Introduce la RAM, la VRAM, el uso previsto y el contexto para obtener una estimación prudente de los tamaños de modelo compatibles, incluso en equipos pequeños sin GPU dedicada. El cálculo se realiza íntegramente en tu navegador. No se suben datos. Esto no es una prueba de rendimiento ni una garantía de compatibilidad.
0 rastreadores0 cookies0 llamadas a API0 cargas de datos del equipo
Tu equipo
Prueba una configuración de ejemplo; no se analiza tu equipo:
La memoria gráfica compartida no equivale a la VRAM dedicada. Si no tienes una GPU dedicada, introduce 0.
¿Dónde encuentro la RAM y la VRAM en Windows?
Pulsa Ctrl + Shift + Esc para abrir el Administrador de tareas.
Selecciona Rendimiento → Memoria para consultar la RAM instalada.
Selecciona Rendimiento → GPU y busca Memoria de GPU dedicada. Si aparecen varias GPU, selecciona la que usará el programa de IA.
La memoria gráfica compartida no es VRAM dedicada. Esta calculadora reduce las cifras totales a presupuestos de memoria utilizables y prudentes.
ESTIMACIÓN
Listo para una primera estimación
Rellena el formulario para ver un intervalo prudente de tamaños de modelo.
Punto de partida recomendado—
Modo de ejecución—
Memoria de trabajo estimada—
Comprueba cómo se utiliza la memoria
Todos los modelos comparten una misma escala de memoria estimada. La ejecución completa en GPU, híbrida o mediante RAM depende de cómo se distribuye la memoria.
Asignación estimada, no un análisis en tiempo real, una medición de velocidad ni una garantía de compatibilidad.
Guardar o compartir esta estimación
No se sube ningún dato. El navegador copia únicamente el texto que tú elijas.
Qué calcula esta estimación
Estima la memoria de los pesos del modelo, el contexto y el espacio de trabajo del programa. Después comprueba si cada tamaño Q4 cabe totalmente en la GPU, necesita una combinación de GPU y RAM, solo cabe en la RAM o supera un límite prudente.
Qué no significa «cabe en memoria»
Que un modelo quepa en la memoria no demuestra que sea rápido ni que el programa pueda ejecutarlo. La arquitectura de la GPU, el ancho de banda, la cuantización y la implementación concreta determinan el rendimiento real.
Siguiente paso: comprobarlo en el equipo real
LLMRadar recomienda modelos teniendo en cuenta el hardware y las pruebas de ejecución local. HardwareRadar se centra en el hardware de Windows y sus datos de diagnóstico.