Elige tu nivel de inversión y descubre el build óptimo para ejecutar modelos de IA en casa: GPU, RAM, almacenamiento y qué modelos podrás correr.
Los presupuestos mostrados son estimaciones de planificación. Los precios reales varían según tienda, disponibilidad y región.
tag=runaiathome-21). Si compras a través de ellos, recibimos una pequeña comisión sin coste adicional para ti. Esto nos ayuda a mantener el sitio gratuito.
Ideal para empezar con IA local sin gastar más de 500 EUR.
El punto dulce: 16 GB de VRAM a precio razonable para modelos de hasta 14B.
Rendimiento profesional. Ideal para developers que quieren correr modelos 32B o más.
Llama 3.1 70B Q4 requiere 40 GB en Q4 y RTX 4070 Ti Super ofrece 16 GB. Faltan 24 GB para llegar a la compatibilidad Q4.
40 GB
16 GB
24 GB
La GPU más potente disponible para consumidores. Corre cualquier modelo hasta 70B en Q8.
Llama 3.1 70B Q8 requiere 40 GB en Q4 y RTX 4090 ofrece 24 GB. Faltan 16 GB para llegar a la compatibilidad Q4.
40 GB
24 GB
16 GB
Qwen2.5 72B Q4 requiere 41 GB en Q4 y RTX 4090 ofrece 24 GB. Faltan 17 GB para llegar a la compatibilidad Q4.
41 GB
24 GB
17 GB
Puedes empezar a correr modelos de 7B con un presupuesto de entrada de unos 430–500 EUR, usando una RTX 3060 12 GB. Para modelos 14B necesitas unos 680–900 EUR. Para 70B cuantizado, el presupuesto mínimo real supera los 1800 EUR con una GPU de 24 GB como la RTX 4090.
Con un presupuesto de entrada (~430 EUR en componentes), una RTX 3060 12 GB te permite ejecutar Mistral 7B, Phi-4, Gemma 3 4B, Llama 3.1 8B en Q4, y DeepSeek R1 Distill 8B. Todos en local, sin límites y sin enviar datos a la nube.
Para usar IA con GPU, la RAM del sistema solo afecta al sistema operativo y al software de interfaz (Ollama, Open WebUI). Con 16 GB funciona, pero 32 GB es el mínimo recomendado para no sufrir swapping mientras el modelo carga. Para modelos 70B con CPU offloading, 64 GB es útil.
Found this useful? Get guides like this in your inbox every week.
