Requisitos de GPU de Qwen3 VL 8B Instruct: VRAM y GPU más barata
Qwen3 VL 8B Instruct tiene 8767,1 M parámetros, publicados en BF16. Admite hasta 256K tokens de contexto. Con esa longitud, solo la caché KV ocupa unos 39 GB por petición, así que los prompts largos pueden cambiar la GPU que necesitas. Se publica con licencia apache-2.0, que permite el uso comercial.
- Parámetros
- 8767,1 M
- Mínimo de memoria (INT4)
- unos 7,4 GB
- GPU más barata por hora (FP16)
- 0,15 US$
- Tipo
- Visión
Qwen/Qwen3-VL-8B-Instruct
- Parámetros 8767,1 M
- Tipo Visión
- Tarea image-text-to-text
- Contexto máximo 256K
- Licencia apache-2.0
- Descargas 7,1 M
- Me gusta 1,3 mil
Cálculo para Qwen3 VL 8B Instruct
Más ajustes
Qwen3 VL 8B Instruct necesita unos 22 GB de memoria de GPU
Inferencia (vLLM), FP16 / BF16, contexto de 8K tokens, una petición a la vez.
En qué se va la memoria
- Pesos 18 GB
- Caché KV 1,2 GB
- Sobrecarga del motor 2,9 GB
- Total 22 GB
El número de GPU deja libre un 10 % de cada tarjeta para picos. Prevé más si esperas prompts largos o muchos usuarios a la vez.
| Puesto | Configuración | Por GPU / h | GPU necesarias | Total / h | Total / mes (24/7) | Proveedor |
|---|---|---|---|---|---|---|
| 1 | 2 × V100 16GBMás barataVolta · HBM2 | 0,15 US$ | 2 | 0,30 US$ | 220 US$ | Vast.ai (se abre en una pestaña nueva)2x Tesla V100 (median of 4 offers) |
| 2 | 1 × RTX PRO 6000 96GBBlackwell · GDDR7 | 0,50 US$ | 1 | 0,50 US$ | 365 US$ | RunPod (se abre en una pestaña nueva)1x RTX PRO 6000 MaxQ |
| 3 | 2 × RTX 3090 24GBAmpere · GDDR6X | 0,29 US$ | 2 | 0,58 US$ | 421 US$ | Vast.ai (se abre en una pestaña nueva)2x RTX 3090 (median of 18 offers) |
| 4 | 1 × A40 48GBAmpere · GDDR6 | 0,59 US$ | 1 | 0,59 US$ | 431 US$ | RunPod (se abre en una pestaña nueva)1x A40 |
| 5 | 1 × RTX 6000 Ada 48GBAda Lovelace · GDDR6 | 0,67 US$ | 1 | 0,67 US$ | 488 US$ | Vast.ai (se abre en una pestaña nueva)1x RTX 6000Ada (median of 8 offers) |
| 6 | 1 × A100 40GBAmpere · HBM2 | 0,68 US$ | 1 | 0,68 US$ | 497 US$ | Vast.ai (se abre en una pestaña nueva)1x A100 SXM4 (median of 8 offers) |
| 7 | 1 × RTX A6000 48GBAmpere · GDDR6 | 0,69 US$ | 1 | 0,69 US$ | 504 US$ | RunPod (se abre en una pestaña nueva)1x RTX A6000 |
| 8 | 1 × L40S 48GBAda Lovelace · GDDR6 | 0,78 US$ | 1 | 0,78 US$ | 571 US$ | Vast.ai (se abre en una pestaña nueva)1x L40S (median of 6 offers) |
| 9 | 2 × L4 24GBAda Lovelace · GDDR6 | 0,42 US$ | 2 | 0,83 US$ | 606 US$ | Vast.ai (se abre en una pestaña nueva)2x L4 (median of 4 offers) |
| 10 | 1 × RTX 5090 32GBBlackwell · GDDR7 | 0,87 US$ | 1 | 0,87 US$ | 634 US$ | Vast.ai (se abre en una pestaña nueva)1x RTX 5090 (median of 55 offers) |
| 11 | 2 × RTX 4090 24GBAda Lovelace · GDDR6X | 0,53 US$ | 2 | 1,06 US$ | 772 US$ | Vast.ai (se abre en una pestaña nueva)2x RTX 4090 (median of 24 offers) |
| 12 | 1 × A100 80GBAmpere · HBM2e | 1,21 US$ | 1 | 1,21 US$ | 884 US$ | Vast.ai (se abre en una pestaña nueva)1x A100 SXM4 (median of 8 offers) |
| 13 | 1 × GH200 96GBHopper · HBM3 | 1,99 US$ | 1 | 1,99 US$ | 1453 US$ | Vultr (se abre en una pestaña nueva)vbm-72c-480gb-gh200-gpu (bare metal) |
| 14 | 1 × MI300X 192GBCDNA 3 · HBM3 | 2,39 US$ | 1 | 2,39 US$ | 1745 US$ | RunPod (se abre en una pestaña nueva)1x MI300X |
| 15 | 1 × H100 80GBHopper · HBM3 | 2,89 US$ | 1 | 2,89 US$ | 2110 US$ | RunPod (se abre en una pestaña nueva)1x H100 PCIe |
| 16 | 1 × H100 NVL 94GBHopper · HBM3 | 3,19 US$ | 1 | 3,19 US$ | 2329 US$ | RunPod (se abre en una pestaña nueva)1x H100 NVL |
| 17 | 1 × H200 141GBHopper · HBM3e | 3,79 US$ | 1 | 3,79 US$ | 2767 US$ | RunPod (se abre en una pestaña nueva)1x H200 NVL |
| 18 | 2 × T4 16GBTuring · GDDR6 | 0,98 US$ | 2se vende con 4 GPU; necesitas 2 | 3,91 US$ | 2856 US$ | AWS (se abre en una pestaña nueva)g4dn.12xlarge |
| 19 | 2 × A10 24GBAmpere · GDDR6 | 1,42 US$ | 2se vende con 4 GPU; necesitas 2 | 5,67 US$ | 4141 US$ | AWS (se abre en una pestaña nueva)g5.12xlarge |
| 20 | 1 × B200 180GBBlackwell · HBM3e | 7,99 US$ | 1 | 7,99 US$ | 5833 US$ | RunPod (se abre en una pestaña nueva)1x B200 |
| 21 | 1 × B300 288GBBlackwell Ultra · HBM3e | 8,99 US$ | 1 | 8,99 US$ | 6563 US$ | RunPod (se abre en una pestaña nueva)1x B300 |
| 22 | 1 × GB200 186GBBlackwell · HBM3e | 10,50 US$ | 1se vende con 4 GPU; necesitas 1 | 42,00 US$ | 30.660 US$ | CoreWeave (se abre en una pestaña nueva)GB200 NVL72 |
| Proveedor | Instancia | Por GPU / h | GPU necesarias | Total / h | Total / mes (24/7) |
|---|---|---|---|---|---|
| Vast.ai (se abre en una pestaña nueva)Más barata | 2x Tesla V100 (median of 4 offers)mercado mundial | 0,15 US$ | 2 × V100 16GB | unos 0,30 US$ | unos 220 US$ |
| RunPod (se abre en una pestaña nueva) | 1x RTX PRO 6000 MaxQus | 0,50 US$ | 1 × RTX PRO 6000 96GB | unos 0,50 US$ | unos 365 US$ |
| Lambda (se abre en una pestaña nueva) | 1x A6000us | 1,09 US$ | 1 × RTX A6000 48GB | unos 1,09 US$ | unos 796 US$ |
| Nebius (se abre en una pestaña nueva) | 1x L40S 48GBeu/us | 1,55 US$ | 1 × L40S 48GB | unos 1,55 US$ | unos 1132 US$ |
| Vultr (se abre en una pestaña nueva) | vcg-l40s-16c-180g-48vramus | 1,67 US$ | 1 × L40S 48GB | unos 1,67 US$ | unos 1220 US$ |
| AWS (se abre en una pestaña nueva) | g6e.xlargeus-east-1 | 1,86 US$ | 1 × L40S 48GB | unos 1,86 US$ | unos 1359 US$ |
| Google Cloud (se abre en una pestaña nueva) | g2-standard-24us-central1 | 1,00 US$ | 2 × L4 24GB | unos 2,00 US$ | unos 1461 US$ |
| Azure (se abre en una pestaña nueva) | NC24ads_A100_v4eastus | 3,67 US$ | 1 × A100 80GB | unos 3,67 US$ | unos 2681 US$ |
| CoreWeave (se abre en una pestaña nueva) | GH200us | 6,50 US$ | 1 × GH200 96GB | unos 6,50 US$ | unos 4745 US$ |
Precios recogidos el 13 nov 2026. Todos los costes son aproximados: bajo demanda, en dólares, sobre todo regiones de EE. UU. (los mercados como Vast.ai son mundiales).
Memoria por precisión y uso
| Precisión | Inferencia | Ajuste LoRA | Ajuste QLoRA | Ajuste completo |
|---|---|---|---|---|
| FP16 / BF16 | 22 GB | 27 GB | – | 159 GB |
| INT8 | 12 GB | – | – | – |
| INT4 | 7,4 GB | – | 13 GB | – |
La GPU más barata por precisión
Inferencia con contexto de 8K y una petición a la vez.
FP16 / BF16
unos 22 GB · 8K tokens
Los pesos tal como se publican. Sin pérdidas, pero ocupa más.
2 × V100 16GB
Vast.ai (se abre en una pestaña nueva) · 2x Tesla V100 (median of 4 offers)
- Por GPU / h
- 0,15 US$
- GPU necesarias
- 2
- Total / h
- unos 0,30 US$
- al mes, 24/7, aprox.
- 220 US$
INT8
unos 12 GB · 8K tokens
Pesos a la mitad de tamaño. En chat y RAG apenas se nota.
1 × RTX 3090 24GB
Vast.ai (se abre en una pestaña nueva) · 1x RTX 3090 (median of 29 offers)
- Por GPU / h
- 0,25 US$
- GPU necesarias
- 1
- Total / h
- unos 0,25 US$
- al mes, 24/7, aprox.
- 183 US$
INT4
unos 7,4 GB · 8K tokens
Pesos a una cuarta parte. Las pequeñas pérdidas aparecen antes en matemáticas y código.
1 × RTX 3090 24GB
Vast.ai (se abre en una pestaña nueva) · 1x RTX 3090 (median of 29 offers)
- Por GPU / h
- 0,25 US$
- GPU necesarias
- 1
- Total / h
- unos 0,25 US$
- al mes, 24/7, aprox.
- 183 US$
Inferencia frente a ajuste fino
Inferencia (FP16)
1×
de la memoria que pide la inferencia
22 GB
2 × V100 16GB · unos 0,30 US$
Ajuste LoRA
1,3×
de la memoria que pide la inferencia
27 GB
2 × V100 16GB · unos 0,30 US$
Ajuste QLoRA
0,6×
de la memoria que pide la inferencia
13 GB
1 × RTX 3090 24GB · unos 0,25 US$
Ajuste completo
7,4×
de la memoria que pide la inferencia
159 GB
4 × A40 48GB · unos 2,36 US$
Para servirlo en FP16 basta con 2 × V100 16GB (Vast.ai). LoRA necesita 2 × V100 16GB (Vast.ai), QLoRA 1 × RTX 3090 24GB (Vast.ai) y un ajuste completo 4 × A40 48GB (RunPod). Entrenar guarda en memoria las activaciones y el estado del optimizador además de los pesos; por eso suele pedir más GPU que servir el mismo modelo.
¿Funciona en un Mac o en una sola RTX 4090?
RTX 4090 (24 GB)
Sí, en INT8 con contexto de 8K: unos 12 GB caben en los 24 GB de la tarjeta.
Mac con Apple silicon
Sí, con memoria suficiente. En INT4 necesita unos 7,4 GB, así que un Mac con 16 GB o más de memoria unificada (macOS deja a la GPU usar unas tres cuartas partes). La generación será más lenta que en una GPU de centro de datos.
Modelos parecidos
Modelos abiertos de tamaño parecido.
- Molmo2-8BVisión8661,7 M · unos 21 GB FP16 · 45,2 mil ↓Necesidades de GPU
- Qwen2.5 VL 7B InstructVisión8292,2 M · unos 20 GB FP16 · 5,8 M ↓Necesidades de GPU
- Qwen2 VL 7B InstructVisión8291,4 M · unos 20 GB FP16 · 533,4 mil ↓Necesidades de GPU
- Moondream 3.1 (9B-A2B)Visión9273,9 M · unos 23 GB FP16 · 9,6 mil ↓Necesidades de GPU
- MiniCPM-o 4.5Visión9371,8 M · unos 23 GB FP16 · 179 mil ↓Necesidades de GPU
- Qwen3.5 9BVisión9653,1 M · unos 23 GB FP16 · 6,2 M ↓Necesidades de GPU
Qwen3 VL 8B Instruct: preguntas frecuentes
¿Cuánta VRAM necesita Qwen3 VL 8B Instruct?
Unos 22 GB en FP16, 12 GB en INT8 y 7,4 GB en INT4, con contexto de 8K y una petición a la vez. Los contextos más largos y más peticiones en paralelo añaden caché KV.
¿Cuál es la GPU más barata para ejecutar Qwen3 VL 8B Instruct?
2 × V100 16GB (unos 0,15 US$ por GPU / hora) en Vast.ai, por unos 0,30 US$ la hora para inferencia en FP16 / BF16 con contexto de 8K. Precios recogidos el 13 nov 2026; cambian a menudo.
¿Puedo hacer ajuste fino de Qwen3 VL 8B Instruct en una sola GPU?
Sí, con QLoRA: necesita unos 13 GB, que caben en una GPU de 80 GB. LoRA necesita unos 27 GB y un ajuste completo unos 159 GB.
¿Cómo se calculan estas cifras?
Los pesos son los parámetros por los bytes por parámetro (2 en FP16, 1 en INT8, 0,5 en INT4). La caché KV sale de las capas, las cabezas KV, el tamaño de cabeza y la longitud de contexto del modelo. Añadimos un 10 % más 1 GB para el motor y llenamos cada GPU hasta el 90 %. Los precios son de lista bajo demanda en regiones de EE. UU., tomados de la página pública de cada proveedor.
¿Funciona Qwen3 VL 8B Instruct en una GPU de consumo como la RTX 4090?
Sí, en INT8 con contexto de 8K: unos 12 GB caben en los 24 GB de la tarjeta.
¿Cabe Qwen3 VL 8B Instruct en una sola H100 de 80 GB?
Sí, en FP16 / BF16, INT8, INT4 con contexto de 8K.
¿Cuántas GPU necesito para Qwen3 VL 8B Instruct?
En FP16 con contexto de 8K: 1 × 80 GB, 1 × 48 GB o 2 × 24 GB. En INT4 los pesos ocupan más o menos la cuarta parte.
¿Cuánta VRAM necesita Qwen3 VL 8B Instruct en INT8?
Unos 12 GB: 9,2 GB para los pesos, 1,2 GB para una caché KV de 8K y 2 GB de sobrecarga del motor.
¿Cuánto cuesta tener Qwen3 VL 8B Instruct funcionando 24/7 durante un mes?
Unos 220 US$ con la configuración más barata que encontramos (2 × V100 16GB (unos 0,15 US$ por GPU / hora), 0,30 US$ la hora durante 730 horas). Lo más barato en AWS, Google Cloud o Azure ronda los 1359 US$ al mes.
FP16, INT8 o INT4: ¿cuál uso?
FP16 conserva toda la calidad y necesita más memoria (unos 22 GB aquí). INT8 reduce los pesos a la mitad con poca pérdida para la mayoría de usos de chat. INT4 (AWQ, GPTQ o GGUF Q4) los deja en una cuarta parte, unos 7,4 GB en total, con una pequeña pérdida de calidad que se nota sobre todo en matemáticas y código.
¿Funciona Qwen3 VL 8B Instruct en un Mac?
Sí, con memoria suficiente. En INT4 necesita unos 7,4 GB, así que un Mac con 16 GB o más de memoria unificada (macOS deja a la GPU usar unas tres cuartas partes). La generación será más lenta que en una GPU de centro de datos.
¿vLLM o llama.cpp?
vLLM está pensado para servir muchas peticiones a la vez en GPU de NVIDIA y AMD y reserva casi toda la memoria de la GPU para la caché KV. llama.cpp ejecuta archivos GGUF casi en cualquier equipo, incluidos Mac y CPU, y va bien para una persona o un equipo pequeño. Con la misma precisión, la memoria necesaria es parecida.
Precios recogidos el 13 nov 2026. Todos los costes son aproximados: bajo demanda, en dólares, sobre todo regiones de EE. UU. (los mercados como Vast.ai son mundiales).
Cómo calculamos
- Pesos. Parámetros por bytes por parámetro: 2 en FP16, 1 en INT8, 0,5 en INT4, más un 5 % aproximado para las escalas de cuantización en INT8 e INT4.
- Caché KV. 2 × capas × cabezas KV × tamaño de cabeza × contexto × peticiones × 2 bytes, según el config.json del modelo. Si falta un dato, lo estimamos y lo indicamos.
- Sobrecarga. Alrededor de un 10 % más 1 GB para el motor, en línea con lo que reserva vLLM.
- Ajuste fino. LoRA mantiene los pesos en 16 bits y añade un adaptador pequeño, su optimizador y las activaciones. QLoRA hace lo mismo sobre pesos de 4 bits. Un ajuste completo necesita unos 16 bytes por parámetro con Adam en precisión mixta (pesos, gradientes y estados del optimizador), más las activaciones.
- GPU. Llenamos cada GPU hasta el 90 % de su memoria y paramos en 8 por nodo. Los costes son precios de lista bajo demanda en regiones de EE. UU.; en las nubes tipo mercado mostramos la oferta mediana.