La verdad sobre la PC que necesitas para ejecutar inteligencia artificial en local

Descubre los requisitos reales de hardware, RAM y VRAM, para ejecutar modelos de lenguaje locales sin gastar una fortuna.

El gran mito del hardware para la IA

Si has investigado un poco sobre inteligencia artificial local, seguramente ya te encontraste con dos posturas completamente opuestas.

Por un lado, están quienes aseguran que necesitas gastar miles de dólares en una supercomputadora para correr modelos apenas decentes. Por otro, están los creadores que, buscando vistas fáciles, prometen que una laptop usada de 250 dólares puede convertirse en tu propio ChatGPT sin ningún problema.

La realidad es menos espectacular, pero mucho más útil: ambos extremos son exageraciones.

No necesitas hipotecar tu casa para experimentar con IA local, pero tampoco deberías esperar milagros de una computadora vieja con poca memoria. La respuesta correcta depende de una sola cosa: qué quieres hacer con la inteligencia artificial.

En esta guía vamos a hablar específicamente del tipo de PC que necesitas para ejecutar modelos de lenguaje en local, es decir, LLM orientados a texto. Nos enfocaremos en tareas como escritura, programación, análisis de documentos, agentes simples y automatizaciones. Dejaremos para otros artículos el hardware necesario para generación de imágenes, audio y video, porque ahí las reglas cambian bastante.

RAM y VRAM: la diferencia que debes entender antes de comprar nada

Cuando hablamos de IA local, mucha gente piensa primero en el procesador. Y aunque el CPU importa, no es el protagonista de esta historia.

El verdadero rey es la memoria.

Pero aquí hay un detalle importante: no toda la memoria funciona igual. La RAM tradicional de tu computadora y la VRAM de tu tarjeta gráfica cumplen papeles distintos.

En una PC con Windows, la tarjeta gráfica suele ser clave para obtener buen rendimiento. Su VRAM limita de forma directa el tamaño del modelo que puedes cargar y la velocidad con la que puedes ejecutarlo. Si tu GPU tiene poca VRAM, podrás usar modelos pequeños, pero los modelos más grandes quedarán fuera de tu alcance o funcionarán demasiado lento.

En Mac, la historia es diferente. Gracias a la arquitectura de memoria unificada, el sistema puede compartir una misma reserva de memoria entre tareas generales y procesos de IA. Esto cambia bastante las reglas del juego, porque no dependes de una VRAM separada como en una GPU tradicional.

Por eso, antes de comprar una PC para IA local, no basta con preguntar "¿qué procesador tiene?". La pregunta más importante es: ¿cuánta memoria útil tengo para cargar modelos?

Nivel básico: tareas sencillas con 6 GB de VRAM

Si lo que quieres es mantener conversaciones cotidianas, redactar borradores, traducir textos, resumir documentos o analizar archivos ligeros, puedes empezar con una configuración modesta.

El punto de entrada razonable está alrededor de los 6 GB de VRAM.

Con esta cantidad de memoria puedes ejecutar modelos compactos, como Qwen 4B, que ya ofrecen resultados interesantes para tareas simples. No van a reemplazar a los mejores modelos comerciales, pero pueden sorprender en escritura básica, respuestas generales y asistencia ligera.

Eso sí: hay que tener expectativas realistas.

Estos modelos pequeños pueden ser útiles, pero también son más propensos a equivocarse, inventar datos o fallar cuando les pides razonamientos largos y precisos. Funcionan bien para experimentar, aprender y resolver tareas simples, pero no son la mejor opción si necesitas máxima fiabilidad.

En resumen: con 6 GB de VRAM puedes entrar al mundo de la IA local, pero estarás jugando en la liga de los modelos pequeños.

El punto dulce: entre 8 GB y 16 GB de VRAM

Aquí es donde la experiencia empieza a ponerse realmente interesante.

Con una tarjeta gráfica de entre 8 GB y 16 GB de VRAM, acompañada idealmente por al menos 32 GB de RAM, ya puedes acceder a modelos mucho más capaces y a flujos de trabajo más serios.

Esta configuración representa probablemente el mejor equilibrio entre precio, rendimiento y utilidad para la mayoría de usuarios.

En una PC con Windows, puedes repartir parte del modelo entre la VRAM de la tarjeta gráfica y la RAM del sistema. Esto permite ejecutar modelos más grandes de lo que la GPU podría cargar por sí sola, aunque con ciertas penalizaciones de velocidad.

En Mac, en cambio, dependes de la memoria unificada total del equipo. Si tienes suficiente memoria, la experiencia puede ser muy cómoda, especialmente con herramientas optimizadas para Apple Silicon.

En este rango empiezan a aparecer modelos bastante potentes, como Gemma 4 26B o Qwen 3.6 35B. Estos modelos ya pueden ofrecer una experiencia mucho más cercana a la de asistentes comerciales avanzados, especialmente para escritura, análisis, razonamiento general, programación intermedia y flujos de trabajo agénticos.

Ahora bien, tampoco conviene exagerar.

Aunque estos modelos pueden ser muy buenos, todavía pueden cometer errores. No siempre igualan a los mejores modelos comerciales en consistencia, contexto, razonamiento complejo o seguimiento de instrucciones. Pero para muchas personas, este rango será suficiente para trabajar de forma local, privada y con un nivel de calidad muy respetable.

Si quieres una recomendación práctica, este es el rango donde la IA local empieza a tener más sentido para uso diario.

Rendimiento profesional: más de 24 GB de VRAM

Cuando pasamos de los 24 GB de VRAM, entramos en un terreno mucho más serio.

Esta configuración ya no está pensada solo para experimentar o hacer tareas ocasionales. Aquí hablamos de usuarios que quieren ejecutar modelos grandes, trabajar con automatizaciones más complejas, programar de forma intensiva, analizar grandes volúmenes de información o mantener flujos de trabajo locales con mayor estabilidad.

Con más de 24 GB de VRAM, acompañados idealmente por una buena cantidad de RAM del sistema, puedes aprovechar modelos densos más grandes y potentes, como Gemma 31B o Qwen 3.6 27B.

Este tipo de modelos permite una experiencia mucho más sólida en tareas avanzadas: generación de código, revisión de proyectos, agentes locales, análisis técnico, documentación compleja y flujos de trabajo donde la privacidad es una prioridad.

La gran ventaja de este nivel es que puedes acercarte a una experiencia de IA profesional sin depender completamente de plataformas en la nube. Tus datos permanecen en tu máquina, tienes más control sobre el entorno y puedes construir flujos de trabajo personalizados sin enviar información sensible a terceros.

Pero también hay que decirlo con claridad: este nivel ya no es barato.

Una PC con este tipo de capacidad puede ser una excelente inversión si realmente vas a aprovecharla, pero no es necesaria para todo el mundo. Si solo quieres escribir textos, resumir documentos o conversar con un modelo local, probablemente estarías gastando de más.

Entonces, ¿qué PC necesitas realmente?

La respuesta depende de tu caso de uso.

Si solo quieres probar la IA local, aprender cómo funciona y ejecutar modelos pequeños para tareas sencillas, una GPU con 6 GB de VRAM puede ser suficiente.

Si buscas una experiencia más útil, estable y cercana a lo que ofrecen los asistentes modernos, el punto ideal está entre 8 GB y 16 GB de VRAM, con al menos 32 GB de RAM.

Y si quieres usar IA local para desarrollo serio, automatizaciones complejas, agentes más capaces o flujos de trabajo profesionales, entonces sí tiene sentido mirar configuraciones con más de 24 GB de VRAM.

Lo importante es no caer en los extremos.

No necesitas una supercomputadora para empezar, pero tampoco una laptop vieja va a darte una experiencia mágica. La IA local es cada vez más accesible, pero sigue teniendo límites muy claros.

La clave está en comprar hardware pensando en tus necesidades reales, no en las promesas exageradas de internet.

Porque al final, la mejor PC para inteligencia artificial no es la más cara ni la más barata.

Es la que te permite ejecutar los modelos que realmente vas a usar.