PC para Ollama: elegir CPU, GPU y memoria

Qué elegir según tu caso

Empezar con NVIDIA

ASUS Dual GeForce RTX 5060 Ti 16GB GDDR7 OC Edition - Tarjeta gráfica | PCIe 5.0, 16GB GDDR7, DLSS 4, HDMI 2.1b, DisplayPort 2.1b, diseño de 2.5 ranuras, ventilador Axial-tech, tecnología 0dB

Para modelos que quepan en 16 GB y una estación de presupuesto contenido.

849,95 €

Precio del 15/11/2026 08:03 · hora de Madrid

Comprar en Amazon ↗

Más trabajo con 16 GB

GIGABYTE Tarjeta gráfica GeForce RTX 5070 Ti Gaming OC 16G, 16 GB 256 bits GDDR7, PCIe 5.0, Sistema de refrigeración WINDFORCE, Tarjeta de Video GV-N507TGAMING OC-16GD

Para sesiones frecuentes cuando el límite no es la capacidad.

1.393,78 €

Precio del 14/11/2026 23:56 · hora de Madrid

Comprar en Amazon ↗

Más memoria compartida

GMKtec EVO-X2 AI Mini PC AMD Ryzen AI MAX+ 395 (16K/32T, hasta 5.1 GHz), rendimiento AI de 126 TOPS, 128 GB DDR5 RAM, M.2 PCIE 4.0 X4, SSD de 2 TB, mini PC para juegos con tarjeta gráfica 8060S | WiFi

Para un backend compatible con AMD y un proyecto que justifique la memoria integrada.

3.899,96 €

Precio del 15/11/2026 07:56 · hora de Madrid

Comprar en Amazon ↗

Precios y configuraciones en Amazon

ASUS Dual GeForce RTX 5060 Ti 16GB GDDR7 OC Edition - Tarjeta gráfica | PCIe 5.0, 16GB GDDR7, DLSS 4, HDMI 2.1b, DisplayPort 2.1b, diseño de 2.5 ranuras, ventilador Axial-tech, tecnología 0dB

849,95 €

Precio del 15/11/2026 08:03 · hora de Madrid

Nuevo

Comprar en Amazon ↗

GIGABYTE Tarjeta gráfica GeForce RTX 5070 Ti Gaming OC 16G, 16 GB 256 bits GDDR7, PCIe 5.0, Sistema de refrigeración WINDFORCE, Tarjeta de Video GV-N507TGAMING OC-16GD

1.393,78 €

Precio del 14/11/2026 23:56 · hora de Madrid

Nuevo

Comprar en Amazon ↗

Gigabyte Technology AORUS GeForce RTX 3090 Master - Tarjeta gráfica (24 GB), GV-N3090AORUS M-24GD

1.499,99 €

Precio del 11/11/2026 18:57 · hora de Madrid

Usado

Comprar en Amazon ↗

GIGABYTE AORUS GeForce RTX 5090 Master Ice 32G Tarjeta Gráfica - 32GB GDDR7, 512 bits, PCI-E 5.0, 2655MHz Frecuencia Base, 3 x DP 2.1a, 1 x HDMI 2.1b, NVIDIA DLSS 4, GV-N5090AORUSM ICE-32GD

7.399,55 €

Precio del 15/11/2026 08:02 · hora de Madrid

Nuevo

Comprar en Amazon ↗

GMKtec EVO-X2 AI Mini PC AMD Ryzen AI MAX+ 395 (16K/32T, hasta 5.1 GHz), rendimiento AI de 126 TOPS, 128 GB DDR5 RAM, M.2 PCIE 4.0 X4, SSD de 2 TB, mini PC para juegos con tarjeta gráfica 8060S | WiFi

128 GB RAM

3.899,96 €

Precio del 15/11/2026 07:56 · hora de Madrid

Nuevo

Comprar en Amazon ↗

GIGABYTE GeForce RTX 5060 Ti Eagle MAX OC 16G Tarjeta Gráfica - 16GB GDDR7, 128bit, PCI-E 5.0, 2617MHz Frecuencia del núcleo, 3 x DP, 1 x HDMI, NVIDIA DLSS 4, GV-N506TEAGLEMAX OC-16GD

874,42 €

Precio del 15/11/2026 07:59 · hora de Madrid

Nuevo

Comprar en Amazon ↗

GIGABYTE GeForce RTX 5070 Ti Eagle OC SFF 16G Tarjeta Gráfica - 16GB GDDR7, 256 bits, PCI-E 5.0, 2542 MHz Core Clock, 3 x DP 2.1a, 1 x HDMI 2.1b, NVIDIA DLSS 4, GV-N507TEAGLE OC-16GD

1.489,00 €

Precio del 15/11/2026 07:58 · hora de Madrid

Nuevo

Comprar en Amazon ↗

ASUS TUF Gaming GeForce RTX 5090 32GB GDDR7 OC Edition - Tarjeta gráfica | PCIe 5.0, HDMI/DP 2.1, 3.6 ranuras, grado militar, revestimiento PCB, ventiladores axial-tech, cámara de vapor

7.964,20 €

Precio del 15/11/2026 08:02 · hora de Madrid

Nuevo

Comprar en Amazon ↗

Los precios pueden cambiar. El importe final y las condiciones de venta son los que muestra Amazon al comprar.

Guía para decidir la compra

Una compra distinta para cada uso de Ollama

Para probar un asistente y aprender, primero utilizaría el equipo que ya tienes con un modelo manejable. Para sesiones frecuentes, una GPU compatible puede mejorar la experiencia. Para documentos largos o varias personas, el contexto y la concurrencia añaden memoria. No compraría una GPU sin decidir antes esas condiciones, porque un modelo que funciona en una demostración corta puede comportarse de otra manera con un documento grande.

GPU nueva, tarjeta usada o memoria unificada

Una tarjeta nueva facilita comparar condición y garantía, pero puede ofrecer menos memoria por el presupuesto disponible. Una 3090 usada aporta 24 GB, con riesgos y costes de instalación que debes incluir. Una plataforma AMD o Apple puede ofrecer mucha memoria compartida si el backend la admite. La elección correcta es la que ejecuta tu programa con un resultado cómodo; no enfrentaría esas plataformas como si todas utilizaran exactamente las mismas bibliotecas y optimizaciones.

Por qué elegir cada opción

GeForce RTX 5060 Ti de 16 GB: empezar con nvidia

Para modelos que quepan en 16 GB y una estación de presupuesto contenido. Una opción de entrada para experimentar con CUDA y modelos que caben en 16 GB sin pagar por una GPU superior. Elegiría expresamente la variante de 16 GB, porque compartir el nombre 5060 Ti no convierte otra capacidad en equivalente. Para sesiones frecuentes o cargas que necesitan más velocidad, la 5070 Ti puede compensar. Si el modelo desborda la memoria, subir de potencia dentro de 16 GB no resuelve el problema.

GeForce RTX 5070 Ti de 16 GB: más trabajo con 16 gb

Para sesiones frecuentes cuando el límite no es la capacidad. La elegiría para combinar CUDA, trabajo creativo y juegos, siempre que el modelo de IA quepa en 16 GB con su contexto. Es una compra nueva más fácil de mantener que una tarjeta antigua usada, pero no reemplaza 24 GB por el hecho de ser más reciente. Entre ensambladores priorizaría que la tarjeta entre en la caja, tenga una alimentación adecuada y no cueste mucho más por una pequeña diferencia de frecuencia.

GMKtec EVO-X2 con 128 GB: más memoria compartida

Para un backend compatible con AMD y un proyecto que justifique la memoria integrada. La opción compacta que consideraría para modelos locales cuyo principal límite es la memoria. El EVO-X2 utiliza memoria integrada, por lo que la capacidad se decide al comprar; no se amplía después como un módulo SO-DIMM. Escogería la versión de 128 GB para un proyecto que realmente la necesite. No lo presentaría como sustituto universal de una RTX: el programa y su backend tienen que admitir la plataforma AMD.

Memoria del modelo, contexto y margen de trabajo

El tamaño del archivo del modelo no es toda la memoria necesaria para ejecutarlo. Además de los pesos, el programa utiliza memoria de trabajo y conserva información de la conversación. Un contexto más largo y varias solicitudes simultáneas pueden cambiar la capacidad que necesitas. La cuantización reduce el tamaño de los pesos, pero también cambia la calidad y el comportamiento del modelo.

Como primera aproximación, los pesos de un modelo de 8.000 millones de parámetros a 4 bits ocupan unos 4.000 millones de bytes antes de añadir estructuras y memoria de ejecución. Esa cuenta ayuda a descartar compras claramente insuficientes, pero no demuestra que un proyecto concreto vaya a caber. Elige el modelo, la cuantización, el contexto y el programa antes de fijar una cifra de VRAM. Después deja margen para el sistema y verifica la carga real; una configuración que funciona justo puede resultar incómoda en sesiones largas.

El programa decide qué acelerador te sirve

CUDA, ROCm, Metal y Vulkan no son nombres intercambiables. Una herramienta que depende de una biblioteca CUDA puede necesitar NVIDIA aunque otra herramienta ejecute el mismo modelo en una GPU AMD o en Apple Silicon. La compatibilidad también cambia con el sistema operativo y la versión del programa. Una ficha que anuncia muchos TOPS de NPU no demuestra que esa NPU acelere el flujo que vas a utilizar.

Para Ollama o LM Studio, identifica primero el backend disponible para tu equipo y consulta la compatibilidad actual. Para nodos de imagen, entrenamiento o extensiones específicas, comprueba además sus dependencias. Elegir una máquina con más memoria pero sin soporte para el programa puede ser una compra peor que una configuración más modesta compatible. En un proyecto de trabajo, la opción prudente es reproducir una tarea pequeña con el mismo entorno antes de comprometer todo el presupuesto.

Qué significa que un modelo funcione bien

Que un modelo se cargue no significa que vaya a responder a una velocidad cómoda. La carga inicial, el procesamiento de un documento largo y la generación de la respuesta son fases distintas. Un resultado útil debe indicar el modelo y su versión, cuantización, contexto, programa y configuración. Sin esos datos, dos cifras de rendimiento pueden describir trabajos muy diferentes.

Para un asistente personal tolerarás una espera distinta que para varias personas consultando un servidor. La memoria determina qué cabe; el ancho de banda y la capacidad de cálculo influyen en lo que tarda. En generación de imágenes importan también la resolución, el número de pasos y los componentes cargados. Comprar por un único resultado promocional puede llevarte a una configuración cara que mejora poco tu tarea. Define primero qué tiempo de respuesta necesitas y compara con esa misma carga.

Presupuesta la estación completa

Una gráfica no es un ordenador completo. Para instalarla debes disponer de una caja con espacio, una fuente adecuada, los conectores correctos y ventilación suficiente. Una tarjeta usada barata puede dejar de serlo si obliga a cambiar la mitad del equipo. Añade también RAM del sistema y almacenamiento para los modelos, archivos temporales y datos de trabajo.

En un mini PC de memoria unificada o un Mac, el coste se concentra en la configuración inicial y la ampliación puede ser limitada. En una torre puedes sustituir piezas, aunque eso no implica que cualquier ampliación sea compatible. Para un proyecto que crecerá, elige qué parte necesitas ampliar: memoria, almacenamiento, GPU o acceso de varios usuarios. No pagaría por todo a la vez sin un motivo; reservar presupuesto para la siguiente necesidad suele ser mejor que comprar la opción más cara por precaución.

Preguntas frecuentes

¿Ollama necesita NVIDIA?

No es la única ruta disponible. La compatibilidad de GPU y sistema operativo debe consultarse en la documentación actual, porque las opciones de backend no son iguales en todas las plataformas.

¿16 GB de VRAM son suficientes?

Para determinados modelos y contextos sí. Usa la estimación como filtro inicial y comprueba el proyecto real con margen; la memoria de los pesos no es toda la necesaria.

¿Qué elegiría entre 3090 y 5070 Ti?

3090 usada si necesito la capacidad de 24 GB y acepto sus condiciones. 5070 Ti nueva si 16 GB bastan y prefiero esa clase de compra.

¿Más RAM del PC sustituye a la VRAM?

Puede permitir otras formas de ejecución, pero no convierte automáticamente la RAM en memoria de la GPU ni garantiza la misma velocidad. El programa y la conexión de memoria determinan el resultado.

Mi recomendación

Elige primero el modelo y su contexto. Después compra una GPU o un sistema completo compatible que lo sostenga con margen, incluyendo el coste del resto de la estación.