B (32 tokens por segundo), gpt-oss-120b (170,6 tokens por segundo en la versi\u00f3n Max-Q) y Qwen3.5&nbsp;122B (unos 98 tokens por segundo). Gracias a CUDA y vLLM puede atender a varios usuarios a la vez. Se vende como tarjeta suelta o dentro de una estaci\u00f3n de trabajo ya montada.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>Memoria:<\/strong> 96&nbsp;GB GDDR7 con ECC \u00b7 <strong>ancho de banda<\/strong> 1.792&nbsp;GB\/s<\/li>\n\n\n<li><strong>Consumo:<\/strong> 300&nbsp;W (Max-Q); la versi\u00f3n completa de 600&nbsp;W escribe aproximadamente un 13% m\u00e1s r\u00e1pido<\/li>\n\n\n<li><strong>Precio oficial en EE. UU.:<\/strong> 8.565 $ en el lanzamiento; NVIDIA lo subi\u00f3 despu\u00e9s a 13.250 $<\/li>\n\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ideal para:<\/strong> empresas y equipos que quieren ejecutar modelos grandes en sus propias instalaciones o entrenarlos. <strong>No es para:<\/strong> particulares y aficionados.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"gb10-klony\">13. DGX Spark de ASUS, MSI, Lenovo, Dell y Gigabyte: cu\u00e1l elegir<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Otros cinco fabricantes venden el mismo chip GB10 que el DGX Spark. El rendimiento en IA var\u00eda apenas unos pocos puntos porcentuales; las diferencias est\u00e1n en el almacenamiento, la fuente de alimentaci\u00f3n, la refrigeraci\u00f3n y el soporte, y tambi\u00e9n en el precio.<\/p>\n\n\n\n<figure class=\"wp-block-table is-style-stripes\"><table class=\"has-fixed-layout\"><thead><tr><th>Modelo<\/th><th>Almacenamiento<\/th><th>Fuente<\/th><th>Lo que destaca<\/th><\/tr><\/thead><tbody><tr><td>NVIDIA \/ PNY DGX Spark<\/td><td>4&nbsp;TB, autocifrado<\/td><td>240&nbsp;W<\/td><td>el original<\/td><\/tr><tr><td>GIGABYTE AI TOP ATOM<\/td><td>4&nbsp;TB PCIe 5.0<\/td><td>240&nbsp;W<\/td><td>el SSD m\u00e1s r\u00e1pido<\/td><\/tr><tr><td>ASUS Ascent GX10<\/td><td>1&nbsp;TB PCIe 4.0 \/ 4&nbsp;TB PCIe 5.0<\/td><td>240&nbsp;W<\/td><td>bot\u00f3n de encendido frontal<\/td><\/tr><tr><td>Lenovo ThinkStation PGX<\/td><td>1 \/ 2 \/ 4&nbsp;TB, autocifrado<\/td><td>240&nbsp;W<\/td><td>un a\u00f1o de asistencia in situ<\/td><\/tr><tr><td>Dell Pro Max with GB10<\/td><td>PCIe 4.0 (el de 2&nbsp;TB es QLC)<\/td><td>280&nbsp;W<\/td><td>fuente m\u00e1s potente, SSD m\u00e1s caliente<\/td><\/tr><tr><td>MSI EdgeXpert<\/td><td>4&nbsp;TB<\/td><td>\u2013<\/td><td>nuevo, a\u00fan sin pruebas independientes<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Nuestro consejo:<\/strong> el mejor equipamiento por un precio razonable lo ofrece el Gigabyte AI TOP ATOM con 4&nbsp;TB de almacenamiento r\u00e1pido; el punto de partida probado m\u00e1s barato es el ASUS Ascent GX10 con 1&nbsp;TB, que sali\u00f3 en EE. UU. por unos 3.000 $. Si piensas conectar dos unidades, necesitar\u00e1s un cable QSFP. Novedad desde el 23 de octubre de 2026: una versi\u00f3n del GB10 con 64&nbsp;GB que solo venden las marcas asociadas, desde 4.999 $.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"radeon-ai-pro-r9700\">14. Radeon AI PRO R9700: 32&nbsp;GB por una fracci\u00f3n de lo que cuesta una RTX 5090<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La tarjeta nueva con 32&nbsp;GB m\u00e1s barata. En la misma prueba con Vulkan escribe aproximadamente un 40% m\u00e1s despacio que la RTX 5090, pero admite los mismos modelos: en torno a 30.000 millones de par\u00e1metros, incluso con un contexto m\u00e1s largo. gpt-oss-20b y Qwen3 30B-A3B funcionan en ella a m\u00e1s de 150 tokens por segundo. Cuidado con el marketing: lo de \u00abhasta cinco veces m\u00e1s r\u00e1pida que la RTX 5080\u00bb solo se cumple con un modelo que no cabe en 16&nbsp;GB.<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>Memoria:<\/strong> 32&nbsp;GB GDDR6 \u00b7 <strong>ancho de banda<\/strong> ~640&nbsp;GB\/s \u00b7 <strong>consumo<\/strong> 300&nbsp;W<\/li>\n\n\n<li><strong>Software:<\/strong> Vulkan (normalmente escribe m\u00e1s r\u00e1pido) o ROCm (lee el prompt m\u00e1s r\u00e1pido); sin CUDA<\/li>\n\n\n<li><strong>Precio oficial en EE. UU.:<\/strong> 1.299 $ (octubre de 2025)<\/li>\n\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ideal para:<\/strong> modelos de 27\u201332B con contextos largos, varias tarjetas en un mismo PC. <strong>No es para:<\/strong> herramientas que solo funcionan con CUDA, quien busque la m\u00e1xima velocidad.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"ai-pc-copilot\">15. \u00abPC con IA\u00bb y port\u00e1tiles Copilot+: un mito<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Copilot+ es la certificaci\u00f3n de Microsoft para funciones de Windows: efectos de c\u00e1mara, subt\u00edtulos en directo, Recall o el peque\u00f1o modelo integrado Phi Silica. No dice nada sobre la capacidad de ejecutar modelos de lenguaje grandes. Ni Ollama ni LM Studio usan la unidad de procesamiento neuronal (NPU), y llama.cpp solo de forma experimental; la NPU solo la aprovechan herramientas de los propios fabricantes, como Microsoft Foundry Local o AMD Lemonade, con modelos concretos.<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><a href=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/ai-pc-npu.es_-scaled.webp\"><img loading=\"lazy\" decoding=\"async\" width=\"2560\" height=\"1259\" src=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/ai-pc-npu.es_-scaled.webp\" alt=\"Velocidad de escritura de un modelo de 8.000 millones de par\u00e1metros: port\u00e1til Copilot+ frente a tarjeta gr\u00e1fica\" class=\"wp-image-29352\" srcset=\"https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/ai-pc-npu.es_-scaled.webp 2560w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/ai-pc-npu.es_-300x148.webp 300w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/ai-pc-npu.es_-1024x504.webp 1024w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/ai-pc-npu.es_-768x378.webp 768w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/ai-pc-npu.es_-1536x756.webp 1536w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/ai-pc-npu.es_-2048x1007.webp 2048w, https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/ai-pc-npu.es_-610x300.webp 610w\" sizes=\"auto, (max-width: 2560px) 100vw, 2560px\" \/><\/a><figcaption class=\"wp-element-caption\">Incluso una tarjeta gr\u00e1fica barata es varias veces m\u00e1s r\u00e1pida que una NPU con modelos de lenguaje.<\/figcaption><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Adem\u00e1s, estos port\u00e1tiles tienen una memoria con unos 135&nbsp;GB\/s de ancho de banda y 16&nbsp;GB de RAM, lo que deja unos 8&nbsp;GB para el modelo. Sirven para modelos de hasta 4.000 millones de par\u00e1metros y para las funciones de Windows, no para tener \u00abtu propio ChatGPT en casa\u00bb.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Ideal para:<\/strong> ofim\u00e1tica, autonom\u00eda, modelos peque\u00f1os de 1\u20134B. <strong>No es para:<\/strong> quien quiera ejecutar modelos de 14B o m\u00e1s.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"spotreba\">Consumo y costes de funcionamiento<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Si el ordenador va a funcionar como servidor de IA dom\u00e9stico las 24 horas, el consumo y el ruido tambi\u00e9n cuentan.<\/p>\n\n\n\n<figure class=\"wp-block-table is-style-stripes\"><table class=\"has-fixed-layout\"><thead><tr><th>Dispositivo<\/th><th>En reposo<\/th><th>Con un modelo \/ m\u00e1ximo<\/th><th>Nota<\/th><\/tr><\/thead><tbody><tr><td>Mac mini M6<\/td><td>4&nbsp;W<\/td><td>70&nbsp;W m\u00e1x.<\/td><td>pr\u00e1cticamente silencioso<\/td><\/tr><tr><td>Mac mini M5 Pro<\/td><td>6&nbsp;W<\/td><td>145&nbsp;W m\u00e1x.<\/td><td>5&nbsp;dBA en reposo (Apple)<\/td><\/tr><tr><td>Mac Studio M5 Max<\/td><td>7&nbsp;W<\/td><td>200&nbsp;W m\u00e1x.<\/td><td>silencioso<\/td><\/tr><tr><td>Mac Studio M5 Ultra<\/td><td>9&nbsp;W<\/td><td>~300&nbsp;W con IA<\/td><td>silencioso, seg\u00fan los an\u00e1lisis<\/td><\/tr><tr><td>DGX Spark<\/td><td>25\u201345&nbsp;W<\/td><td>60\u201390&nbsp;W con IA, picos de hasta 200&nbsp;W<\/td><td>depende de la versi\u00f3n de firmware<\/td><\/tr><tr><td>Mini PC con Ryzen AI Max+ 395<\/td><td>~13&nbsp;W<\/td><td>120\u2013160&nbsp;W<\/td><td>el HP Z2 Mini es ruidoso con carga<\/td><\/tr><tr><td>RTX 5090 (solo la tarjeta)<\/td><td>\u2013<\/td><td>hasta 575&nbsp;W<\/td><td>m\u00e1s el resto del PC<\/td><\/tr><tr><td>RTX 5060 Ti (solo la tarjeta)<\/td><td>\u2013<\/td><td>hasta 180&nbsp;W<\/td><td><\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p class=\"wp-block-paragraph\">Las cifras proceden de fabricantes y an\u00e1lisis (ServeTheHome, Tom&#8217;s Hardware, Notebookcheck) y no se midieron con el mismo m\u00e9todo: t\u00f3malas como orientaci\u00f3n.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"software\">Software: con qu\u00e9 ejecutar el modelo<\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n\n<li><strong>Ollama<\/strong>: la forma m\u00e1s sencilla de empezar en cualquier plataforma; descargas un modelo con un solo comando. En el Mac, desde la versi\u00f3n 0.19 (todav\u00eda en preview y para modelos concretos) usa MLX y los aceleradores neuronales del M5.<\/li>\n\n\n<li><strong>LM Studio<\/strong>: una aplicaci\u00f3n clara con interfaz gr\u00e1fica. <strong>Consejo para Mac con M5:<\/strong> con modelos GGUF todav\u00eda no usa los aceleradores neuronales y lee los prompts a la mitad de velocidad, m\u00e1s o menos; usa mejor modelos en formato MLX.<\/li>\n\n\n<li><strong>llama.cpp<\/strong>: la base de la mayor\u00eda de las dem\u00e1s herramientas, con m\u00e1s opciones de ajuste que ninguna y el soporte m\u00e1s r\u00e1pido para hardware nuevo. En Ryzen AI Max, prueba los dos backends: Vulkan suele escribir m\u00e1s r\u00e1pido y ROCm lee antes los prompts largos.<\/li>\n\n\n<li><strong>MLX<\/strong>: la biblioteca de Apple, con el mejor rendimiento en Mac, incluida la conexi\u00f3n de varios Mac mediante Thunderbolt 5.<\/li>\n\n\n<li><strong>vLLM, SGLang, TensorRT-LLM<\/strong>: herramientas de servidor para NVIDIA, para cuando un mismo modelo atiende a varios usuarios a la vez.<\/li>\n\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"chyby\">Los errores de compra m\u00e1s habituales<\/h2>\n\n\n\n<ol class=\"wp-block-list\">\n\n<li><strong>Un Mac de 36&nbsp;GB \u00abpara IA\u00bb.<\/strong> Tiene un chip m\u00e1s modesto y deja solo unos 27&nbsp;GB para el modelo.<\/li>\n\n\n<li><strong>Un port\u00e1til RTX Spark con 32&nbsp;GB.<\/strong> Windows le da a la GPU 16&nbsp;GB como m\u00e1ximo.<\/li>\n\n\n<li><strong>Un Mac mini M6 con 16&nbsp;GB.<\/strong> Memoria m\u00e1s lenta y solo unos 12&nbsp;GB para el modelo.<\/li>\n\n\n<li><strong>Un port\u00e1til Copilot+ para IA local.<\/strong> Las herramientas habituales no usan la NPU.<\/li>\n\n\n<li><strong>Una RTX 5080 en lugar de una 5070 Ti solo para IA.<\/strong> Los mismos 16&nbsp;GB y casi la misma velocidad.<\/li>\n\n\n<li><strong>Ignorar el ancho de banda de memoria.<\/strong> Una memoria grande pero lenta implica una escritura lenta con modelos densos.<\/li>\n\n\n<li><strong>Quedarse corto de memoria.<\/strong> En los Mac, en Ryzen AI Max y en RTX Spark la memoria va soldada y no se puede ampliar despu\u00e9s.<\/li>\n\n<\/ol>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"faq\">Preguntas frecuentes<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>\u00bfBastan 16&nbsp;GB para IA local?<\/strong> Para modelos de hasta 14.000\u201320.000 millones de par\u00e1metros, s\u00ed: por ejemplo, gpt-oss-20b o Qwen3 14B. Los modelos de unos 30.000 millones necesitan 24\u201332&nbsp;GB, y los de 70.000 millones, al menos 48&nbsp;GB.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>\u00bfMac o NVIDIA?<\/strong> Un Mac escribe m\u00e1s r\u00e1pido y te da m\u00e1s memoria por el dinero; NVIDIA lee los prompts m\u00e1s r\u00e1pido y tiene CUDA. Para chat y agentes con modelos MoE gana el Mac; para desarrollo, entrenamiento y dar servicio a varios usuarios, gana NVIDIA.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>\u00bfQu\u00e9 significa \u00abMoE\u00bb?<\/strong> Mixture of experts (mezcla de expertos): el modelo tiene muchos par\u00e1metros, pero solo usa una peque\u00f1a parte de ellos para cada palabra. Necesita mucha memoria, pero escribe a la velocidad de un modelo m\u00e1s peque\u00f1o.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>\u00bfA qu\u00e9 velocidad tiene que escribir un modelo?<\/strong> Unos 15 tokens por segundo equivalen a la velocidad de lectura. Para un chat fluido resultan c\u00f3modos 30 o m\u00e1s; para agentes de programaci\u00f3n que generan mucho texto, mejor 50 o m\u00e1s.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>\u00bfSale la IA local m\u00e1s barata que una suscripci\u00f3n?<\/strong> Por lo general, no: los modelos comparables a los mejores servicios en la nube necesitan m\u00e1quinas que cuestan muchos miles de d\u00f3lares. Las razones principales son la privacidad, el control sobre tus datos y la independencia.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>\u00bfPuedo conectar varios ordenadores?<\/strong> S\u00ed. Dos DGX Spark se conectan con un cable QSFP, y los Mac con Thunderbolt 5 mediante RDMA (con MLX o exo). El Mac mini M6 no puede hacerlo porque solo tiene Thunderbolt 4.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"zdroje\">C\u00f3mo hemos comparado y fuentes<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">No hemos probado los dispositivos nosotros mismos. Las cifras proceden de fuentes verificadas y siempre las citamos en los gr\u00e1ficos. Comparamos la velocidad en un \u00fanico programa (llama.cpp), porque otro programa u otra cuantizaci\u00f3n pueden desplazar f\u00e1cilmente los resultados entre un 20 y un 50%. Las mediciones de la comunidad (GitHub, foros) est\u00e1n se\u00f1aladas. Los precios son precios oficiales en EE. UU. tomados de anuncios de los fabricantes y de an\u00e1lisis, con su fecha.<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n\n<li>Modelo que se desborda a la RAM, RTX 5060 Ti: <a href=\"https:\/\/inventivehq.com\/blog\/vram-offload-cliff-gpu-layers-benchmark\" rel=\"noopener\" target=\"_blank\">inventivehq.com\/blog\/vram-offload-cliff-gpu-layers-benchmark<\/a><\/li>\n\n\n<li>Benchmark de DGX Spark: <a href=\"https:\/\/github.com\/ggml-org\/llama.cpp\/blob\/master\/benches\/dgx-spark\/dgx-spark.md\" rel=\"noopener\" target=\"_blank\">github.com\/ggml-org\/llama.cpp\/blob\/master\/benches\/dgx-spark\/dgx-spark.md<\/a><\/li>\n\n\n<li>Gu\u00eda de gpt-oss y mediciones en GPU: <a href=\"https:\/\/github.com\/ggml-org\/llama.cpp\/discussions\/15396\" rel=\"noopener\" target=\"_blank\">github.com\/ggml-org\/llama.cpp\/discussions\/15396<\/a><\/li>\n\n\n<li>M5 Max y LM Studio: <a href=\"https:\/\/github.com\/lmstudio-ai\/lmstudio-bug-tracker\/issues\/2040\" rel=\"noopener\" target=\"_blank\">github.com\/lmstudio-ai\/lmstudio-bug-tracker\/issues\/2040<\/a><\/li>\n\n\n<li>Ryzen AI Max (Strix Halo): <a href=\"https:\/\/strix-halo-toolboxes.com\" rel=\"noopener\" target=\"_blank\">strix-halo-toolboxes.com<\/a>, <a href=\"https:\/\/llm-tracker.info\/_TOORG\/Strix-Halo\" rel=\"noopener\" target=\"_blank\">llm-tracker.info\/_TOORG\/Strix-Halo<\/a><\/li>\n\n\n<li>Apple: <a href=\"https:\/\/apple.com\/mac-studio\/specs\" rel=\"noopener\" target=\"_blank\">apple.com\/mac-studio\/specs<\/a>, <a href=\"https:\/\/apple.com\/mac-mini\/specs\" rel=\"noopener\" target=\"_blank\">apple.com\/mac-mini\/specs<\/a>, <a href=\"https:\/\/machinelearning.apple.com\/research\/mlx-distributed-inference\" rel=\"noopener\" target=\"_blank\">machinelearning.apple.com\/research\/mlx-distributed-inference<\/a><\/li>\n\n\n<li>M5 Ultra: <a href=\"https:\/\/macstories.net\/stories\/m5-ultra-mac-studio-review-the-dream-mac-for-local-ai-agents\" rel=\"noopener\" target=\"_blank\">macstories.net\/stories\/m5-ultra-mac-studio-review-the-dream-mac-for-local-ai-agents<\/a><\/li>\n\n\n<li>RTX Spark: <a href=\"https:\/\/theregister.com\" rel=\"noopener\" target=\"_blank\">theregister.com<\/a> (16 de octubre de 2026), <a href=\"https:\/\/servethehome.com\" rel=\"noopener\" target=\"_blank\">servethehome.com<\/a>, <a href=\"https:\/\/storagereview.com\" rel=\"noopener\" target=\"_blank\">storagereview.com<\/a><\/li>\n\n\n<li>Tarjetas gr\u00e1ficas GeForce: <a href=\"https:\/\/nvidia.com\/en-us\/geforce\/graphics-cards\/compare\" rel=\"noopener\" target=\"_blank\">nvidia.com\/en-us\/geforce\/graphics-cards\/compare<\/a>, <a href=\"https:\/\/hardware-corner.net\/gpu-llm-benchmarks\" rel=\"noopener\" target=\"_blank\">hardware-corner.net\/gpu-llm-benchmarks<\/a><\/li>\n\n\n<li>Clasificaciones de llama.cpp: <a href=\"https:\/\/github.com\/ggml-org\/llama.cpp\/discussions\/15013\" rel=\"noopener\" target=\"_blank\">github.com\/ggml-org\/llama.cpp\/discussions\/15013<\/a> y \/10879<\/li>\n\n\n<li>PC Copilot+: <a href=\"https:\/\/microsoft.com\/windows\/windows-11-specifications\" rel=\"noopener\" target=\"_blank\">microsoft.com\/windows\/windows-11-specifications<\/a>, <a href=\"https:\/\/docs.ollama.com\/gpu\" rel=\"noopener\" target=\"_blank\">docs.ollama.com\/gpu<\/a>, <a href=\"https:\/\/fastflowlm.com\" rel=\"noopener\" target=\"_blank\">fastflowlm.com<\/a><\/li>\n\n\n<li>Tama\u00f1os de los modelos: <a href=\"https:\/\/huggingface.co\" rel=\"noopener\" target=\"_blank\">huggingface.co<\/a> (repositorios de ggml-org, unsloth y bartowski)<\/li>\n\n\n<li>Precios: Apple Newsroom, NVIDIA Newsroom y foros para desarrolladores, <a href=\"https:\/\/servethehome.com\" rel=\"noopener\" target=\"_blank\">servethehome.com<\/a>, <a href=\"https:\/\/storagereview.com\" rel=\"noopener\" target=\"_blank\">storagereview.com<\/a>, <a href=\"https:\/\/notebookcheck.net\" rel=\"noopener\" target=\"_blank\">notebookcheck.net<\/a>, <a href=\"https:\/\/tomshardware.com\" rel=\"noopener\" target=\"_blank\">tomshardware.com<\/a><\/li>\n\n<\/ol>\n\n\n\n<div class=\"kk-star-ratings kksr-auto kksr-align-center kksr-valign-bottom\"\n    data-payload='{&quot;align&quot;:&quot;center&quot;,&quot;id&quot;:&quot;29354&quot;,&quot;slug&quot;:&quot;default&quot;,&quot;valign&quot;:&quot;bottom&quot;,&quot;ignore&quot;:&quot;&quot;,&quot;reference&quot;:&quot;auto&quot;,&quot;class&quot;:&quot;&quot;,&quot;count&quot;:&quot;0&quot;,&quot;legendonly&quot;:&quot;&quot;,&quot;readonly&quot;:&quot;&quot;,&quot;score&quot;:&quot;0&quot;,&quot;starsonly&quot;:&quot;&quot;,&quot;best&quot;:&quot;5&quot;,&quot;gap&quot;:&quot;5&quot;,&quot;greet&quot;:&quot;Rate this post&quot;,&quot;legend&quot;:&quot;0\\\/5 - (0 votos)&quot;,&quot;size&quot;:&quot;24&quot;,&quot;title&quot;:&quot;Hardware para IA local en 2026: c\u00f3mo elegir un ordenador para ejecutar LLM en casa&quot;,&quot;width&quot;:&quot;0&quot;,&quot;_legend&quot;:&quot;{score}\\\/{best} - ({count} {votes})&quot;,&quot;font_factor&quot;:&quot;1.25&quot;}'>\n            \n<div class=\"kksr-stars\">\n    \n<div class=\"kksr-stars-inactive\">\n            <div class=\"kksr-star\" data-star=\"1\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"2\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"3\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"4\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" data-star=\"5\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n    <\/div>\n    \n<div class=\"kksr-stars-active\" style=\"width: 0px;\">\n            <div class=\"kksr-star\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n            <div class=\"kksr-star\" style=\"padding-right: 5px\">\n            \n\n<div class=\"kksr-icon\" style=\"width: 24px; height: 24px;\"><\/div>\n        <\/div>\n    <\/div>\n<\/div>\n                \n\n<div class=\"kksr-legend\" style=\"font-size: 19.2px;\">\n            <span class=\"kksr-muted\">Rate this post<\/span>\n    <\/div>\n    <\/div>\n","protected":false},"excerpt":{"rendered":"<p>Para ejecutar modelos de lenguaje en casa importan sobre todo la memoria y su ancho de banda, no los TOPS. Comparamos Mac, DGX Spark, Ryzen AI Max y tarjetas RTX con cifras verificadas y recomendaciones por categor\u00eda.<\/p>\n","protected":false},"author":1,"featured_media":29353,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_kad_blocks_custom_css":"","_kad_blocks_head_custom_js":"","_kad_blocks_body_custom_js":"","_kad_blocks_footer_custom_js":"","_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"_kad_post_classname":"","_wrc_toc":"on","_wrc_buttons_enabled":false,"_wrc_buttons":[],"hide-affiliate-disclaimer":"","_wrc_hide_banners":"","footnotes":""},"categories":[120,173,120],"tags":[],"class_list":["post-29354","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-inteligencia-artificial","category-guides"],"taxonomy_info":{"category":[{"value":120,"label":"Inteligencia artificial"},{"value":173,"label":"Guides"},{"value":120,"label":"Inteligencia artificial"}]},"featured_image_src_large":["https:\/\/www.websiteradar.net\/wp-content\/uploads\/2026\/10\/B3-18617-1-1024x585.png",1024,585,true],"author_info":{"display_name":"Tom\u00e1\u0161 Mahr\u00edk","author_link":"https:\/\/www.websiteradar.net\/es\/author\/maho125\/"},"comment_info":0,"category_info":[{"term_id":120,"name":"Inteligencia artificial","slug":"inteligencia-artificial","term_group":0,"term_taxonomy_id":120,"taxonomy":"category","description":"","parent":0,"count":3,"filter":"raw","cat_ID":120,"category_count":3,"category_description":"","cat_name":"Inteligencia artificial","category_nicename":"inteligencia-artificial","category_parent":0},{"term_id":173,"name":"Guides","slug":"guides","term_group":0,"term_taxonomy_id":173,"taxonomy":"category","description":"","parent":0,"count":20,"filter":"raw","cat_ID":173,"category_count":20,"category_description":"","cat_name":"Guides","category_nicename":"guides","category_parent":0},{"term_id":120,"name":"Inteligencia artificial","slug":"inteligencia-artificial","term_group":0,"term_taxonomy_id":120,"taxonomy":"category","description":"","parent":0,"count":3,"filter":"raw","cat_ID":120,"category_count":3,"category_description":"","cat_name":"Inteligencia artificial","category_nicename":"inteligencia-artificial","category_parent":0}],"tag_info":false,"_links":{"self":[{"href":"https:\/\/www.websiteradar.net\/es\/wp-json\/wp\/v2\/posts\/29354","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.websiteradar.net\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.websiteradar.net\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.websiteradar.net\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.websiteradar.net\/es\/wp-json\/wp\/v2\/comments?post=29354"}],"version-history":[{"count":2,"href":"https:\/\/www.websiteradar.net\/es\/wp-json\/wp\/v2\/posts\/29354\/revisions"}],"predecessor-version":[{"id":29400,"href":"https:\/\/www.websiteradar.net\/es\/wp-json\/wp\/v2\/posts\/29354\/revisions\/29400"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.websiteradar.net\/es\/wp-json\/wp\/v2\/media\/29353"}],"wp:attachment":[{"href":"https:\/\/www.websiteradar.net\/es\/wp-json\/wp\/v2\/media?parent=29354"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.websiteradar.net\/es\/wp-json\/wp\/v2\/categories?post=29354"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.websiteradar.net\/es\/wp-json\/wp\/v2\/tags?post=29354"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}