11,2 t\/s<\/span><\/div>\n<\/div>\nLa RTX 3090 tiene ya cinco a\u00f1os, pero sigue siendo en 2026 la compra m\u00e1s rentable por gigabyte de VRAM. Veinticuatro gigabytes de memoria por 700 USD de segunda mano es lo que permite a miles de investigadores independientes de ML ejecutar modelos de clase 70B.<\/p>\n
Su velocidad es aproximadamente el 60 % de la de una 4090, pero para inferencia a\u00fan ofrece una tasa de tokens por segundo \u00fatil en todos los modelos relevantes. Sus principales desventajas son un mayor consumo energ\u00e9tico por unidad de trabajo y los riesgos inherentes a comprar una tarjeta de cinco a\u00f1os de antig\u00fcedad en el mercado secundario.<\/p>\n
El cl\u00e1sico movimiento de entusiasta en 2026: dos RTX 3090 usadas<\/strong> con una fuente de alimentaci\u00f3n de alta calidad de 1200 W y un puente NVLink, por un total de 1.400 USD, ofrecen 48 GB de VRAM que superan a una sola RTX 4090 en todos los modelos mayores de 30B. La configuraci\u00f3n es engorrosa, pero funciona.<\/p>\nCompra si:<\/strong> tienes 700 USD para gastar, quieres iniciarte en los LLM locales y te sientes c\u00f3modo usando hardware de segunda mano.<\/p>\nOmite si:<\/strong> necesitas hardware nuevo con garant\u00eda o tu PC tiene restricciones estrictas de potencia o espacio.<\/p>\n4. RTX 3060 de 12 GB \u2014 la puerta de entrada<\/h3>\n\n
VRAM<\/strong>12 GB de GDDR6<\/span><\/div>\nAncho de banda<\/strong>360 GB\/s<\/span><\/div>\nTDP<\/strong>170 W<\/span><\/div>\nPrecio nuevo<\/strong>$280<\/span><\/div>\nLlama 3 8B Q4<\/strong>48 t\/s<\/span><\/div>\nLlama 3 8B Q8<\/strong>32 t\/s<\/span><\/div>\n<\/div>\nCinco a\u00f1os despu\u00e9s de su lanzamiento, la RTX 3060 de 12 GB sigue en producci\u00f3n y sigue siendo la respuesta correcta a la pregunta \u00ab\u00bfc\u00f3mo puedo empezar con LLM locales al menor costo posible?\u00bb. Doce gigabytes son suficientes para cualquier modelo de 7\u201313B con cuantizaciones s\u00f3lidas; Llama 3 8B alcanza 48 t\/s (m\u00e1s r\u00e1pido de lo que lees), y toda la tarjeta cuesta solo 280 USD nueva.<\/p>\n
Lo que sacrifica: cualquier modelo de 30 mil millones de par\u00e1metros o m\u00e1s. La RTX 3060 no ejecutar\u00e1 Llama 3 70B a una velocidad utilizable, ni siquiera con cuantizaci\u00f3n. Es, sin duda, una GPU para \u00abmodelos peque\u00f1os\u00bb.<\/p>\n
Compra si:<\/strong> es nuevo en los modelos de lenguaje locales (LLM) y desea aprender antes de invertir m\u00e1s de 1000 USD.<\/p>\nOmite si:<\/strong> ya sabe que quiere ejecutar modelos de la clase de 70 mil millones de par\u00e1metros.<\/p>\n5. Radeon RX 7900 XTX: el compromiso de AMD<\/h3>\n\n
VRAM<\/strong>24 GB de GDDR6<\/span><\/div>\nAncho de banda<\/strong>960 GB\/s<\/span><\/div>\nTDP<\/strong>355 W<\/span><\/div>\nPrecio nuevo<\/strong>$900<\/span><\/div>\nLlama 3 8B Q4<\/strong>98 t\/s (ROCm)<\/span><\/div>\nLlama 3 70B Q4<\/strong>13,6 t\/s (ROCm)<\/span><\/div>\n<\/div>\nROCm 6.3 junto con la RX 7900 XTX es, por fin, lo suficientemente buena en 2026 como para constituir una recomendaci\u00f3n real, y no simplemente una opci\u00f3n de respaldo. Ofrece 24 GB de VRAM por unos 900 USD nuevos, un rendimiento aproximadamente intermedio entre una RTX 3090 y una RTX 4090, y soporte completo para PyTorch y llama.cpp.<\/p>\n
No obstante, la fricci\u00f3n sigue siendo real. Algunos frameworks (como TensorRT-LLM, ciertos motores de inferencia exclusivos de CUDA o algunas implementaciones experimentales) simplemente no funcionan. El c\u00f3digo experimental de vanguardia se orienta primero a CUDA; el soporte para AMD llega semanas o meses despu\u00e9s.<\/p>\n
Compra si:<\/strong> tiene objeciones ideol\u00f3gicas contra NVIDIA, es sensible al precio pero prefiere un producto nuevo con garant\u00eda, o ya posee un sistema basado mayoritariamente en hardware AMD.<\/p>\nOmite si:<\/strong> busca cero fricci\u00f3n o realiza investigaci\u00f3n con lanzamientos muy recientes de nuevos modelos.<\/p>\n6. Apple M4 Max (Mac Studio \/ MacBook Pro): la apuesta por la memoria unificada<\/h3>\n\n
Memoria unificada<\/strong>hasta 128 GB<\/span><\/div>\nAncho de banda<\/strong>546 GB\/s<\/span><\/div>\nTDP<\/strong>~75 W<\/span><\/div>\nPrecio nuevo<\/strong>3499\u20134999 USD (Mac Studio)<\/span><\/div>\nLlama 3 8B Q4 (MLX)<\/strong>78 t\/s<\/span><\/div>\nLlama 3 70B Q4 (MLX)<\/strong>9,4 t\/s<\/span><\/div>\n<\/div>\nEl M4 Max no es r\u00e1pido por token comparado con las GPUs de NVIDIA. Lo que s\u00ed ofrece es memoria que no puede conseguirse en ning\u00fan otro lugar a precios de consumidor<\/strong>. Un M4 Max con 128 GB aloja c\u00f3modamente Llama 3 405B en cuantizaci\u00f3n Q4 \u2014algo que ni siquiera una \u00fanica RTX 5090 puede hacer.<\/p>\nPara flujos de trabajo centrados en la inferencia donde lo prioritario es el tama\u00f1o del modelo y no su velocidad (an\u00e1lisis de documentos largos, sistemas de agentes, investigaci\u00f3n), el M4 Max es realmente la herramienta adecuada. Para entrenamiento, ajuste fino, generaci\u00f3n de im\u00e1genes o cualquier flujo de trabajo que dependa de software exclusivo de CUDA, resulta una opci\u00f3n frustrante.<\/p>\n
Compra si:<\/strong> necesita ejecutar modelos de 100 mil millones de par\u00e1metros o m\u00e1s localmente, vive dentro del ecosistema Mac o valora un funcionamiento silencioso.<\/p>\nOmite si:<\/strong> ajusta finamente modelos, genera im\u00e1genes o su LLM diario tiene menos de 70 mil millones de par\u00e1metros (estar\u00eda pagando por memoria que no necesita).<\/p>\n7. RTX 5070 Ti \/ RTX 5080: el punto medio que no funciona<\/h3>\n\n
VRAM<\/strong>16 GB GDDR7 (ambas)<\/span><\/div>\nAncho de banda<\/strong>896 \/ 960 GB\/s<\/span><\/div>\nTDP<\/strong>300 \/ 360 W<\/span><\/div>\nPrecio recomendado por el fabricante (MSRP)<\/strong>$749 \/ $999<\/span><\/div>\n<\/div>\nAmbas tarjetas son r\u00e1pidas y modernas, pero 16 GB de VRAM en 2026 representan una cantidad inc\u00f3moda para LLMs: demasiado para modelos de 7 mil millones de par\u00e1metros (sobredimensionado) y demasiado poco para modelos de 70 mil millones (no caben ni siquiera con cuantizaciones \u00fatiles). Son excelentes para juegos y tareas ligeras de IA, pero si la inferencia local de LLMs es su prioridad principal, obtendr\u00e1 mejores resultados con una RTX 3090 usada (700 USD, 24 GB) o una RTX 4090 usada (1200 USD, 24 GB).<\/p>\n
Compra si:<\/strong> es un jugador que tambi\u00e9n quiere experimentar con LLMs peque\u00f1os.<\/p>\nOmite si:<\/strong> la inferencia local de LLMs es su caso de uso principal.<\/p>\n