Qué PC necesitas para correr IA local en 2026
Cuánta memoria, qué placa de video y qué Mac o mini PC necesitas para correr un modelo de IA en tu casa, con datos de Ollama, LM Studio, Apple y NVIDIA.
Para correr un modelo de IA en tu casa no hace falta una supercomputadora. Lo que más importa es la memoria: el modelo tiene que entrar entero en la memoria de la placa de video (VRAM) o, en una Mac, en la memoria unificada. Con 16 GB ya puedes usar modelos chicos y medianos; para los grandes vas a necesitar 32 GB, 64 GB o más.
En esta nota te explicamos, sin vueltas, qué significa correr IA local, cuánta memoria pide cada tamaño de modelo y tres armados posibles según tu presupuesto. Si quieres el paso a paso para instalar todo, está en el tutorial de IA local con privacidad.
Qué significa correr IA local
Correr IA local es usar un modelo de lenguaje (un LLM, como los que están detrás de ChatGPT) en tu propia computadora, sin mandar lo que escribes a un servidor ajeno. Descargas el modelo una vez y después funciona aunque no tengas internet.
Los dos programas más usados para hacerlo son:
- Ollama: funciona desde la terminal (y tiene app). Descargas un modelo con un comando y lo usas por chat o desde tus propios programas.
- LM Studio: es una aplicación con ventanas, más cómoda si no te llevas bien con la terminal. Buscas el modelo, lo descargas y chateas.
Según su página oficial, LM Studio en Mac pide un chip Apple Silicon (no funciona en Mac con Intel) y macOS 14 o más nuevo, y recomienda 16 GB de RAM o más; con 8 GB puede funcionar con modelos chicos. En Windows recomienda al menos 16 GB de RAM y 4 GB de VRAM dedicada, y el procesador tiene que soportar AVX2 (requisitos de LM Studio).
Por qué la VRAM y la memoria unificada son lo más importante
Un modelo es, básicamente, un archivo enorme de números (los "parámetros"). Para responder rápido, la computadora tiene que tenerlo cargado en una memoria muy veloz. En una PC esa memoria es la VRAM de la placa de video. En las Mac con chip Apple, el procesador y la parte gráfica comparten la misma memoria, que Apple llama memoria unificada.
Si el modelo no entra en la VRAM, una parte se va a la RAM común y la usa el procesador. Funciona, pero mucho más lento. Ollama te deja ver esto con el comando ollama ps: la columna "Processor" dice "100% GPU" si el modelo entró entero en la placa, "100% CPU" si está todo en la memoria del sistema, o un reparto tipo "48%/52% CPU/GPU" si quedó partido (FAQ de Ollama).
Si quieres entender las diferencias entre GPU, NPU y otros chips para IA, las explicamos en GPU, NPU y TPU: los chips que mueven la IA.
Cuánta memoria pide cada modelo: la cuantización
Los modelos se miden en miles de millones de parámetros: 8B, 70B, 405B (la "B" es de billion, mil millones en inglés). Cuantos más parámetros, más "sabe" el modelo y más memoria ocupa.
Para que entren en equipos caseros se usa la cuantización: guardar cada número con menos precisión (por ejemplo, 8 o 4 bits en lugar de 16). Hugging Face lo explica así: la cuantización baja la memoria necesaria para cargar y usar un modelo guardando los pesos con menor precisión, intentando conservar la mayor exactitud posible (documentación de Hugging Face). Pierdes un poco de calidad, pero ganas muchísimo espacio.
Para que tengas una idea concreta, estos son los tamaños de descarga de Llama 3.1 que publica Ollama en su biblioteca (versiones de Llama 3.1):
- 8B: 16 GB sin cuantizar (fp16), 8,5 GB en 8 bits (q8_0) y 4,9 GB en la versión estándar de 4 bits (q4_K_M).
- 70B: 141 GB sin cuantizar, 75 GB en 8 bits y 43 GB en 4 bits.
- 405B: 812 GB sin cuantizar y 243 GB en 4 bits. Esto ya queda fuera de cualquier equipo hogareño.
Ojo: ese es el peso del archivo. Al usarlo, el modelo necesita memoria extra para la "ventana de contexto" (lo que recuerda de la conversación). Ollama usa por defecto un contexto de 4.096 tokens, y la memoria crece si agrandas el contexto o atiendes varios pedidos a la vez (FAQ de Ollama). Por eso conviene dejar un margen: si el modelo pesa 5 GB, no lo pienses para una placa de 6 GB justos.
Tres armados según tu presupuesto
No damos precios porque cambian mucho por país y por mes (y la memoria viene subiendo). Lo que sí podemos darte son especificaciones oficiales para comparar.
Compacto: Mac mini o mini PC
Es la opción silenciosa y de bajo consumo. Según la página oficial de Apple, el Mac mini actual viene con chip M6 o M5 Pro, con 16 GB de memoria unificada como mínimo y hasta 64 GB. El ancho de banda de memoria (qué tan rápido se mueven los datos, clave para la IA) llega a 307 GB/s en el M5 Pro, y el consumo máximo continuo declarado es de 155 W (especificaciones del Mac mini).
- Con 16 GB: modelos de 7B–8B cómodos.
- Con 32 GB o más: puedes probar modelos medianos y contextos más largos.
- Con 64 GB: un modelo de 70B en 4 bits (43 GB) entra, aunque va a responder más lento que uno chico.
Un mini PC con Windows o Linux también sirve para modelos chicos, pero sin placa de video dedicada todo corre en el procesador y la RAM, y es bastante más lento. Antes de comprar, revisa cuánta RAM trae y si se puede ampliar.
PC con placa de video media
Si ya tienes una PC de escritorio, agregar una placa de video es el salto más grande. Según NVIDIA, la GeForce RTX 5060 Ti viene en versiones de 8 GB o 16 GB de memoria GDDR7 y consume 180 W; la RTX 5060 trae 8 GB y consume 145 W (familia RTX 5060). Los datos son del modelo de referencia; los fabricantes pueden variar.
Para IA, la versión de 16 GB vale mucho más que la de 8 GB: te deja usar modelos 8B en mejor calidad (8 bits) o modelos más grandes en 4 bits. Súmale al menos 32 GB de RAM y un disco SSD con espacio, porque cada modelo pesa varios GB. Si estás armando la computadora también para estudiar, mira cómo elegir una computadora para programar.
Estación de trabajo
Para quien quiere modelos grandes, contextos largos o varios usuarios a la vez. La GeForce RTX 5090 tiene 32 GB de GDDR7, consume 575 W y NVIDIA pide una fuente de al menos 1.000 W (calculada para un sistema con Ryzen 9 9950X) (RTX 5090).
Aun así, un 70B en 4 bits (43 GB) no entra en 32 GB: o usas cuantizaciones más agresivas, o repartes entre placa y RAM (más lento), o sumas otra placa. Aquí la decisión ya es de costo contra beneficio: muchas veces conviene pagar un servicio en la nube para los modelos gigantes y usar lo local para lo privado.
Consumo, calor y ruido
La diferencia es grande. Un Mac mini declara 155 W como máximo continuo; una sola RTX 5090 puede consumir 575 W y pide una fuente de 1.000 W. Más consumo significa más calor, ventiladores que suenan y una factura de luz más alta si lo dejas prendido muchas horas. Si el equipo va a estar en tu cuarto o en tu escritorio, tenlo en cuenta tanto como el rendimiento.
Ventajas: privacidad y control
- Tus datos no salen de tu equipo. Ollama dice en su FAQ que cuando lo usas en local no ve tus mensajes ni tus datos.
- Funciona sin internet, una vez descargado el modelo.
- Sin cuotas por uso: pagas el equipo y la luz.
- Aprendes de verdad cómo funciona la IA, algo que suma en el currículum si te interesa una carrera en el tema.
Límites frente a los modelos en la nube
- Los modelos que entran en una PC casera suelen ser más chicos que los grandes modelos comerciales, y eso se nota en tareas difíciles.
- La velocidad depende de tu equipo: si el modelo no entra entero en la VRAM, se pone lento.
- Mantenimiento: actualizar programas y modelos queda a tu cargo.
- La cuantización fuerte (2 o 3 bits) ahorra memoria, pero baja la calidad de las respuestas.
Preguntas frecuentes
¿Puedo correr IA local con 8 GB de RAM?
Sí, con modelos chicos y contextos cortos. LM Studio dice que las Mac de 8 GB pueden funcionar en esos casos, pero recomienda 16 GB o más.
¿Necesito sí o sí una placa de video?
No. Ollama puede correr todo en el procesador y la RAM, pero es más lento. En Windows, LM Studio recomienda al menos 4 GB de VRAM dedicada.
¿Qué es mejor para IA local, Mac o PC?
Depende. La Mac tiene memoria unificada (hasta 64 GB en el Mac mini actual), consume poco y no hace ruido. La PC con placa NVIDIA suele ser más rápida dentro de su VRAM y se puede ampliar.
¿Cuánto espacio en disco necesito?
Cada modelo ocupa lo que pesa su archivo: unos 5 GB un 8B en 4 bits y 43 GB un 70B en 4 bits, según Ollama. Si vas a probar varios, conviene un SSD de 1 TB o más.
¿Es realmente privado?
Si usas el modelo en local, lo que escribes se procesa en tu equipo. Ollama aclara que no ve tus mensajes en ese modo. Si activas modelos en la nube del mismo programa, ahí sí los datos viajan a sus servidores.