Metodología

Cada página separa tres tipos de información, y los indica:

Datos: especificaciones de los fabricantes y de los archivos de cada modelo. Un editor los revisa antes de publicarlos.
Estimaciones: cifras que calculamos a partir de esos datos, como si un modelo cabe o su techo de velocidad. Explicamos el método más abajo para que puedas comprobarlo.
Opinión: nuestras puntuaciones, recomendaciones, ventajas e inconvenientes.

¿Cabe un modelo? (cálculo a partir de datos)

La memoria que necesita un modelo al ejecutarse es la suma de tres partes:

Pesos. El tamaño del archivo del modelo en cada cuantización. Usamos los archivos GGUF reales publicados para cada modelo (Q4_K_M y Q8_0) en lugar de estimarlo a partir del número de parámetros, porque los archivos reales varían: algunas capas se guardan con más precisión y algunos modelos (como gpt-oss) ya traen sus expertos a 4 bits.
Caché de contexto (caché KV). Crece con la longitud del contexto. La calculamos a partir de la configuración del propio modelo (config.json): por cada capa de atención completa, claves y valores de cada cabeza KV, a 16 bits. Las capas de ventana deslizante suman una cantidad fija pequeña; las capas de atención lineal de Qwen3.5 y Qwen3.6 guardan un estado fijo diminuto que no contamos. Los programas pueden cuantizar la caché a 8 bits para reducirla a la mitad; nosotros no lo damos por hecho.
Margen del programa. Unos 1,5 GB para búferes y el entorno de la GPU.

Después lo comparamos con la memoria que el hardware puede dedicar a un modelo por defecto:

Tarjetas gráficas: toda su memoria.
Mac: macOS deja a la GPU unos dos tercios de la memoria en equipos de hasta 36 GB y unas tres cuartas partes por encima. El límite se puede subir a mano; usamos el valor por defecto.
PC y placas de memoria unificada: el porcentaje que indicamos en cada ficha (por ejemplo, alrededor del 90 % en Ryzen AI Max con Linux).

El veredicto es funciona (cabe con holgura), funciona, justo (usa más del 90 % de la memoria utilizable), en parte en la RAM del sistema (una tarjeta gráfica puede dejar algunas capas de expertos de un modelo MoE en la memoria del sistema: funciona, pero mucho más lento) o no tiene memoria suficiente. Los equipos que solo ejecutan modelos compilados por su fabricante (como el Raspberry Pi AI HAT+ 2) aparecen como no compatibles con todo lo demás.

¿A qué velocidad? (techo teórico)

Cuando un modelo genera texto, cada token nuevo lee una vez de la memoria los pesos activos del modelo. Así que el ancho de banda de la memoria marca un límite:

techo de velocidad (tokens/s) ≈ ancho de banda ÷ bytes leídos por token

En los modelos de mezcla de expertos solo se leen los parámetros activos, y por eso son tan rápidos. En la práctica se suele alcanzar entre la mitad y tres cuartas partes de ese techo, y el tiempo para procesar un prompt largo depende de la potencia de cálculo. Por eso lo marcamos como estimación y nunca lo presentamos como una medida.

Velocidades medidas

Solo publicamos velocidades medidas con su fuente (o si hemos probado el equipo nosotros), junto con el modelo, la cuantización y la versión del programa. Si una ficha no tiene ninguna, lo dice.

Precios

Precio de lanzamiento: el precio del fabricante al salir.
Precio habitual: un precio de calle que vimos en la fecha indicada. En 2026 la escasez de chips de memoria ha subido muchos precios muy por encima del de lanzamiento, así que son referencias, no precios en directo.
Los precios en directo de las tiendas solo aparecen si se actualizaron en las últimas 24 horas, con la fecha y la hora.

Puntuaciones y recomendaciones

Las puntuaciones de 0 a 10 son nuestra opinión y tienen en cuenta la capacidad para modelos, la velocidad, el software, la relación calidad-precio y lo bien que encaja el equipo en un homelab (consumo, ruido y tamaño). Las comisiones de afiliado nunca influyen en las recomendaciones: consulta la política de afiliación.

Correcciones

El hardware y los modelos cambian deprisa. Si encuentras un error, avísanos y lo corregiremos con una nueva fecha de revisión.