La infografía que dice qué IA funciona en tu tarjeta acierta casi todo — y falla en la única cuenta que decide

Cómo leerlo: cada barra es una franja de memoria. El azul es el archivo de pesos; el morado, el caché en un contexto de trabajo de 32 mil tokens; el rojo, lo que aún faltaría en el contexto máximo del modelo. Cuando la barra pasa de la línea blanca, ese escalón solo vale en conversación corta.

Circula una infografía que resuelve en una tabla la pregunta más repetida de quien quiere ejecutar IA en casa: cuánta memoria de vídeo tienes, y qué funciona con eso. Diez franjas, de 4 GB a 256 GB, cada una con la tarjeta y el modelo correspondiente.

Descargué la lista de archivos, leí los config.json de los modelos y rehice las cuentas. El resultado me sorprendió al revés de lo que esperaba: la infografía acierta casi todo. De los diecisiete veredictos de hardware, dieciséis son correctos. Todos los modelos citados existen de verdad, con los nombres correctos. No es una infografía inventada por quien nunca abrió una terminal.

Y aun así no responde la pregunta que promete responder. Porque presupuesta la mitad de la cuenta.

Lo que la infografía acierta, y es mucho

Las tarjetas están bien. La RTX 5060 y la 4060 tienen 8 GB; la 5060 Ti tiene 16 GB (y también existe en una versión de 8 GB, que la infografía no menciona); la 4080 tiene 16 GB; la 3090 tiene 24 GB; la 5090 tiene 32 GB. La RTX PRO 6000 Blackwell tiene 96 GB en las tres ediciones — Workstation, Max-Q y Server —, que difieren solo en el límite de potencia. El DGX Spark tiene 128 GB de memoria unificada.

Los chips de Apple también. Y aquí yo estaba equivocado antes de verificar: creí que la lista había invertido la jerarquía, porque le daba 96 GB al M5 Ultra y 128 GB al M5 Max. No la invirtió. Los 96 GB son la configuración base del M5 Ultra; los 128 GB son el techo del M5 Max. La jerarquía real de techos es M5 Ultra 512 GB, M5 Max 128 GB, M5 Pro 64 GB, M5 y M6 32 GB — rigurosamente respetada. La infografía mezcló suelos con techos, lo que confunde, pero cada celda es una configuración que se puede comprar de verdad.

Hasta el M6 está bien, y es tan reciente que casi lo descarto: se anunció el 25 de agosto de 2026, dos días antes de esta verificación. Primer chip de Apple en 2 nm, hasta 32 GB de memoria unificada, 170 GB/s de ancho de banda, debuta en el Mac mini con envíos a partir del 22 de septiembre.

Los modelos existen todos: Gemma 4 (la generación actual de Google, lanzada en abril, la primera de la familia bajo licencia Apache 2.0), Qwen3.8-27B, Qwen3.8-Flash-Next y DeepSeek V4 Flash 0731. Los quants citados existen en los repositorios indicados.

El único elemento de la lista que no existe

La RTX 5080 Super nunca se lanzó.

Los 24 GB que la infografía le atribuye eran la especificación planificada, nunca la de un producto enviado. Las fuentes fuertes del sector — VideoCardz, TechPowerUp, Tom's Hardware — describen la línea SUPER como aplazada por tiempo indefinido, y la causa es económica: el módulo de GDDR7 de 3 GB cuesta cerca de tres veces el de 2 GB, en un mercado donde la demanda de centros de datos absorbe la oferta. Hay un informe de cancelación definitiva, pero solo en fuente secundaria débil, y yo no elevo "informado como cancelado" a "cancelado".

Para el lector, lo que importa es operativo: esa línea recomienda hardware que no se puede comprar. En la franja de 24 GB, lo que existe hoy es una RTX 3090 (usada) o una RTX 4090. Lo corregí en la figura.

El error que decide: la infografía solo presupuesta los pesos

Aquí está el problema real, y no es de hardware ni de nomenclatura.

La memoria que ocupa un modelo tiene dos partidas. La primera es el archivo de pesos — fija, conocida antes de que descargues nada, y es la única que la infografía presupuesta. La segunda es el caché de contexto: una estructura que guarda lo que ya se leyó y crece mientras conversas. Empieza cerca de cero y no para de subir hasta el límite del contexto.

Escribí un artículo entero sobre esa segunda partida — cómo funciona, por qué la fórmula que circula en infografías virales se equivoca por un factor de seis a veinte en los modelos de 2026, y cómo calcular la tuya: Cómo saber si un modelo de IA funciona en tu ordenador — y por qué. Quien quiera la fórmula y la derivación, el lugar es allí. Aquí uso el resultado.

Consecuencia práctica: "cabe" no es una propiedad del modelo. Es una propiedad del par (modelo, contexto). Una infografía que no dice el contexto está afirmando algo que no se puede verificar — y, en la mayoría de las líneas, el contexto implícito es demasiado corto para el uso real.

Escalón por escalón, con las dos partidas

Los pesos de abajo son el tamaño real del archivo GGUF publicado, convertido a GiB. El caché salió del config.json de cada modelo, con lote 1 y caché en 16 bits.

Valores en GiB. "Contexto máximo" es el mayor contexto que medí para cada modelo: 128K en el Gemma 4 E2B, 256K en los demás.

Un escalón de diez no cierra ni en una sesión de trabajo normal. Seis de diez no cierran en el contexto máximo del propio modelo que la infografía recomienda.

El escalón que se rompe: 8 GB

Es la línea más popular de la infografía, porque es la tarjeta más vendida. Y es la que no se sostiene.

El Gemma 4 12B en q4_0 oficial de Google ocupa 6,50 GiB de pesos en una tarjeta de 8 GB. Sobra 1,5 GiB. El caché consume 0,66 GiB con 8 mil tokens de contexto — cabe, con aprietos. Con 32 mil tokens, el caché sube a 2,16 GiB y el total llega a 8,66 GiB en una tarjeta de 8 GB. No cabe. Y 32 mil tokens no es un contexto exótico: es un archivo de código mediano, o media hora de conversación.

Quien siga esa línea va a descargar 7 GB, ejecutarlo, encontrarlo estupendo en los primeros mensajes y ver el proceso morir en mitad de una tarea de verdad — sin entender por qué. Es el peor tipo de recomendación equivocada: la que funciona en la prueba y falla en el uso.

En la franja de 16 GB pasa algo parecido, más discreto. La infografía ofrece el Gemma 4 26B A4B en Q4_K_M como opción "al límite". Medido, está más allá del límite: 15,65 GiB de pesos más 1,35 GiB de caché a 32K dan 17,00 GiB en una tarjeta de 16 GB.

Y el escalón de 4 GB solo cierra con texto puro. El Gemma 4 E2B es multimodal, y el proyector que carga para ver imagen y oír audio pesa 0,92 GiB más: con él, los 3,57 GiB se vuelven 4,49 GiB y la tarjeta de 4 GB no aguanta. La infografía recomienda un modelo que ve, en una franja donde solo cabe la parte que lee.

Y en la dirección contraria, la infografía es demasiado conservadora en 96 GB: recomienda el Flash-Next en UD-Q2_K_XL (73,45 GiB), pero el UD-Q3_K_XL (83,81 GiB) más 6,11 GiB de caché en el contexto máximo suman 89,92 GiB y caben holgados. En esa franja se puede elegir un quant mejor que el sugerido.

Cuatro trampas de nombre

NVFP4 es de otro ecosistema. La infografía lista NVFP4 al lado de Q4_K_M, Q6_K y Q8_0, como si fueran opciones del mismo menú. No lo son. Los Q* son formatos GGUF, de llama.cpp. NVFP4 es un formato de 4 bits de NVIDIA que se ejecuta en vLLM y SGLang, exige tensor cores Blackwell y viene en otro repositorio. Elegir entre ellos no es elegir un quant — es elegir otra pila de software.

Q4_K_M y Q6_K del Qwen3.8-27B solo existen con el prefijo UD-. En el repositorio de Unsloth, los únicos GGUF sin prefijo son Q4_0, Q4_1, Q8_0 y BF16. Quien busque por el nombre de la infografía no encuentra el archivo.

El "Q8" de DeepSeek no es 8 bits por peso. El UD-Q8_K_XL de DeepSeek V4 Flash 0731 tiene 161,87 GB para 304 mil millones de parámetros — lo que da cerca de 4,3 bits por peso, no 8. La propia Unsloth dice en la model card que ese archivo es solo 7 GB mayor que el Q4. La etiqueta describe la precisión de algunos tensores, no la media del archivo.

El GB del Hub no es el GB de la tarjeta. El tamaño de archivo se publica en miles de millones de bytes; la memoria de vídeo se cuenta en potencias de dos. Son 7% de diferencia, lo suficiente para convertir un "cabe" en un "no cabe" en las líneas ajustadas. Convertí todo a GiB en la tabla.

Tres salvedades que valen para la tabla entera

Las líneas con ✅ siguen siendo optimistas. Pesos más caché no es la ocupación total del proceso: falta el contexto de CUDA o Metal, las activaciones intermedias y lo que el sistema operativo y la pantalla ya consumen. Suma de 1 a 2 GB y trabaja con un 10% a 15% de holgura.

Dos tarjetas no son una tarjeta grande. "2× RTX 5090 = 64 GB" es aritméticamente correcto y arquitectónicamente engañoso. La generación Blackwell de consumo no tiene NVLink: el modelo hay que trocearlo entre las dos tarjetas y el tráfico entre capas atraviesa el PCIe. Vale como capacidad agregada con penalización de interconexión, nunca como un pool único. Lo mismo vale para los dos DGX Spark de 256 GB: el enlace de 200 Gb/s entre ellos da cerca de 25 GB/s frente a los 273 GB/s de la memoria local. Memoria de hecho unificada, en esta lista, solo en el Apple Silicon y en el DGX Spark individual.

En el Mac, no toda la memoria unificada es de la GPU. macOS reserva parte del pool para el sistema. El límite es ajustable — en esta máquina, sysctl iogpu.wired_limit_mb devuelve 0, que significa "usa el valor por defecto del sistema" — pero Apple no publica cuál es ese valor por defecto. Es la razón probable de que la infografía le dé al M5 Max de 128 GB un quant menor que al DGX Spark de 128 GB, y la distinción es justa: los dos números iguales no valen lo mismo en la práctica.

Qué haría yo con esto

Si tienes 8 GB, no descargues el 12B esperando trabajar con él. Usa el Gemma 4 E4B, o acepta el 12B con el contexto limitado a 8K y configura el servidor para eso explícitamente, en vez de descubrir el límite cuando el proceso muera.

Si tienes 24 o 32 GB, el Qwen3.8-27B es una buena elección — pero dimensiona el contexto. Con 128 mil tokens cabe; en el máximo de 262.144, no. Quien necesite el contexto máximo en esa franja tiene que cuantizar también el caché, con --cache-type-k y --cache-type-v en llama.cpp. Cuantizar el archivo de pesos no encoge el caché — son cosas separadas, y esa es la confusión más común que veo.

Y, en cualquier franja: antes de elegir el quant, decide el contexto. El orden inverso es lo que produce infografías como esta.

Cómo rehacer esta cuenta

Los números de esta página no son de terceros. Los pesos son el tamaño de los archivos publicados; el caché salió de un programa que lee el config.json de cada modelo y separa las capas que guardan caché de las que no. El programa que monta la tabla está publicado junto: gerar-dataset.py.

Cada línea trae el repositorio de donde salió el peso, y la cuenta es una resta — se puede comprobar cualquier celda a mano.

Fuentes

• Qwen3.8-27B · GGUF · NVFP4
• Qwen3.8-Flash-Next · GGUF
• DeepSeek V4 Flash 0731 · GGUF
• Gemma 4 — anuncio · notas de la versión · informe técnico · GGUF QAT oficial del 12B · GGUF QAT oficial del E2B
• llama.cpp — bits por peso de cada formato
• Apple: Mac Studio (M5 Max y M5 Ultra) · MacBook Pro 14" (M5 Pro y M5 Max) · anuncio del M6 y del M5 Ultra
• RTX 50 SUPER aplazada: VideoCardz · TechPowerUp · Tom's Hardware, sobre el precio de la GDDR7
• El cálculo de las dos partidas, en detalle: Cómo saber si un modelo de IA funciona en tu ordenador — y por qué · paquete citable

Verificado el 27 de agosto de 2026. Los tamaños de archivo se leyeron en el Hugging Face Hub en esa fecha; el caché se calculó a partir de los config.json publicados, no se midió en ejecución. La ausencia de la RTX 5080 Super y las configuraciones de memoria de Apple se comprobaron en las fuentes listadas. Lo que no se comprobó está declarado como tal en el cuerpo.