Servidor con GPU: qué tarjeta para cada tarea
La GPU de un servidor se elige primero por la memoria de vídeo y después por la velocidad. Si el modelo o la escena no caben en la memoria de la tarjeta, el servidor no sirve, por rápido que calcule. A continuación: qué tareas funcionan en qué tarjetas, en qué se diferencian las de servidor de las de gaming y cuánto cuesta un mes de cada una según el catálogo de accsly.
La respuesta corta. Para modelos pequeños, reconocimiento de voz y procesamiento de vídeo basta una tarjeta de 16–24 GB: T4, L4, RTX 4090. Los modelos de lenguaje de decenas de miles de millones de parámetros necesitan 48–96 GB: L40S o RTX PRO 6000. Los modelos grandes se entrenan en A100 y H100, normalmente varias en un mismo servidor.
Tres cifras que deciden
- Memoria de vídeo (VRAM). Guarda los pesos de la red neuronal, los datos y los resultados intermedios. Si no alcanza, la tarea falla con un error o parte del modelo pasa a la memoria normal del servidor y funciona muchas veces más lento. Cuánta memoria necesita un modelo de lenguaje se explica en el artículo tu propio modelo de lenguaje en un servidor.
- Ancho de banda de la memoria. Cuántos gigabytes por segundo lee la tarjeta de su memoria. Para los modelos de lenguaje es la cifra principal de velocidad: al generar una respuesta, cada palabra nueva exige leer todos los pesos del modelo. NVIDIA dice claramente que esta fase está limitada por la velocidad de la memoria, no por el cálculo.
- Conexión entre tarjetas. Si un modelo no cabe en una tarjeta, se reparte entre varias. Las tarjetas con NVLink intercambian datos más rápido que por el bus PCIe. En la H100 SXM son 900 GB/s, mientras que la L40S no tiene NVLink.
Las tarjetas que más se alquilan
Tomé los planes con GPU del catálogo de accsly del 13 de noviembre de 2026 y me quedé solo con los que tienen una tarjeta entera en el servidor. El precio es la mediana del mercado por mes; entre paréntesis, el rango de la mitad central de los planes. El catálogo guarda los precios en rublos, así que los importes en dólares están convertidos y redondeados. Las especificaciones salen de las páginas de cada tarjeta en el sitio de NVIDIA.
| Tarjeta | Memoria | Ancho de banda | Precio al mes | Planes / proveedores |
|---|---|---|---|---|
| RTX A4000 | 16 GB | 448 GB/s | 373 USD (301–514) | 11 / 8 |
| RTX 3090 | 24 GB | 936 GB/s | 421 USD (390–501) | 12 / 7 |
| L4 | 24 GB | 300 GB/s | 532 USD (448–853) | 20 / 10 |
| T4 | 16 GB | 320 GB/s | 549 USD (400–825) | 29 / 9 |
| RTX 4090 | 24 GB | 1008 GB/s | 559 USD (480–649) | 15 / 9 |
| RTX 5090 | 32 GB | 1792 GB/s | 699 USD (647–823) | 11 / 7 |
| L40S | 48 GB | 864 GB/s | 929 USD (679–1170) | 11 / 9 |
| A100 | 40 u 80 GB | 1935–2039 GB/s | 1099 USD (1066–1224) | 9 / 8 |
| RTX PRO 6000 | 96 GB | 1597 GB/s | 1499 USD (1137–2547) | 29 / 11 |
| H100 | 80 GB | 3350 GB/s (SXM) | 2400 USD (2019–2974) | 11 / 10 |
Llaman la atención dos cosas. La vieja T4 cuesta casi lo mismo que la L4, aunque la L4 es más nueva y tiene más memoria. Y las RTX 3090 y 4090 de gaming son más baratas que las tarjetas de servidor con la misma memoria, y su memoria es tres veces más rápida que la de la L4.
Qué tarjeta para cada tarea
Reconocimiento de voz, modelos pequeños, vídeo
Los modelos de reconocimiento de voz, los clasificadores, la búsqueda semántica y los modelos de lenguaje comprimidos de 7–8 mil millones de parámetros ocupan unos pocos gigabytes. Les bastan 16–24 GB. La L4 consume 72 W y ocupa una sola ranura de perfil bajo, por eso los proveedores montan varias en un servidor. La T4 es de la misma clase: 16 GB y 70 W, pero una generación anterior. Ambas codifican vídeo por hardware. Selecciones: servidores con L4, servidores con T4.
Generación de imágenes y modelos de lenguaje de hasta 30 mil millones de parámetros
Aquí importan la memoria y la velocidad. Las RTX 4090 y 3090 ofrecen 24 GB y cerca de un terabyte por segundo; la RTX 5090, 32 GB y 1,8 TB/s. Para un usuario o un equipo pequeño es la forma más barata de tener una tarjeta rápida. Los límites de las tarjetas de gaming: las RTX 4090 y 5090 no tienen NVLink para trabajar en pareja, y ninguna tarjeta de gaming se puede dividir en partes aisladas. En el catálogo, 12 de los 15 planes con RTX 4090 son servidores dedicados: la máquina entera es tuya.
Modelos de lenguaje de 70 mil millones de parámetros, renderizado
Un modelo de 70 mil millones de parámetros comprimido a 4 bits pesa unos 35 GB, más de lo que cabe en cualquier tarjeta de gaming. Hace falta una tarjeta de 48 GB o más. La L40S ofrece 48 GB con corrección de errores (ECC), y NVIDIA la presenta para inferencia, generación de imágenes y renderizado. La RTX PRO 6000 Blackwell tiene 96 GB y 1,6 TB/s; en ella cabe un modelo de 70 mil millones en formato de 8 bits. Selecciones: servidores con L40S, servidores con RTX PRO 6000.
Entrenamiento y modelos grandes
Entrenar requiere varias veces más memoria que ejecutar un modelo terminado y casi siempre se hace en varias tarjetas a la vez. Para eso están la A100 (40 u 80 GB, hasta 2 TB/s) y la H100 (80 GB, 3,35 TB/s en la versión SXM) con NVLink. La H100 cuesta el doble que la A100, pero su memoria es una vez y media más rápida. Selecciones: servidores con A100, servidores con H100.
Puestos de trabajo remotos y gráficos
Para escritorios virtuales, CAD y programas 3D sirven las tarjetas profesionales RTX A4000, RTX 4000 Ada y A16. La A16 lleva cuatro GPU de 16 GB en una sola placa y está pensada para muchos usuarios con poca carga gráfica.
Una tarjeta entera o una parte
Las tarjetas de servidor se pueden repartir entre clientes. La A100 se divide en siete partes aisladas, la RTX PRO 6000 en cuatro. Un proveedor puede vender esa parte como «servidor con A100», aunque te toquen 10 GB de memoria y no 80. En el catálogo hay planes así con A16, A40 y L4: tienen 2, 4 u 8 GB de memoria de vídeo. Antes de contratar, revisa la memoria de vídeo en la descripción del plan. Debe coincidir con la de la tarjeta si necesitas la tarjeta entera.
Nube, VPS o servidor dedicado
En el catálogo, la mitad de los planes con GPU son servidores dedicados y la otra mitad, nube y VPS. Un servidor en la nube se puede crear para unas horas y borrar, lo que conviene para experimentos y tareas puntuales. Cómo calcular qué sale más barato se explica en el artículo alquiler de GPU por horas. Un servidor dedicado sale más barato si la tarjeta trabaja día y noche: la máquina entera es tuya y ningún vecino comparte contigo el procesador ni el disco. Selección: servidores dedicados con GPU.
Si solo necesitas la tarjeta para un modelo pequeño y la velocidad de respuesta no es crítica, puedes prescindir de ella. Los modelos de 7–8 mil millones de parámetros también funcionan en el procesador si hay memoria RAM suficiente. Selección: VPS para redes neuronales en CPU.
Qué revisar antes de contratar
- La memoria de vídeo: tarjeta entera o una parte.
- RAM y disco. El modelo primero se descarga al disco y se lee en la memoria del servidor. La mediana de los planes con una tarjeta es de 64 GB de RAM. Para modelos grandes, NVMe desde 200 GB.
- Versión del controlador y de CUDA. Averigua si el proveedor instala el controlador y qué versión. Los frameworks recientes necesitan un CUDA reciente.
- Número de tarjetas y conexión entre ellas, si el modelo no cabe en una.
- Pagos únicos. 24 planes del catálogo, casi todos servidores dedicados, cobran una tarifa de instalación.