Qué GPU comprar para IA local en 2026: guía por VRAM y presupuesto

Los modelos de lenguaje actuales (Llama 3.3, Qwen3, Gemma 3, DeepSeek-R1, gpt-oss) mueven enormes cantidades de datos entre la memoria y los núcleos de cómputo. La GPU es el componente más crítico porque tiene miles de núcleos paralelos y una memoria de muy alta velocidad (VRAM) diseñada exactamente para esta carga de trabajo.

Una CPU puede correr modelos pequeños, pero será entre 10x y 50x más lenta que una GPU equivalente. Para inferencia en tiempo real o uso productivo, una GPU dedicada no es opcional.

La VRAM (memoria de vídeo) determina qué tamaño de modelo puedes cargar completamente en GPU. Un modelo que no cabe en VRAM se 'offloadea' a RAM o disco, reduciendo la velocidad drásticamente.

Reglas orientativas con la cuantización estándar de 2026 (Q4_K_M): un modelo 8B ocupa ~5-6 GB de VRAM; un 14B, ~9-10 GB; un 27B, ~16-18 GB; un 70B, ~40-45 GB. A eso hay que sumar el contexto (la 'memoria de trabajo' de la conversación): cuanto más largo, más VRAM extra. Puedes calcular tu caso exacto con nuestra calculadora de VRAM para LLMs.

La cuantización (Q4, Q5, Q8) reduce el tamaño del modelo a costa de algo de calidad. Con 16 GB de VRAM ya corres modelos de la clase 14B-27B cuantizados — el salto de calidad frente a los 8B es muy notable en razonamiento.

La gran mayoría de frameworks de IA (PyTorch, llama.cpp, Ollama, ComfyUI) siguen optimizados para CUDA, la plataforma de NVIDIA. Las GPUs AMD usan ROCm, que en 2025-2026 ha dado un salto real: las RX 9000 (RDNA4) tienen soporte oficial desde ROCm 6.4, y Ollama y llama.cpp funcionan bien con ellas, especialmente en Linux.

Si priorizas máxima compatibilidad con cualquier herramienta: NVIDIA sigue siendo la opción segura. Si tu uso es Ollama/llama.cpp y quieres la máxima VRAM por euro: las AMD actuales de 16 GB son la mejor compra de 2026.

Entrada (300-420 €): RTX 3050 8 GB o RTX 5050 8 GB — modelos 7-8B cuantizados para empezar y aprender. Con 8 GB de VRAM no pases de esa clase de modelo.

Gama media, la mejor compra (450-600 €): RX 9060 XT 16 GB (la mayor VRAM por euro del mercado) o RTX 5060 Ti 16 GB (GDDR7 y ecosistema CUDA). Ojo: ambas existen también en versión de 8 GB — para IA elige SIEMPRE la de 16 GB, la diferencia de precio se paga sola.

Gama media-alta (750-900 €): RX 9070 o RX 9070 XT 16 GB — misma VRAM pero ~640 GB/s de ancho de banda, notablemente más tokens por segundo.

Alto rendimiento (1.200-1.400 €): RTX 5070 Ti 16 GB, con ~896 GB/s de ancho de banda GDDR7. Para 24 GB de VRAM, una RTX 3090 o 4090 de segunda mano sigue siendo la forma más barata de correr modelos de la clase 30B con holgura.

Tope de gama (2.300 €+): RTX 5090 32 GB — la referencia de consumidor en 2026, con ~1.800 GB/s. Para producción empresarial: GPUs de datacenter (H100, H200) o varias GPUs de consumidor en paralelo.

Ancho de banda de memoria: tan importante como la cantidad de VRAM, porque marca los tokens por segundo. Ejemplos 2026: RTX 5060 Ti ~448 GB/s, RX 9070 XT ~640 GB/s, RTX 5070 Ti ~896 GB/s, RTX 5090 ~1.800 GB/s. A igual VRAM, más ancho de banda = respuestas más rápidas.

Consumo eléctrico: una RTX 5090 puede superar los 500W bajo carga; una RX 9070 XT ronda los 300W y una RTX 5060 Ti los 180W. Dimensiona la fuente con margen (índice 80 Plus Gold y 200W por encima del consumo pico del equipo) y cuida la ventilación.

Multi-GPU: dos GPUs no dan el doble de velocidad de inferencia, pero permiten cargar modelos que no caben en una sola. Dos tarjetas de 16 GB son una alternativa real a una de 32 GB en presupuesto.