Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

Memoria unificada

La memoria unificada (unified memory) es un diseño en el que la CPU y la GPU comparten un único conjunto de memoria en lugar de tener cada una la suya. En los Mac con Apple Silicon y chips parecidos, permite que un modelo de IA local use la mayor parte de la RAM del sistema como memoria de GPU.

También llamado: Apple Silicon memory, unified memory architecture, UMA

Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas

En un PC típico, la GPU tiene su propia VRAM, separada de la RAM del sistema que usa la CPU. Un modelo tiene que caber en la VRAM para funcionar rápido, y las tarjetas gráficas de consumo llevan mucha menos VRAM que la RAM que tiene un ordenador. La memoria unificada elimina esa separación: la CPU, la GPU y los demás procesadores del chip leen la misma memoria, sin copias entre conjuntos.

Por qué importa para la IA local

Apple llevó la memoria unificada al Mac con el chip M1 en 2020. Un Mac con mucha memoria unificada puede cargar un modelo que de otro modo necesitaría varias GPU, lo que convirtió a los Mac en una opción popular para ejecutar grandes LLM locales. El framework MLX de Apple está escrito para este diseño, y llama.cpp, Ollama y LM Studio funcionan en él.

Límites

Capacidad no es velocidad. La memoria unificada suele tener menos ancho de banda que la VRAM de una GPU dedicada de gama alta, y la velocidad de generación de los modelos grandes está limitada sobre todo por el ancho de banda, así que los tokens por segundo pueden ser menos aunque el modelo quepa. Los núcleos de GPU también son más lentos que los de una tarjeta de centro de datos, lo que se nota con prompts largos. El sistema operativo se reserva parte de la memoria, así que no toda está disponible para el modelo. La memoria se fija al comprar el equipo y no se puede ampliar.

Frente al CPU offloading

El CPU offloading es un recurso para máquinas con memoria separada: las capas que no caben en la VRAM se guardan en la RAM y se ejecutan más despacio. La memoria unificada evita esa separación por diseño.

Términos relacionados

VRAM
La VRAM es la memoria de una tarjeta gráfica. En el trabajo con IA contiene los pesos del modelo, la KV cache y los datos de trabajo, y que un modelo quepa o no en la VRAM suele decidir qué GPU necesitas para ejecutarlo.
LLM local
Un LLM local es un modelo de lenguaje que se ejecuta en tu propio ordenador, teléfono o servidor en lugar de en la API en la nube de un proveedor, de modo que los prompts y los datos se quedan en tu hardware y funciona sin conexión a internet.
Descarga a CPU
La descarga a CPU (CPU offloading) ejecuta un modelo que no cabe en la memoria de la GPU guardando parte de sus capas en la RAM del sistema, o en disco, y usando la GPU para el resto. El modelo funciona, pero más despacio.
GPU
Una GPU (unidad de procesamiento gráfico) es un procesador con muchos núcleos pequeños diseñado para ejecutar muchos cálculos en paralelo. Su velocidad con las operaciones de matrices la convierte en el hardware estándar para entrenar y ejecutar modelos de IA.
Tokens por segundo
Los tokens por segundo (tok/s) miden lo rápido que produce salida un modelo de lenguaje. Se expresan por usuario, la velocidad a la que llega en streaming una respuesta, o por sistema, la salida total de todas las peticiones simultáneas.

Fuentes