Actualizado el 5 de octubre de 2026: La sección GB300 agrega la escalabilidad medida del clúster de dos estaciones de nuestra combinación ASUS-HP (98 % de la velocidad de línea en NCCL, GLM-5.2 con una concurrencia coincidente de 11x) y la entrada de HP ZGX señala que sus primeras cifras públicas llegaron como la segunda torre del clúster.
Todos los sistemas clasificados en esta página han pasado por el laboratorio de StorageReview. Evaluamos directamente el rendimiento de la IA local: rendimiento de servicio en línea de vLLM, tiempo hasta el primer token y tiempo por token de salida en modelos como GPT-OSS-120B, Llama 3.1 8B, Mistral Small 3.1 24B y Qwen3 Coder 30B, además de la eficiencia de cómputo de MAMF y pruebas de almacenamiento GDSIO. Ningún sistema se clasifica a partir de una hoja de especificaciones.
La pregunta clave para un ordenador de sobremesa con IA en 2026 es si elegir memoria unificada o VRAM dedicada . Los dispositivos de sobremesa, como el DGX Spark de NVIDIA (basado en GB10) y el Ryzen AI Max (Strix Halo) de AMD, integran 128 GB de memoria unificada en un solo chip a precios de dispositivo, lo que permite gestionar modelos que, de otro modo, requerirían varias GPU dedicadas. Las torres de estaciones de trabajo responden con un rendimiento superior: las tarjetas RTX PRO 6000 Blackwell ofrecen una tasa de bits por segundo mucho mayor, aunque a un coste y consumo energético varias veces superiores. Esta página clasifica ambos, en niveles separados, a partir de un conjunto de pruebas consistente, ya que la respuesta correcta depende del modelo más grande que se pretenda ejecutar y de la velocidad de respuesta requerida.
A simple vista
| Categoría | Sistema | Salud Cerebral | GPU (Probadas / Máx.) | Opinión completa |
|---|---|---|---|---|
| Mejor sistema de IA de escritorio en general | NVIDIA DGX Spark | 128 GB LPDDR5X unificado | GB10 integrado (fijo) | Reseña del DGX Spark |
| Mejor implementación de GB10 | Acer Veriton GN100 | 128 GB LPDDR5X unificado | GB10 integrado (fijo) | Análisis del Veriton GN100 |
| La mejor alternativa a x86 | AMD Ryzen AI Halo (Strix Halo) | Hasta 128 GB de memoria LPDDR5X unificada | Radeon 8060S integrada (fija) | Análisis de Ryzen AI Halo |
| Mejor sin una GPU dedicada | HP Z2 Mini G1a | Memoria LPDDR5X unificada (ejecutaba GPT-OSS 120B) | Integrada, sin GPU dedicada (fijo) | Análisis del Z2 Mini G1a |
| El mejor sistema GB300 | MSI XpertStation WS300 (alternativa: ASUS ET900N G3) | 748 GB coherentes (252 GB HBM3e + 496 GB LPDDR5X) | GB300 integrado (fijo) | Análisis de XpertStation WS300 |
| La mejor torre para IA local | Dell Precision 7875 | 192 GB GDDR7 (2 × 96 GB) | 2× RTX PRO 6000 / 2 máx. | Reseña de la Precision 7875 |
| La mejor plataforma multi-GPU | HP Z8 Fury G6i | 192 GB GDDR7 según las pruebas realizadas / hasta 384 GB | 2× RTX PRO 6000 probados / 4 máximo | Análisis del Z8 Fury G6i |
| La elección extrema | Comino Grando RTX PRO 6000 | 768 GB GDDR7 (8 × 96 GB) | 8× RTX PRO 6000 / 8 máx. | Reseña de Comino Grando |
Dispositivos de IA para escritorio
La gama de dispositivos, que Dell denomina IA de escritorio y NVIDIA la supercomputadora personal de IA , sacrifica rendimiento máximo a cambio de capacidad de modelos, eficiencia energética y precio. Con 128 GB de memoria unificada, estos sistemas pueden gestionar cómodamente modelos de clase 70B con alta cuantización y hasta cargas de trabajo de clase 120B que requerirían varias GPU independientes en una torre.
Lectura de laboratorio esencial para este nivel: nuestra prueba térmica DGX Spark compara los diseños de refrigeración de los fabricantes de equipos originales (OEM) en los sistemas GB10 que se detallan a continuación y se aplica a todas las unidades de esta clase hasta que estas plataformas se revisen.
Mejor sistema de IA de escritorio en general: NVIDIA DGX Spark
El DGX Spark es el punto de referencia con el que se comparan todos los demás equipos de IA de sobremesa. El superchip GB10 Grace Blackwell combina una CPU Arm de 20 núcleos con 128 GB de LPDDR5X unificada, y los puertos ConnectX-7 duales de 200 GbE lo convierten en el único dispositivo de la clase que hemos probado que se agrupa de forma nativa: nuestras pruebas de inferencia distribuida de dos nodos ejecutaron cargas de trabajo en paralelo en pipeline a través de nodos Dell, GIGABYTE y HP a través de 200 GbE. Esta historia de agrupación ahora tiene una vía de acceso más económica: NVIDIA añadirá una SKU del DGX Spark de 64 GB el 23 de octubre a 4,999 dólares , vendida a través de los mismos seis fabricantes de equipos originales (OEM), y dos de ellos se agrupan a través de un cable de 200 GbE para agrupar 128 GB; NVIDIA sitúa el par agrupado en hasta 1.7 xa de una sola unidad de 128 GB en Qwen3.8 27B, una afirmación que aún no hemos probado. La pila de software CUDA sigue siendo la más completa del segmento. El único límite de la plataforma es el almacenamiento: cada sistema GB10 alcanza un máximo de aproximadamente 4 TB en una única ranura M.2 corta. Nuestra configuración de almacenamiento compartido de ocho Spark es la solución ideal: una única matriz QLC controlada que se conecta a través de los puertos 100 GbE que ya incorpora cada Spark, donde un cliente lee a 10.8 GiB/s, igualando la velocidad de la M.2 interna más rápida que hemos medido en un sistema GB10, y un modelo de 78 GB alojado centralmente con una capacidad de carga que se sitúa dentro del 13 % de la NVMe local.
Lee la reseña completa de DGX Spark.
Mejor implementación de GB10: Acer Veriton GN100
Entre los sistemas GB10 de fabricantes de equipos originales (OEM), el diseño térmico es el factor diferenciador clave, y el Veriton GN100 destacó en nuestras pruebas. Todos los equipos GB10 comparten la misma configuración de silicio y memoria, por lo que el rendimiento sostenido depende de la refrigeración. Nuestra comparativa térmica entre múltiples fabricantes de equipos originales es, hasta donde sabemos, la única de su tipo publicada.
Lee la reseña completa del Veriton GN100.
La mejor alternativa x86: AMD Ryzen AI Halo
Si necesita Windows o una pila de software x86 estándar, Strix Halo es la solución ideal para su escritorio. La plataforma Ryzen AI Max+ 395 de AMD combina 128 GB de memoria unificada con una configuración de sistema operativo dual, y en nuestras pruebas manejó modelos de clase de 200 mil millones de parámetros, compitiendo directamente con el DGX Spark sin el compromiso del sistema operativo Arm/DGX.
Lee la reseña completa de Ryzen AI Halo.
Mejor opción sin tarjeta gráfica dedicada: HP Z2 Mini G1a
La Z2 Mini G1a ejecutaba GPT-OSS 120B sin tarjeta gráfica dedicada. Esta miniestación de trabajo de HP integra el procesador AMD Ryzen AI Max+ PRO en un chasis compacto, silencioso y apto para entornos informáticos, y sigue siendo la prueba más clara de que los sistemas x86 con memoria unificada han transformado las capacidades de un equipo de oficina compacto.
Lee la reseña completa del Z2 Mini G1a.
Mejor sistema GB300: MSI XpertStation WS300
El WS300 es la primera estación GB300 DGX que pasa por nuestro laboratorio y redefine el estándar para la categoría de dispositivos. El superchip Grace Blackwell Ultra integra 748 GB de memoria coherente, 252 GB de HBM3e más 496 GB de LPDDR5X, con una capacidad de cómputo FP4 de 20 petaFLOPS. En nuestras pruebas, procesó un punto de control GLM-5.2 de 433 GB con 216 GB de pesos expertos almacenados en memoria Grace, un modelo que no debería funcionar junto a un escritorio. Como todos los sistemas de la clase DGX, utiliza DGX OS en lugar de Windows; este es el compromiso que exige tal cantidad de memoria. Su precio y consumo de energía lo sitúan más cerca de los extremos de la categoría de torres que de los equipos GB10 mencionados anteriormente, pero ningún otro dispositivo de la clase ofrece un modelo de esta capacidad. La pregunta obvia, si un componente de 1,300 W reduce su rendimiento en una torre, ahora tiene una respuesta cuantificable: nuestro análisis térmico exhaustivo del WS300 registró una ejecución sostenida de 2.8 horas con el chip Blackwell Ultra a 60 °C, una frecuencia constante de 2.07 GHz sin caídas y un margen térmico de aproximadamente 20 °C a plena carga.
Alternativa a la GB300: la ASUS ExpertCenter Pro ET900N G3 es la segunda estación GB300 DGX que hemos probado y confirma la plataforma: en 14 modelos y dos cargas de trabajo, 24 de 28 comparaciones de rendimiento máximo se situaron dentro del 2 % de la WS300, y los modelos con coherent pool funcionaron a la par o mejor. ASUS añade asas de transporte a la torre de 27 kg, un ventilador dedicado sobre las jaulas de ópticas de 400 G y una fuente de alimentación 80 PLUS Titanium. Ambas torres ofrecen la plataforma; consulte nuestra reseña de la ET900N G3 para la comparación entre ambas. Escalabilidad del clúster: dos de estas torres conectadas mediante cables a través de sus propios puertos de 400G ahora se miden, no se prometen: nuestra prueba de clúster GB300 emparejó las estaciones ASUS y HP con dos DAC, alcanzó el 98 % de la velocidad de línea en los colectivos NCCL y convirtió a GLM-5.2 (un modelo de 433 GB que una sola estación solo puede servir vertiendo 215 GB de pesos en la memoria Grace) de 139 tokens de salida por segundo a 32 flujos a 1,525, camino a 3,141 a 256. Los modelos que caben en una estación escalan de manera diferente: la desagregación de prellenado/decodificación triplicó el rendimiento de solicitud corta de GLM-5.3 Flash, y DeepSeek V4.1 Flash registró 5,248 tokens por segundo, la salida más alta del conjunto.
Lea la reseña completa de XpertStation WS300.
En el laboratorio: Estación de IA HP ZGX Fury
La HP ZGX Fury AI Station, el tercer sistema de la serie GB300 que llega a nuestro laboratorio, después de la MSI WS300 y la ASUS ET900N G3, cuyos resultados en ambas torres se situaron dentro del 2% de diferencia entre sí.
La estación de IA ZGX Fury de HP ya está en nuestro laboratorio. Está construida sobre la misma plataforma NVIDIA GB300 Grace Blackwell Ultra que la MSI XpertStation WS300 mencionada anteriormente, lo que nos brinda la primera oportunidad de ver cómo se comparan las implementaciones de la arquitectura DGX Station de dos fabricantes en el mismo banco de pruebas: temperatura, acústica, frecuencias de reloj sostenidas y la experiencia práctica de usar la máquina. Sus primeras cifras públicas ya están disponibles: la ZGX Fury sirvió como segunda torre en nuestra prueba de clúster GB300 de dos estaciones , ejecutando la decodificación para la configuración Flash GLM-5.3 desagregada y la mitad de cada ejecución en paralelo de tensores. El análisis individual está en marcha, y la ZGX Fury entrará en la clasificación cuando se publiquen sus propias cifras de rendimiento.
En el horizonte: AMD Threadripper Halo Station
Presentada en la IFA 2026 y aún sin pruebas en laboratorio, la Threadripper Halo Station de AMD es la primera respuesta directa a la clase GB300 mencionada anteriormente. La propuesta invierte la apuesta de NVIDIA: en lugar de un único pool de memoria coherente, AMD combina un Threadripper PRO de 96 núcleos en una plataforma con hasta 2 TB de DDR5 de ocho canales y 128 líneas PCIe 5.0 con dos aceleradores Instinct MI350P de 600 W con 144 GB de HBM3E cada uno, y una ruta declarada para cuatro tarjetas y 576 GB de HBM. Todo el sistema cuenta con refrigeración líquida, y el host x86 evita la fricción de la cadena de herramientas Arm que señalamos en el análisis de la WS300. La incógnita reside en el rendimiento de los modelos con tarjetas conectadas por PCIe frente a la coherencia NVLink-C2C, y AMD no ha mostrado pruebas de rendimiento, precios ni disponibilidad, por lo que se trata de un producto a tener en cuenta, no de una compra segura. Encontrará más detalles en nuestra cobertura del anuncio ; entrará en la clasificación cuando el hardware llegue al laboratorio.
También se probaron: Dispositivos de IA para escritorio
Estos sistemas han pasado por el mismo proceso de laboratorio y son opciones sólidas que no ocuparon un lugar en la categoría: Dell Pro Max con GB10 , ASUS Ascent GX10 , GIGABYTE AI TOP ATOM , HP ZGX Nano G1n y HP EliteDesk 8 Mini G1a.
Torres de estaciones de trabajo para IA local
Cuando el tiempo de respuesta es más importante que el coste de adquisición (asistentes de codificación interactivos, servicio multiusuario, pipelines con agentes y largas cadenas de llamadas a herramientas), la VRAM discreta sigue siendo la mejor opción. Estas torres se clasifican aquí según su rendimiento de inferencia y su capacidad de memoria, y para cada una indicamos la configuración de GPU que probamos junto con la capacidad máxima del chasis, ya que la capacidad final del chasis es tan importante como la configuración incluida en nuestro montaje; se clasifican por separado en nuestra página de Mejores Estaciones de Trabajo de Escritorio frente a las cargas de trabajo de SPECworkstation y renderizado, porque responden a dos preguntas diferentes.
Mejor torre para IA local: Dell Precision 7875
Las dos GPU RTX PRO 6000 Blackwell convierten a la Precision 7875 en el sistema de formato estándar más rápido que hemos probado para inferencia local. Con un Threadripper PRO 9995WX y 192 GB de VRAM combinada en dos tarjetas, ejecuta modelos de clase 100B completamente en memoria GPU, ofreciendo un tiempo de respuesta al primer token de nivel interactivo que ningún dispositivo de memoria unificada puede igualar. Sin embargo, tenga en cuenta el límite: el chasis 7875 admite un máximo de dos tarjetas de doble ancho, por lo que nuestra configuración de doble GPU es la configuración máxima; no es posible añadir una tercera posteriormente.
Lea la reseña completa de la Precision 7875.
Mejor plataforma multi-GPU: HP Z8 Fury G6i
La Z8 Fury G6i es la torre ideal si planeas ampliar tu equipo con más tarjetas gráficas. En nuestra prueba, utilizamos dos tarjetas RTX PRO 6000 Max-Q con una VRAM combinada de 192 GB, pero el chasis, alimentado por dos fuentes de alimentación que suman hasta 2700 W, admite hasta cuatro tarjetas Blackwell y 384 GB de VRAM. La diferencia entre la configuración probada y la máxima capacidad es clave: ninguna torre OEM estándar que hayamos probado ofrece mayor capacidad para tarjetas gráficas, y pasar de dos a cuatro tarjetas no requiere cambiar el chasis.
Lee la reseña completa del Z8 Fury G6i.
La elección extrema: Comino Grando RTX PRO 6000
768 GB de VRAM en un chasis 4U con refrigeración líquida: el Grando existe para el comprador cuyo modelo no encaja en ningún otro lugar. Nuestra unidad de prueba venía con ocho tarjetas RTX PRO 6000 Blackwell de 96 GB cada una, el máximo del chasis, y la refrigeración líquida de Comino mantiene las ocho funcionando a su TDP máximo las 24 horas del día sin estrangulamiento térmico. Esto supone más memoria de GPU que muchos servidores de rack, en un dispositivo que aún puede colocarse junto a un escritorio. Su precio es elevado, no su acústica, y es deliberadamente la excepción en esta lista: prueba de dónde está realmente el límite para el rendimiento en el escritorio.
Lee la reseña completa de Comino Grande.
Cómo clasificamos
Cada clasificación de StorageReview se rige por tres reglas. Primero, solo se clasifican los sistemas probados en laboratorio. Si no lo hemos evaluado, se puede mencionar, pero no puede ocupar una categoría. Segundo, los sistemas se clasifican una vez por cada criterio de medición. Los equipos mencionados anteriormente también aparecen en nuestra clasificación de estaciones de trabajo de escritorio, donde se clasifican según SPECworkstation y rendimiento de renderizado, y aquí según el rendimiento de inferencia y el límite de memoria. Cada pregunta tiene datos diferentes y, a veces, el ganador también. Tercero, existe un requisito de viabilidad: un sistema debe ejecutar un modelo de clase 30B a velocidades interactivas o ofrecer al menos 96 GB de memoria accesible para el modelo para aparecer en esta página.
Las clasificaciones se derivan de una combinación del rendimiento del servicio en línea de vLLM, el tiempo hasta el primer token, el tiempo por token de salida, la eficiencia de cómputo de MAMF, el rendimiento del almacenamiento GDSIO y el precio de mercado. El criterio editorial resuelve los empates dentro de los rangos de puntuación. Los proveedores no ven las clasificaciones antes de su publicación y ninguna aparición en esta página es remunerada.
Preguntas frecuentes sobre IA local para escritorio
¿Cuál es el mejor ordenador de sobremesa para la IA ámbrica?
Las cargas de trabajo de agentes, como agentes de codificación, pipelines de llamadas a herramientas y tareas autónomas de varios pasos, son sensibles al rendimiento y la latencia de una manera que el uso de un solo chat no lo es, porque los agentes encadenan muchas llamadas a modelos con un contexto extenso. Esto favorece la categoría de torre: la VRAM discreta de la Dell Precision 7875 proporciona el tiempo sostenido hasta el primer token que mantiene la capacidad de respuesta de largas cadenas de agentes. Para la experimentación de agentes con presupuesto limitado, un dispositivo de clase GB10 ejecuta las mismas pilas a menor velocidad. Nuestra guía completa de dimensionamiento se encuentra en RAM, GPU y almacenamiento para IA de agentes.
¿Cuánta memoria necesito para ejecutar un modelo 70B localmente?
Como regla general, un modelo 70B con cuantización de 4 bits requiere aproximadamente entre 40 y 48 GB de memoria accesible antes de la introducción de contexto; para un uso interactivo cómodo con contexto significativo, se necesita más memoria. Por eso, los dispositivos con memoria unificada de 128 GB manejan bien los modelos de clase 70B, y por eso los sistemas con una sola GPU de 24 a 32 GB no aparecen en esta página.
¿Necesito poderes especiales para operar estos sistemas?
Para la gama de electrodomésticos, no: las cajas de clase GB10 y los sistemas Strix Halo funcionan cómodamente en una toma de corriente de oficina estándar. Las torres merecen una conversación seria con el propietario del edificio. Un HP Z8 Fury G6i completamente configurado puede llevar fuentes de alimentación duales que suman hasta 2700 W, más de lo que puede suministrar un circuito estándar de 15 amperios y 120 V, y el Comino Grando especifica fuentes de alimentación de 2000 W intercambiables en caliente que requieren una entrada de 180-264 V, reduciéndose a unidades de 1000 W con un servicio de 110 V. Antes de comprar desde la parte superior de esta página, compruebe lo que realmente puede suministrar la pared; un circuito dedicado o un servicio de 208/240 V puede formar parte del coste real de una carga completa de GPU. El calor sigue la misma lógica, ya que cada vatio consumido termina en la habitación.
¿Qué tal un Mac Studio?
Por el momento no, y no solo porque aún no hemos realizado pruebas de laboratorio. Apple ha dejado de vender las configuraciones de Mac Studio con alta memoria, que eran la única ventaja real de la máquina para la IA local: suficiente memoria unificada para almacenar modelos muy grandes. Sin esas configuraciones, la gama actual no es una opción viable para esta página. Se espera que Apple renueve la Mac Studio este año; si vuelven a estar disponibles las opciones con alta memoria, probaremos una y lo reconsideraremos.
Amazon