Mejores PCs para IA local 2026: 21 montajes testados

La mayoría de la gente que pregunta «¿necesito un PC potente para IA?» no necesita uno. Si quieres usar Claude para el trabajo diario —escritura, código, análisis, las cosas conversacionales en las que Claude es bueno— el cliente de chat corre en un MacBook de 2019 con 8 GB de RAM y nunca notarás la máquina. Empieza con la guía para principiantes y vuelve aquí cuando las facturas de API empiecen a acumularse o quieras probar algo que los modelos en la nube no ejecuten por ti. ¿Nuevo en Claude? Puedes registrarte para una semana gratis de Claude Code aquí.

Esa decisión es cada vez más difícil de aplazar. El anuncio conjunto reciente de NVIDIA y Microsoft básicamente cartografió la próxima década de la informática personal: cada PC con Windows ejecutando agentes de IA en el sistema operativo, en el hardware, superordenadores de escritorio para cada operador informático. La computación que solía necesitar un datacenter se encamina hacia el escritorio, y la gente que ya ha hecho el trabajo de ejecutar sus propios modelos será la que esté lista para ello.

Hace unos dieciocho meses me compré una RTX 3090 de segunda mano, sobre todo porque estaba harto de pagar costes de API cada vez que quería experimentar con un modelo. Descargaba un modelo de 13B, chateaba con él, probaba uno más grande, golpeaba el muro de VRAM e inmediatamente empezaba a pensar en una segunda tarjeta. La 3090 se convirtió en una estación de trabajo Threadripper PRO 5995WX con seis GPUs NVIDIA Ada y 104 GB de VRAM, en mi oficina, funcionando todo el día. Incluso he construido un MCP para que Claude Code trabaje con mi LLM local (ejecutando LM Studio). Una RTX 3060 12GB de 200 £ ejecuta Llama 3.1 8B a unos 42 tokens por segundo en mi propio banco. ¿Miles de libras? No hace falta. Pero sí necesitas saber qué número único de la hoja de especificaciones importa, porque la mayoría no importan.

A continuación: los errores de hardware y los hallazgos afortunados, desde una GPU de 200 £ metida en mi PC de trabajo hasta mini PCs con 128 GB de memoria unificada ejecutando modelos de 70B desde debajo de un escritorio.

Navegación rápida

Salta directamente a lo que buscas:

Salta al buscador de PCs | VRAM y cuantización | Secretos de hardware | Económico (por debajo de 800 £) | Benchmarks de RTX 3060 | Mini PCs para IA | Gama media (800 £-3.000 £) | Premium (3.000 £+) | ¿Importa la CPU? | Pila de software | Tabla comparativa

¿Solo quieres una recomendación? Usa el buscador de PCs

Si ya sabes más o menos qué quieres hacer (ejecutar un modelo de 70B, generar imágenes, mover un agente de código local) y cuánto quieres gastar, desplázate por el selector de abajo. Filtra 17 montajes comprobados a mano de Stormforce, Apple, Framework y NVIDIA en seis niveles. Los precios vienen de feeds de comerciantes en vivo y los reComprobamos cada pocas semanas.

Si quieres entender por qué un nivel concreto te encaja, sigue leyendo tras el buscador. El artículo está estructurado para que puedas pararte en la recomendación que te encaje, o seguir para el razonamiento completo de hardware.

Las selecciones de arriba son deliberadamente estrechas. Hay cientos de PCs que técnicamente podrían ejecutar un modelo local. Estos son los que yo compraría o recomendaría a un amigo en cada nivel, con los intercambios señalados en las notas de cada tarjeta. El resto del artículo explica por qué la VRAM es el único número que importa y dónde cada nivel golpea su techo.

El número que importa

Algo que he aprendido montando estos equipos: cuando se trata de estaciones de trabajo PC, la VRAM de la GPU lo decide todo. No la frecuencia de reloj, no los núcleos CUDA, no el número que NVIDIA pone en la caja. Si un modelo cabe en la memoria de tu GPU, corre lo bastante rápido. Si no cabe, estás a dos tokens por segundo porque tu máquina probablemente intentará meter el resto del modelo en tu RAM principal: sigue funcionando, pero ¡leeeeento!

La gente complica esto en exceso. Aquí está la matemática básica: cada parámetro de tu modelo tiene que sentarse en memoria en algún sitio, no puedes esquivar eso. A plena precisión (FP16), un parámetro te cuesta 2 bytes. Un modelo de 70 mil millones de parámetros a plena precisión son 140 GB. Ninguna GPU de consumo del planeta tiene esa VRAM, todavía. Incluso 3 de esas tarjetas «4090D» modificadas de 48 GB que ves en eBay probablemente se derretirían. (Hay «4090 D» en eBay a las que se les ha cambiado la placa para alojar 48 GB. Estoy tan, tan tentado: las placas salen de las mismas fábricas que las tarjetas de NVIDIA, cambian el chip de la GPU y le ponen mejor RAM. Mucho menos sospechoso de lo que creerías.)

La cuantización arregla esto. Comprime esos miles de millones de parámetros a 4 bits (Q4 K M es el formato que verás por todas partes) y cada uno cae a aproximadamente medio byte. Ese modelo de 70B pasa de 140 GB a unos 40 GB: dos RTX 3090 de segunda mano con margen para la sobrecarga de la ventana de contexto. Llevo unos seis meses ejecutando Qwen 3 Coder Next a cuantización Q6 en mi propio equipo y no noto ninguna diferencia de calidad respecto a plena precisión en las tareas que le pongo. Escribí todo el proceso en mi guía de configuración de LM Studio si quieres probar lo mismo en tu equipo.

Algo que ha cambiado desde que escribí este artículo por primera vez: Llama 4 Scout aterrizó con 109B parámetros totales en una arquitectura Mixture-of-Experts. Solo 17B parámetros están activos en cada momento, pero los modelos MoE necesitan todos los parámetros cargados en memoria. Eso significa ~55-70 GB de VRAM solo para cargarlo a INT4. Una sola RTX 4090 no puede tocarlo. Esto está empujando a la gente hacia máquinas de memoria unificada con mucha RAM (los mini PCs de abajo) o montajes multi-GPU. La carrera armamentística de VRAM no se ralentiza.

Guía rápida de VRAM

¿Qué tamaño de modelo puede correr en tu VRAM? Cuidado: las 3080 tienen versiones de 10 GB, así que ojo si compras de segunda mano en eBay.

No olvides la caché KV por encima de esto: almacena el estado de tu conversación y crece con la longitud del contexto. A 32k tokens, presupuesta otros 2-4 GB, lo que me pilló la primera vez que intenté meter un 34B en una tarjeta de 24 GB.

Secretos de hardware para LLM locales

Aquí hay tres trozos de sabiduría de hardware que he tenido que aprender por la cara cara.

Una tarjeta rápida vence a dos lentas

Matemática tentadora: dos RTX 3060 12GB te dan 24 GB totales. Misma VRAM que una sola 3090. Misma capacidad, velocidad completamente distinta. Este fue un gran error por mi parte: me compré un array de RTX 4000 y 4500 Ada de generación ganga; la mezcla de tarjetas y el volumen de ellas fue un error. Funciona, pero creo que pierdo al menos un 20% del rendimiento por todos los carriles PCI en juego.

Digital Spaceport hizo los números. Una sola 3090 llega a 28 tokens por segundo en Gemma 3 27B a Q4. ¿La configuración dual 3060? Seis. En exactamente el mismo modelo. Repartir un modelo entre GPUs por PCIe —sharding, lo llaman— mata el rendimiento porque las tarjetas pasan más tiempo hablándose entre ellas que haciendo inferencia. De verdad, de verdad, desearía haberlo entendido antes de vender mis 3090 de mis días de minería de GPU.

¿Cuándo funciona multi-GPU? Cuando el modelo necesita ambas tarjetas de todos modos. Dos 3090 ejecutando un modelo de 70B que requiere 48 GB de VRAM va bien: de quince a veinte tok/s con NVLink. Pero no compres dos tarjetas baratas esperando que igualen a una cara. No lo harán. No mezcles generaciones de tarjetas, no mezcles números de VRAM, y la mayoría de placas base de consumo «gaming» no soportan PCI completo de 16 canales en más de uno de los slots PCI. Simple es el mejor enfoque.

NVLink para ajuste fino multi-GPU

Algo que no esperaba cuando añadí mi segunda GPU: la conexión entre las tarjetas acaba importando casi tanto como las tarjetas mismas en casos de uso específicos. Lo que hace NVLink es dar a las GPUs su propia autopista privada: 112,5 GB/s bidireccional. Compáralo con el PCIe 4.0 x8 normal, que llega como mucho a unos 16 GB/s. Unas siete veces más lento, y lo notas en la práctica.

La salvedad: NVLink es mejor para el rendimiento del ajuste fino, no para la inferencia (¡chat!): en fin.

Apple Silicon: capacidad sobre velocidad

Un Mac Studio M3 Ultra con 192 GB de memoria unificada puede cargar modelos que necesitarían cuatro GPUs NVIDIA discretas en un PC. Toda esa RAM es accesible por la GPU. Sin cuello de botella PCIe, sin penalización por sharding. Casi silencioso, también, lo cual importa si (como yo) trabajas en la misma habitación que el hardware.

En velocidad, NVIDIA es más rápida: unas 2-3x en modelos que caben en su VRAM. Un PC dual 3090 hace 15-20 tok/s en 70B; el M3 Ultra logra 8-12 tok/s en el mismo modelo. Donde el Mac se adelanta es en modelos por encima de 100B parámetros que el PC no puede tocar sin un montaje quad-GPU y, francamente, para tareas de investigación donde ejecutas modelos enormes en lugar de chatear interactivamente, tiene más sentido del que la gente le reconoce.

La memoria unificada lo cambia todo

Esto es lo que cambió en 2026. Apple probó el concepto con Apple Silicon hace años, pero ahora los chips Strix Halo de AMD llevan la misma arquitectura de memoria unificada a PCs con Windows. El Framework Desktop, el Corsair AI Workstation 300 y el GMKtec EVO-X2 montan todos 128 GB de memoria compartida a la que la GPU integrada accede directamente. Sin bus PCIe, sin sharding. Cargas un modelo de 70B en memoria y la GPU simplemente… lo usa.

El intercambio es la velocidad. Estas GPUs integradas son más lentas que una tarjeta RTX dedicada en modelos que caben en VRAM discreta. Pero para modelos que no caben —70B, Llama 4 Scout, cualquier cosa MoE—, las máquinas de memoria unificada son la única opción por debajo de 3.000 £ que no implica múltiples GPUs y un diagrama de cableado. Entré en todo esto en mi guía de principiantes de mini PCs de IA y el DGX Spark: merece la pena leerla si lo de la memoria unificada es nuevo para ti.

Económico: por debajo de 800 £

RTX 3060 12GB

La forma más barata de entrar en IA local seria. Doce gigabytes de VRAM a 170 W de TDP, ejecutando modelos de 7B en Q8 o modelos de 13B en Q4: Llama 3, Mistral, Phi-3, todos los modelos pequeños capaces que han salido este último año.

¿Por qué esta sobre una RTX 4060 más nueva? Porque la 4060 solo se envía con 8 GB de VRAM, y para trabajo de IA, 12 GB de una generación anterior vence a 8 GB de una más nueva, siempre: prácticamente consenso en la comunidad de LLM locales a estas alturas. Pilla una por unas 200 £ en Amazon, combínala con una estación de trabajo HP Z440 de segunda mano de eBay (unos 100 £) y tienes un equipo de IA completo por menos de 350 £. El sistema consume unos 65 vatios en reposo.

RTX 3060 12GB: benchmarks reales

La gente sigue buscando números concretos de esta tarjeta, así que aquí están. Son benchmarks de la comunidad de Hardware Corner y Digital Spaceport, confirmados contra mis propias pruebas donde he podido:

El punto dulce del 14B es la sorpresa. Treinta tokens por segundo en Qwen 2.5 14B a 5-bit EXL2: a esa velocidad se me olvida que lo ejecuto en local en lugar de pegarme a una API. El techo duro golpea sobre los 20B parámetros, y a partir de ahí te vuelcas a la RAM del sistema y cae a un dígito. Aún utilizable si lo procesas por lotes durante la noche, pero no para chat interactivo.

Si ejecutas ExLlamaV2 (como deberías para inferencia solo-GPU en NVIDIA), el ancho de banda de memoria de 360 GB/s de la 3060 supera a la RTX 4060 en generación de tokens. La arquitectura más nueva no importa cuando no tienes suficiente VRAM.

Rey del presupuesto

NVIDIA RTX 3060 12GB

~200 £

• VRAM 12GB GDDR6
• Mejor para modelos de 7-14B, entrada económica

«42 tok/s en Llama 3 8B»

Consultar precio en Amazon

Nuevo contendiente

AMD RX 9060 XT 16GB

~300 £

• VRAM 16GB GDDR6
• Mejor para modelos de 7-14B, presupuesto preparado para el futuro

«16GB maneja 14B en Q8 holgadamente»

Consultar precio en Amazon

RX 9060 XT 16GB (la nueva opción económica de AMD)

Vale la pena conocerla si compras nueva en 2026. Dieciséis gigabytes de GDDR6 en la arquitectura RDNA 4 de AMD por unas 300 £. Cuatro gigas extra sobre la RTX 3060 significa que los modelos de 14B en Q8 caben holgadamente, y puedes meter modelos de 24B con una cuantización agresiva.

El hándicap es el software. La pila ROCm de AMD para cargas de IA ha mejorado fuerte en el último año, pero sigue por detrás de CUDA en compatibilidad y soporte de la comunidad. La mayoría de herramientas de LLM local funcionan: Ollama, llama.cpp, LM Studio soportan AMD ahora, pero te toparás con más casos límite que en NVIDIA. Si te apañas depurando, la VRAM extra merece la pena. Si quieres que todo funcione a la primera, la RTX 3060 sigue siendo la compra más segura.

RTX 3090 24GB (de segunda mano/reacondicionada)

Sí, tiene dos generaciones. La comunidad de IA local se encogió colectivamente de hombros ante eso hace tiempos y siguió comprándolas.

Veinticuatro gigabytes de GDDR6X manejan modelos de 34B en Q4 o 70B con cuantización ajustada. Tuve una de estas durante un año antes de que se construyera el Threadripper, y mirando atrás estoy levemente avergonzado de lo mucho que subestimé durante tanto tiempo lo que una sola tarjeta de 24 GB podía manejar. Los benchmarks de la comunidad de Digital Spaceport muestran 28-36 tok/s en modelos de 14B, 28 tok/s en Gemma 3 27B Q4. Nada por debajo de mil se acerca a esa combinación de capacidad y velocidad, y tiene soporte NVLink para cuando inevitablemente quieras añadir una segunda.

Las tarjetas reacondicionadas cuestan 650-800 £ en Amazon. La mayoría de vendedores te dan unos 90 días de garantía. Algo arriesgado, pero no he oído de tasas de fallo generalizadas en la comunidad de IA. Si planeas multi-GPU más adelante, busca tarjetas de estilo blower: expulsan el calor por la parte trasera en lugar de verterlo sobre la tarjeta de arriba. El TDP de 350 W por tarjeta se acumula rápido cuando tienes dos en la misma caja.

Mini PCs para IA

Esta es la sección que no existía cuando escribí el artículo por primera vez, y es el mayor cambio desde la primera versión. Todo el panorama se desplazó cuando AMD lanzó Strix Halo: un chip de clase portátil con 128 GB de memoria unificada a la que la GPU integrada accede directamente. De pronto puedes ejecutar modelos de 70B desde una caja que cabe en una estantería y consume 120 W. Sin GPU discreta necesaria.

Cubrí la tecnología en profundidad en mi guía de principiantes de mini PCs de IA y el DGX Spark, pero aquí está la guía de compra práctica.

Framework Desktop (128 GB)

Sinceramente, si empezara desde cero hoy, probablemente aquí iría mi dinero. AMD Ryzen AI Max+ 395, 128 GB de memoria unificada LPDDR5X, metidos en una caja de 4,5 litros que Framework codesarrolló con Cooler Master y Noctua. Y porque es Framework, todo es modular: puedes cambiar las losetas del panel frontal, los ventiladores, incluso imprimir en 3D piezas personalizadas.

96 GB de esos 128 GB son asignables a la GPU. Ejecuta modelos de 70B. Llama 4 Scout cabe (justo). Casi silencioso bajo carga de inferencia.

El hándicap: los precios de LPDDR5X se han disparado. Framework preciosó originalmente el modelo de 128 GB en 1.999 $ pero ahora está en unos 2.459 $ (~1.970 £) debido a restricciones de suministro de memoria. Sigue siendo la máquina de 128 GB de memoria unificada más barata que puedes comprar, y el diseño modular significa que no tiras todo cuando llega la próxima generación de chip.

Corsair AI Workstation 300

La respuesta de Corsair a la misma pregunta. Mismo chip Strix Halo, mismos 128 GB de LPDDR5X, pero en el chasis compacto de 4,4 litros propio de Corsair con una fuente Flex ATX de 300 W. Se envía ahora a unos 2.500 $ (~2.000 £).

Menos modular que Framework, pero la calidad de construcción y la refrigeración de Corsair están probadas. Si ya confías en el hardware de Corsair (y la mitad de la comunidad de PC gaming lo hace), esta es la ruta de menor resistencia hacia la IA con memoria unificada.

GMKtec EVO-X2

La entrada sorpresa que arrancó toda esta categoría de mini PC. Mismo AMD Ryzen AI Max+ 395, misma opción de 128 GB, enfoque de refrigeración ligeramente distinto. Unas 2.000-2.500 £ en Amazon.

Fue el primero en salir al mercado y las primeras reviews son sólidas. La velocidad no igualará a una 3090, ojo: en algún lugar de 10-15 tok/s en modelos de 27B por lo que he visto. Para una caja de inferencia siempre encendida que maneja 70B desde debajo de tu escritorio sin despertar la casa, sin embargo, no he encontrado nada más en este rango. Además espero ver mini PCs Strix Halo de primera gen en eBay por 500-600 £ dentro de dos años, cuando llegue la próxima generación de chip.

Framework Desktop

1.970 £

• 128 GB de memoria unificada
• AMD Strix Halo
• Caja de 4,5 L

«Modular, reparable»

Ver en Framework →

Corsair AI Workstation 300

~2.000 £

• 128 GB de memoria unificada
• AMD Strix Halo
• Caja de 4,4 L

«Se envía ahora»

Ver en Corsair →

GMKtec EVO-X2

2.000 £ – 2.500 £

• 128 GB de memoria unificada
• AMD Strix Halo
• Formato mini PC

«96 GB de VRAM asignable»

Consultar precio en Amazon →

NVIDIA DGX Spark

3.800 £+

• 128 GB de memoria unificada
• Grace Blackwell
• Formato de sobremesa

«1 petaFLOP FP4»

Consultar precio en Amazon →

Gama media: 800 £ – 3.000 £

Mac Mini M4 Pro (24GB)

La ruta más barata de Apple hacia la memoria unificada para trabajo de IA. Veinticuatro gigas de memoria unificada, que maneja modelos de 13-14B estupendamente a través de MLX. Más lento en tok/s en bruto que una 3090, pero el lado software es indoloro: Ollama corre nativamente, sin drivers CUDA con los que pelearse. 1.399 £ en Amazon.

No va a tocar 70B, ni de lejos. Pero para trabajo de 7-14B —asistentes de código, resumen, chatbots locales—, una máquina preciosa y silenciosa que hace exactamente lo que querrías. Si ya estás en macOS y quieres meter un dedo en la inferencia local, probablemente es donde te apuntaría primero.

RTX 4000 Ada (estación de trabajo, 20GB)

Las ejecuto en mi propio equipo y han sido brillantes. Factor de forma de una sola ranura a 130 W por tarjeta, veinte gigas de VRAM cada una. Mete cuatro en una caja de estación de trabajo estándar y te sientas sobre 80 GB totales a 520 W combinados: más que suficiente para modelos de 70B en Q5 con margen para ventanas de contexto.

Tengo seis en mi Threadripper PRO 5995WX (mezcladas con RTX 4500 Ada) para 104 GB totales. Lo bastante silencioso para estar en mi oficina todo el día, que era la principal restricción de ingeniería porque trabajo a su lado ocho horas al día. Todo el sistema consume unos 800 W bajo carga de inferencia completa: suena a mucho hasta que lo comparas con un montaje quad 3090 que consume 1.400 W. Los tok/s en bruto por tarjeta son más bajos que las GPUs de gaming, pero la densidad y la eficiencia energética son lo que me vendió para una máquina que corre continuamente. Unas 1.150 £ cada una en Amazon.

Montaje dual RTX 3090

El punto dulce prosumer para gente que quiere modelos de 70B en hardware NVIDIA. Dos 3090 juntas te dan 48 GB de VRAM total. Puéalas con NVLink y estás mirando 15-20 tok/s en 70B Q4. Salta el puente y cae a 10-14 tok/s, lo cual suena mal hasta que lo pruebas: aún lo bastante rápido para mantener una conversación con un modelo.

Lo esencial del montaje: el par de tarjetas te costará 1.300-1.500 £ de segunda mano. La situación de la fuente se pone interesante porque cada tarjeta quiere 350 W bajo carga, así que presupuesta una unidad de 1.200-1.600 W. Para la plataforma, Threadripper o HEDT te dan ancho de banda PCIe completo x16/x16; placas de consumo como Z790 o X670E se dividen a x8/x8, lo cual funciona pero cuesta algo de rendimiento. Un puente NVLink cuesta unos 40-60 £ de segunda mano. El conjunto sale a 1.800-2.200 £ según tu elección de plataforma, y no, nadie vende esto como preconfigurado: te vas a manchar las manos.

Premium: 3.000 £+

RTX 5090 (32GB)

La tarjeta única más grande que puedes comprar en una tienda. Treinta y dos gigabytes de GDDR7, bus de 512 bits, arquitectura Blackwell, y por primera vez, un modelo de 70B cuantizado cabe en una sola tarjeta. Sin sharding, sin NVLink, sin dolores de cabeza de dual-GPU. Una ranura, listo.

Malas noticias en el precio, sin embargo. El MSRP de 1.799 £ es fantasía a estas alturas: las restricciones de suministro de GDDR7 y la demanda de IA han empujado los precios reales de calle en Reino Unido a unos 3.240 £ para los modelos más baratos (Zotac Solid en Scan UK a principios de junio de 2026) y hasta 3.500-3.800 £ para tarjetas premium de ASUS, MSI y Gigabyte. Los modelos de segunda mano ronda los 2.700 £ en eBay. Presupuesta 3.250 £ mínimo y no esperes que mejore a corto plazo.

El TDP de 575 W es sustancial también: asegúrate de que tu fuente puede con él antes de emocionarte y pedir uno.

Nota lateral interesante: Gigabyte lanzó la AORUS RTX 5090 AI Box, una carcasa de GPU externa con Thunderbolt 5 comercializada específicamente para cargas de IA. Si tienes un portátil con Thunderbolt 5, podrías ejecutar modelos de 70B a través de una caja externa. No la he testeado yo, pero para una estación de trabajo de IA atada a un portátil la arquitectura tiene sentido: Thunderbolt 5 a 80 Gb/s es ancho de banda suficiente para alimentar una carga de inferencia de una sola tarjeta.

NVIDIA DGX Spark

El «superordenador personal de IA» de NVIDIA que cubrí en detalle en mi guía de principiantes de mini PCs de IA. El chip Grace Blackwell GB10 con 128 GB de LPDDR5X unificada y hasta 1 petaFLOP de rendimiento FP4. Esta es la versión premium del mismo concepto de memoria unificada que los mini PCs Strix Halo de arriba, pero con el propio silicio de NVIDIA y la pila CUDA completa.

Lanzado originalmente a 3.999 $, pero NVIDIA subió el precio a 4.699 $ (~3.800 £) en febrero de 2026 debido a restricciones de suministro de memoria. Disponible en Amazon y directamente de NVIDIA. Si quieres 128 GB de memoria unificada con el ecosistema de NVIDIA en lugar del de AMD, esto es, pero estás pagando un sobreprecio significativo sobre el Framework Desktop por esa compatibilidad CUDA.

RTX 4090 (24GB)

Sigue siendo la tarjeta más rápida con 24 GB de VRAM, y por un margen decente sobre la 3090 en tok/s en bruto. El mismo techo de VRAM, sin embargo, y ese es el hándicap: veinticuatro gigas son veinticuatro gigas independientemente de lo que hayas pagado. ¿Compras nueva? Llévate esta. ¿Compras de segunda mano? La 3090 a aproximadamente la mitad de precio te da la misma capacidad de modelo, que es la métrica que importa para IA local. 1.600-2.000 £ en Amazon.

Mac Studio M4 Max / M3 Ultra

Para ejecutar los modelos más grandes que el dinero puede comprar en formato de sobremesa. El M4 Max con 128 GB (desde 3.999 £) ejecuta modelos de 70B a cuantización alta con margen para ventanas de contexto largas. El M3 Ultra a 192 GB (desde 5.999 £) sigue siendo el buque insignia de capacidad. Apple canceló el M4 Ultra por completo. El M5 Ultra fue el anuncio hardware muy rumoreado de la WWDC 2026, pero los analistas apuntan ahora a una ventana de lanzamiento en octubre de 2026. Si estás considerando un Ultra y puedes esperar, hazlo: el M3 Ultra va a bajar de precio en el momento en que se envíe el M5 Ultra.

Ciento noventa y dos gigabytes de memoria unificada cargan modelos de 100B+ parámetros que necesitarían un montaje PC quad-GPU para igualar. Ambos solo en apple.com. Mismo intercambio que el Mac Mini: tok/s más lento que NVIDIA en modelos que caben en VRAM de NVIDIA, pero un techo de capacidad que nada más toca en una caja silenciosa.

Montaje quad RTX 3090 (AM4/AM5)

Digital Spaceport validó este montaje: cuatro RTX 3090 en una placa base AM4 B550. Noventa y seis gigabytes de VRAM. Hablamos de 100-180 tok/s en modelos de 12-20B, lo cual es un rendimiento absurdo. El precio por GB de VRAM sale a unos 30 £/GB: la ruta más barata a capacidad seria si no te importa algo de ruido.

La fuente necesita ser de 2.000 W mínimo y querrás una caja con flujo de aire serio (o un banco de pruebas al aire, que es donde parece acabar la mayoría que monta estos). Aviso justo: tu pareja comentará el ruido. Básicamente has construido un pequeño datacenter que resulta vivir debajo de tu escritorio. Presupuesto: 3.000-3.500 £ en GPUs más plataforma.

¿Importa la CPU?

Respuesta corta: no mucho para inferencia, y lo digo como alguien que ejecuta un Threadripper PRO 5995WX. La GPU hace casi todo el trabajo durante la generación de tokens. Donde la CPU importa es en el procesamiento del prompt (la fase inicial de «pensamiento» antes de que el modelo empiece a responder) y si estás descargando capas a la RAM del sistema porque tu modelo no cabe del todo en VRAM.

Para una máquina dedicada a inferencia, cualquier CPU moderna de 6 núcleos va bien. No gastes 500 £ en una CPU cuando ese dinero podría ir a más VRAM. La excepción son las máquinas de memoria unificada (Framework Desktop, DGX Spark), donde CPU y GPU comparten ancho de banda de memoria: ahí, la elección de chip es toda la máquina.

Pila de software

Comprar el hardware es lo fácil: es en la pila de software donde la gente suele atascarse.

Ollama: lo instalé el día que recibí mi primera 3090 y sigue siendo el que le diría a cualquiera que empiece. Todo el flujo es ollama pull llama3:70b y ya estás chateando. Cuantización gestionada por ti, funciona en todo. Los benchmarks que he revisado sugieren que pierdes quizá un 10-30% de rendimiento en bruto frente a ejecutar llama.cpp pelado, lo cual suena mal hasta que recuerdas que Ollama te tenía ejecutando modelos en cinco minutos planos mientras aún estarías leyendo flags de compilación de llama.cpp.

LM Studio tiene la mejor experiencia GUI que he encontrado para modelos locales. Navegador de modelos integrado, chatea-con-tus-ficheros (eso es RAG), sin terminal. Perfecto si los terminales te ponen nervioso. Uso LM Studio en mi equipo de inferencia junto con el servidor MCP converly-lm que construí para descargar trabajo de Claude Code a modelos más baratos. También escribí una guía completa de configuración si quieres empezar.

llama.cpp es la base de velocidad contra la que se mide todo lo demás. Más configuración, más control, salida más rápida. Los montajes multi-GPU serios suelen ejecutar esto directamente en lugar de ir a través del wrapper de Ollama.

text-generation-webui: el proyecto de oobabooga y, sinceramente, el que más me enseñó sobre cómo funciona la inferencia. Eliges entre ExLlamaV2 (el loader solo-GPU más rápido) o llama.cpp (offloading flexible a CPU) según tu situación de hardware. La curva de aprendizaje es real, me llevó un fin de semana entero sentirme cómodo, pero una vez la pasas puedes afinar todo y entender por qué tus ajustes importan.

GGUF frente a EXL2

Dos formatos de modelo que merece conocer. GGUF corre en todas partes: Macs, configuraciones mixtas CPU/GPU, sistemas donde el modelo no cabe del todo en VRAM. Formato universal. EXL2 es solo para GPU NVIDIA pero más rápido cuando el modelo cabe enteramente en VRAM.

En Apple Silicon: GGUF vía MLX o llama.cpp. ¿Tienes suficiente VRAM NVIDIA? EXL2 para mejor velocidad. ¿No sabes cuál? GGUF. Siempre funciona.

Hardware comparado

Cifras de benchmark de Digital Spaceport y Hardware Corner. Estimaciones marcadas con «est» de investigación con Gemini e informes de la comunidad. Los tok/s de mini PC varían significativamente según el tamaño del modelo y la cuantización.

Selección preconfigurada

Corsair VENGEANCE a7500 AIR

6.999 $

• GPU RTX 5090 32GB
• RAM 192GB DDR5
• CPU Ryzen 9 9950X3D
• Almacenamiento 6TB NVMe

«RTX 5090 + 192GB de RAM del sistema para offload a CPU: el preconfigurado que tiene sentido para IA»

Consultar disponibilidad en Corsair

Estación de trabajo de IA

Corsair AI Workstation 300

Desde 1.699 $

• Memoria Hasta 128GB unificada
• VRAM Hasta 96GB asignable
• Chip AMD Strix Halo
• Factor de forma 4,4L compacto

«Modelos de 70B en una caja del tamaño de un libro de tapa dura»

Consultar disponibilidad en Corsair

Qué compraría de verdad

Si alguien me hubiera hecho esta pregunta hace dos años habría dicho «lo que tenga más VRAM por debajo de mil». Mi respuesta no ha cambiado realmente. Por debajo de 800 £, una RTX 3090 de segunda mano sigue siendo la jugada obvia. Veinticuatro gigas de VRAM por debajo de 800 £, lista para NVLink para la inevitable segunda tarjeta, y capacidad de sobra para ejecutar cualquier modelo hasta 34B a cuantización decente. Exactamente donde empecé, y sabiendo lo que sé ahora, tomaría la misma decisión.

Si vas con un presupuesto ajustado y 800 £ es un estirón, la RTX 3060 12GB a 200 £ te lleva más lejos de lo que esperarías. Cuarenta y dos tok/s en Llama 3 8B. Treinta tok/s en Qwen 2.5 14B con la cuantización adecuada. Combínala con una estación de trabajo de segunda mano por 100 £ y estás ejecutando IA local por menos de dos meses de ChatGPT Plus.

Entre 800 £ y 3.000 £, las cosas han cambiado desde que escribí el artículo por primera vez, y son los mini PCs los que lo han hecho. Si quieres 70B desde una caja que puedes esconder en una estantería, el Framework Desktop a ~1.970 £ por 128 GB de memoria unificada es donde miraría primero: es modular, es reparable, y cuando llegue la próxima generación de chip puedes actualizar sin tirar la máquina entera. ¿Ya en macOS y trabajando con modelos más pequeños? Mac Mini M4 Pro. ¿Interesado en bajar por la misma madriguera que yo? Tarjetas RTX 4000 Ada en una estación de trabajo Threadripper: silenciosas, densas, y el consumo no te aterrorizará.

Por encima de 3.000 £, la RTX 5090 es la elección obvia si puedes encontrar una a un precio sensato (presupuesta 3.000 £ mínimo ahora): una tarjeta, una ranura, 70B sin ninguno de los dolores de cabeza multi-GPU. Para la versión de NVIDIA de la memoria unificada, el DGX Spark a 3.800 £ te da 128 GB y la pila CUDA completa. Para máxima capacidad con presupuesto, el montaje quad 3090 en AM4 te da 96 GB de VRAM a unos 30 £ por gigabyte. Feo, ruidoso y te costaría encontrar algo con tanta VRAM por menos dinero.

Compra la mayor VRAM que puedas permitirte. Prácticamente todo lo demás es secundario.