Reservar llamada de 15 min
Aprende
Blog y guíasHerramientasDev PlaygroundPlantillasPreguntas frecuentesNormativa
Hardware Developers
Para empresas
Consultoría IA localEU AI Act: guía y plantillasIA en tu empresaSubvencionesSector público
Sobre mí
Sobre míPrensa
Contacto English
Modelos de IA

Modelos abiertos para ejecutar en tu máquina

53 modelos de código abierto seleccionados para ejecutar en local. Cada uno con su caso de uso, la memoria que necesita y cómo instalarlo.

Fuente: Hugging Face y Ollama. Tamaños comprobados el 6 de octubre de 2026.

53 modelos 8 categorías 20 equipos comparados

¿Qué modelo cabe en tu máquina?

Elige un modelo y una cuantización para ver en qué equipos cabe.

Calcula la memoria que necesita un modelo

Elige un modelo, una cuantización y un contexto. Las barras dicen en qué equipos cabe.

Categoría
Tengo este hardware
Cuantización
Contexto (tokens que el modelo recuerda)

Modelos populares

Memoria total–
Parámetros–
Contexto máximo–
Licencia–
Para qué sirve–

Memoria necesaria estimada

–pesos + –caché de contexto + 1,5 GBmotor = –total

Pesos = parámetros × bits por peso ÷ 8 (Q4_0 4,5 · Q4_K_M 4,85 · Q8_0 8,5 · FP16 16). Caché = MB por token × tokens de contexto. Motor = 1,5 GB.

Medido con ollama ps en nuestra GB10, el uso real queda entre 1,4 y 1,6 GB por debajo de esta cuenta: preferimos que te sobre memoria a que te falte. A la máquina le restamos además la parte que se queda el sistema.

Velocidad estimada: –

En qué equipos cabe

De menos a más memoria. Toca un equipo para ver su ficha y dónde comprarlo.

Alquiler de GPU en la nube (por horas)

  • Cloud A100 80GB (RunPod) 80 GB · alquiler por horas
  • Cloud H100 80GB (RunPod) 80 GB · alquiler por horas
Cabe con margen Justo (más del 85 % de lo utilizable) No cabe

Consejo:

Recibe este análisis por correo

Siguiente paso: Selector de hardware Calculadora ROI Subvenciones

Catálogo de modelos locales

Mi hardware:
Más filtros: proveedor

Para empezar

Los modelos de chat y código más grandes que caben en 8 GB (Q4_K_M).
Qwen 3 8B Alibaba · 8B · 5.03 GB ollama pull qwen3:8b Gemma 4 E4B Google · E4B (8B raw, edge) · 4.98 GB ollama pull gemma4:e4b Qwen2.5-Coder 7B Alibaba · 7B · 4.68 GB ollama pull qwen2.5-coder:7b

53 modelos

Haz clic en un modelo para ver los detalles

Qwen2.5-Coder 32B

Programación

Alibaba · 32B · 131.072K ctx · Apache 2.0

Best open coding model at 32B class. Strong at Python, JS, Go. Apache 2.0.

Code completionDebuggingRefactoring ~12 tok/s
Q4_K_M
19.9 GB ≤ 24 GB
Q8
34.8 GB > 24 GB
FP16
65.6 GB > 24 GB
Detalles del modelo
Hardware recomendado

Mac Mini M4 Pro 48GB (Q8) or RTX 4090 24GB (Q4)

Velocidad orientativa (M3 Pro 32 GB, no medida por nosotros)
Q4: 12 tok/s FP16: 6 tok/s
Instalar con Ollama
ollama pull qwen2.5-coder:32b
Qwen/Qwen2.5-Coder-32B-Instruct
Modelo en Hugging Face ↗ Equipos

Qwen2.5-Coder 7B

Programación

Alibaba · 7B · 131.072K ctx · Apache 2.0

Best small coding model. Fits on any device. Fast enough for real-time autocomplete.

Fast code assistAutocompleteEdge coding ~48 tok/s
Q4_K_M
4.68 GB ≤ 8 GB
Q8
8.1 GB ≤ 16 GB
FP16
15.2 GB ≤ 16 GB
Detalles del modelo
Hardware recomendado

Jetson Orin Nano 8GB (Q4) or any 16GB device (Q8)

Velocidad orientativa (M3 Pro 32 GB, no medida por nosotros)
Q4: 48 tok/s FP16: 27 tok/s
Instalar con Ollama
ollama pull qwen2.5-coder:7b
Qwen/Qwen2.5-Coder-7B-Instruct
Modelo en Hugging Face ↗ Equipos

DeepSeek-Coder V2

Programación

DeepSeek · 236B (21B active MoE) · 128K ctx · DeepSeek License

MoE with 21B active. Near GPT-4 coding quality. Best via API ($0.14/$0.28 per 1M).

Complex code tasksMulti-file editsArchitecture ~10 tok/s
Q4_K_M
142.5 GB > 24 GB
Q8
250.4 GB > 24 GB
FP16
471.4 GB > 24 GB
Detalles del modelo
Hardware recomendado

Cloud API recommended

Velocidad orientativa (M3 Pro 32 GB, no medida por nosotros)
Q4: 10 tok/s 236B MoE
Instalar con Ollama
ollama pull deepseek-coder-v2
deepseek-ai/DeepSeek-Coder-V2-Instruct
Modelo en Hugging Face ↗ Equipos

StarCoder2 15B

Programación

BigCode · 15B · 16.384K ctx · BigCode OpenRAIL-M

Trained on The Stack v2. Great for autocomplete. Supports 600+ programming languages.

Code completionFill-in-the-middle600+ languages ~22 tok/s
Q4_K_M
9.86 GB ≤ 16 GB
Q8
17 GB ≤ 24 GB
FP16
32 GB > 24 GB
Detalles del modelo
Hardware recomendado

Mac Mini M4 24GB (Q8) or a 12GB+ GPU (Q4)

Velocidad orientativa (M3 Pro 32 GB, no medida por nosotros)
Q4: 22 tok/s FP16: 11 tok/s
Instalar con Ollama
ollama pull starcoder2:15b
bigcode/starcoder2-15b
Modelo en Hugging Face ↗ Equipos

CodeLlama 34B

Programación

Meta · 34B · 16.384K ctx · Llama 2 Community

Proven and stable. Strong at Python, C++, Java. Good for production use where stability matters.

Infill generationPython specialistLarge codebase nav ~10 tok/s
Q4_K_M
20.2 GB ≤ 24 GB
Q8
35.9 GB > 24 GB
FP16
67.4 GB > 24 GB
Detalles del modelo
Hardware recomendado

Mac Mini M4 Pro 48GB (Q8) or RTX 4090 24GB (Q4)

Velocidad orientativa (M3 Pro 32 GB, no medida por nosotros)
Q4: 10 tok/s
Instalar con Ollama
ollama pull codellama:34b
codellama/CodeLlama-34b-Instruct-hf
Modelo en Hugging Face ↗ Equipos

LLaVA 1.6 34B

Visión / Multimodal

LLaVA Team · 34B · 4.096K ctx · Apache 2.0

Best open vision model for image understanding. Can describe images, answer questions about photos, read documents.

Image understandingVisual QADocument OCR ~10 tok/s
Q4_K_M
20.7 GB ≤ 24 GB
Q8
36.5 GB > 24 GB
FP16
69.6 GB > 24 GB
Detalles del modelo
Hardware recomendado

Mac Mini M4 Pro 48GB (Q8) or RTX 4090 (Q4)

Velocidad orientativa (M3 Pro 32 GB, no medida por nosotros)
Q4: 10 tok/s
Instalar con Ollama
ollama pull llava:34b
llava-hf/llava-v1.6-34b-hf
Modelo en Hugging Face ↗ Equipos

Gemma 3n E4B

Visión / Multimodal

Google · 4B (edge-optimized) · 32.768K ctx · Apache 2.0

Edge-optimized multimodal. Runs on phones and Jetson. Audio, video, image, text: all in 4B params.

On-device visionAudio+Video+Image+TextMobile AI ~55 tok/s
Q4_K_M
4.54 GB ≤ 8 GB
Q8
7.35 GB ≤ 8 GB
FP16
13.7 GB ≤ 16 GB
Detalles del modelo
Hardware recomendado

Jetson Orin Nano 8GB or phone

Velocidad orientativa (M3 Pro 32 GB, no medida por nosotros)
Q4: 55 tok/s FP16: 32 tok/s Nano variant
Instalar con Ollama
ollama pull gemma3n:e4b
google/gemma-3n-E4B-it
Modelo en Hugging Face ↗ Equipos

Qwen2.5-VL 72B

Visión / Multimodal

Alibaba · 72B · 32.768K ctx · Apache 2.0

Understands video, multiple images, and documents. Agent-ready with tool use. Apache 2.0.

Video understandingMulti-image analysisDocument parsing ~5 tok/s
Q4_K_M
47.4 GB > 24 GB
Q8
78 GB > 24 GB
FP16
145.4 GB > 24 GB
Detalles del modelo
Hardware recomendado

Mac Studio 64GB+ or DGX Spark 128GB (Q4)

Velocidad orientativa (M3 Pro 32 GB, no medida por nosotros)
Q4: 5 tok/s Needs 48GB+
Instalar con Ollama
ollama pull qwen2.5-vl:72b
Qwen/Qwen2.5-VL-72B-Instruct
Modelo en Hugging Face ↗ Equipos

InternVL 2.5 78B

Visión / Multimodal

OpenGVLab · 78B · 32.768K ctx · MIT

Top-tier on chart/diagram understanding benchmarks. MIT license. Strong OCR.

Chart/diagram understandingOCRVisual reasoning ~4 tok/s
Q4_K_M
47.5 GB > 24 GB
Q8
83.3 GB > 24 GB
FP16
156.8 GB > 24 GB
Detalles del modelo
Hardware recomendado

Cloud or multi-GPU

Velocidad orientativa (M3 Pro 32 GB, no medida por nosotros)
Q4: 4 tok/s Needs 48GB+
Instalar con Ollama
ollama pull internvl2.5:78b
OpenGVLab/InternVL2_5-78B
Modelo en Hugging Face ↗ Equipos

Florence 2 Large

Visión / Multimodal

Microsoft · 0.77B · 4.096K ctx · MIT

Tiny (0.77B) but excellent at CV tasks. Runs on any device. MIT license. Perfect for edge vision.

Object detectionImage captioningOCRSegmentation
Q4_K_M
481 MB ≤ 8 GB
Q8
840 MB ≤ 8 GB
FP16
1.55 GB ≤ 8 GB
Detalles del modelo
Hardware recomendado

Any device (even Raspberry Pi)

Velocidad orientativa (M3 Pro 32 GB, no medida por nosotros)
FP16: 40 tok/s Light vision model
Instalar con Ollama
ollama pull florence2
microsoft/Florence-2-large
Modelo en Hugging Face ↗ Equipos

Moondream 2

Visión / Multimodal

Moondream · 1.8B · 2.048K ctx · Apache 2.0

Smallest practical vision model. Runs on Jetson, RPi, phones. Apache 2.0. Great for IoT vision.

Edge visionImage QALightweight multimodal
Q4_K_M
1.17 GB ≤ 8 GB
Q8
2.05 GB ≤ 8 GB
FP16
3.86 GB ≤ 8 GB
Detalles del modelo
Hardware recomendado

Jetson Orin Nano, RPi 5, any device

Velocidad orientativa (M3 Pro 32 GB, no medida por nosotros)
FP16: 65 tok/s Ultra-light vision
Instalar con Ollama
ollama pull moondream
vikhyatk/moondream2
Modelo en Hugging Face ↗ Equipos

all-MiniLM-L6-v2

Embeddings

Sentence Transformers · 22M · 0.512K ctx · Apache 2.0

Industry standard for semantic search. 384 dimensions. Blazing fast. We use this in Vorlux AI RAG system.

Semantic searchRAG retrievalDocument similarity
Q4_K_M
31 MB ≤ 8 GB
Q8
51 MB ≤ 8 GB
FP16
92 MB ≤ 8 GB
Detalles del modelo
Hardware recomendado

Any device (22M params = negligible VRAM)

Velocidad orientativa (M3 Pro 32 GB, no medida por nosotros)
FP16: 500 tok/s Embedding
Instalar con Ollama
ollama pull all-minilm:l6-v2
sentence-transformers/all-MiniLM-L6-v2
Modelo en Hugging Face ↗ Equipos
Cargar más modelos

Herramienta

Comparador de Modelos IA

Elige 2-3 modelos para compararlos lado a lado.

Referencia: la nube

Cuando necesitas la nube

Para tareas que piden un modelo más grande del que cabe en tu equipo, esto cuesta la API. Solo publicamos precios que hemos comprobado en la página oficial de cada proveedor.

Dólares por millón de tokens. Verificado el 9 de septiembre de 2026.
Modelo Proveedor Entrada Salida Contexto
GPT-5 OpenAI $1.25 $10.00 400K
GPT-5 Mini OpenAI $0.25 $2.00 400K
Claude Sonnet 5 Anthropic $2.00 $10.00 200K
Claude Haiku 4.5 Anthropic $1.00 $5.00 200K

Fuentes: OpenAI · Anthropic. Para comparar con lo que cuesta en local, usa la calculadora de coste.

¿Nube o local?

API en la nube

  • Acceso a los modelos más grandes
  • Sin hardware que mantener
  • Escala al momento
  • Los datos salen de tu red
  • El coste crece con el uso
  • Dependes del proveedor

IA local

  • Los datos no salen de tu red
  • Coste fijo (el hardware, una vez)
  • RGPD más fácil de cumplir
  • Sin latencia de red
  • Modelos más pequeños
  • Inversión inicial
Consultar despliegue local →
Veredicto semanal

Recibe las guías nuevas antes que nadie

Suscríbete y te avisamos cuando publiquemos guías, plantillas y workflows nuevos. Un correo a la semana, sin spam.

Ya publicados: 76 guías y 25 plantillas. Todo gratis y sin registro.

Bonus: la checklist del EU AI Act, lista para completar
1x por semana Sin spam Cancela cuando quieras

Ver qué recibes

La Ley de IA de la UE ya aplica: una lista que puedes completar

Cuéntanos qué quieres ejecutar

Dinos qué quieres ejecutar y con qué presupuesto. Te decimos qué hardware necesitas, qué modelo encaja y qué puedes esperar de él, antes de que gastes nada.

Hablemos 15 minutos WhatsApp
Primera llamada gratis, 15 min Local-first: tus datos no salen de tu red Herramientas y guías abiertas

76 guías gratuitas · 17 plantillas de cumplimiento