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

Requisitos de GPU de Inkling Small: VRAM y GPU más barata

Inkling Small tiene 266 mil M parámetros, publicados en BF16. Es un modelo de mezcla de expertos: 6 de sus 256 expertos trabajan en cada token, unos 1715,3 M parámetros, así que genera más o menos a la velocidad de un modelo de ese tamaño. Aun así, todos los expertos tienen que estar en la memoria de la GPU, por eso las cifras de memoria de abajo son las del modelo completo. Se publica con licencia apache-2.0, que permite el uso comercial.

Parámetros
266 mil M
Mínimo de memoria (INT4)
unos 156 GB
GPU más barata por hora (FP16)
2,39 US$
Tipo
Visión
  • Parámetros 266 mil M
  • Activos por token 1715,3 M
  • Tipo Visión
  • Tarea image-text-to-text
  • Licencia apache-2.0
  • Descargas 916,1 mil
  • Me gusta 460

Cálculo para Inkling Small

Precisión
Uso
Más ajustes
Motor de inferencia
Peticiones simultáneas

Inkling Small necesita unos 588 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 532 GB
  • Caché KV 1,4 GB
  • Sobrecarga del motor 54 GB
  • Total 588 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.

GPU que caben, de la más barata a la más caraCada tipo de GPU que seguimos capaz de alojar esta configuración en un nodo, ordenado por coste total por hora
PuestoConfiguraciónPor GPU / hGPU necesariasTotal / hTotal / mes (24/7)Proveedor
14 × MI300X 192GBMás barataCDNA 3 · HBM32,39 US$49,56 US$6979 US$RunPod (se abre en una pestaña nueva)4x MI300X
27 × RTX PRO 6000 96GBBlackwell · GDDR71,80 US$7se vende con 8 GPU; necesitas 714,40 US$10.512 US$Nebius (se abre en una pestaña nueva)8x RTX PRO 6000 96GB
37 × H100 NVL 94GBHopper · HBM33,19 US$7se vende con 8 GPU; necesitas 725,52 US$18.630 US$RunPod (se abre en una pestaña nueva)8x H100 NVL
45 × H200 141GBHopper · HBM3e3,79 US$5se vende con 8 GPU; necesitas 530,32 US$22.134 US$RunPod (se abre en una pestaña nueva)8x H200 NVL
54 × B200 180GBBlackwell · HBM3e7,79 US$431,16 US$22.747 US$Lambda (se abre en una pestaña nueva)4x B200 SXM6
63 × B300 288GBBlackwell Ultra · HBM3e8,99 US$3se vende con 4 GPU; necesitas 335,96 US$26.251 US$RunPod (se abre en una pestaña nueva)4x B300
74 × GB200 186GBBlackwell · HBM3e10,50 US$442,00 US$30.660 US$CoreWeave (se abre en una pestaña nueva)GB200 NVL72
Más de 8: hacen falta varios nodos: H100 80GB, A100 80GB, L40S 48GB, RTX 6000 Ada 48GB, RTX A6000 48GB, A40 48GB, A100 40GB, RTX 5090 32GB, RTX 4090 24GB, RTX 3090 24GB, L4 24GB, A10 24GB, T4 16GB, V100 16GB
Coste por nubeOferta más barata que cabe, por proveedor. Aproximado, precios recogidos el 16 nov 2026.
ProveedorInstanciaPor GPU / hGPU necesariasTotal / hTotal / mes (24/7)
RunPod (se abre en una pestaña nueva)Más barata4x MI300Xus2,39 US$4 × MI300X 192GB unos 9,56 US$unos 6979 US$
Nebius (se abre en una pestaña nueva)8x RTX PRO 6000 96GBeu/us1,80 US$7 × RTX PRO 6000 96GB se vende con 8 GPU; necesitas 7unos 14,40 US$unos 10.512 US$
Vast.ai (se abre en una pestaña nueva)8x RTX PRO 6000 S (median of 4 offers)mercado mundial2,23 US$7 × RTX PRO 6000 96GB se vende con 8 GPU; necesitas 7unos 17,87 US$unos 13.045 US$
CoreWeave (se abre en una pestaña nueva)RTX PRO 6000 Blackwell Server Edition (High Memory)us2,50 US$7 × RTX PRO 6000 96GB se vende con 8 GPU; necesitas 7unos 20,00 US$unos 14.600 US$
Lambda (se abre en una pestaña nueva)4x B200 SXM6us7,79 US$4 × B200 180GB unos 31,16 US$unos 22.747 US$
Vultr (se abre en una pestaña nueva)vbm-256c-2048gb-8-mi300x-gpu (bare metal)us3,99 US$4 × MI300X 192GB se vende con 8 GPU; necesitas 4unos 31,92 US$unos 23.302 US$
AWS (se abre en una pestaña nueva)g7e.48xlargeus-east-14,14 US$7 × RTX PRO 6000 96GB se vende con 8 GPU; necesitas 7unos 33,14 US$unos 24.195 US$
Google Cloud (se abre en una pestaña nueva)g4-standard-384us-central14,50 US$7 × RTX PRO 6000 96GB se vende con 8 GPU; necesitas 7unos 36,00 US$unos 26.280 US$
Azure (se abre en una pestaña nueva)ND128isr_NDR_GB200_v6eastus27,04 US$4 × GB200 186GB unos 108,16 US$unos 78.957 US$

Precios recogidos el 16 nov 2026. Todos los costes son aproximados: bajo demanda, en dólares, sobre todo regiones de EE. UU. (los mercados como Vast.ai y Lium son mundiales).

Memoria por precisión y uso

Con un contexto de 8K tokens y una petición a la vez. LoRA y el ajuste completo parten de pesos de 16 bits y QLoRA de 4 bits, así que las demás celdas quedan vacías.
PrecisiónInferenciaAjuste LoRAAjuste QLoRAAjuste completo
FP16 / BF16588 GB684 GB–4686 GB
INT8310 GB–––
INT4156 GB–253 GB–

La GPU más barata por precisión

Inferencia con contexto de 8K y una petición a la vez.

FP16 / BF16

unos 588 GB · 8K tokens

Los pesos tal como se publican. Sin pérdidas, pero ocupa más.

4 × MI300X 192GB

RunPod (se abre en una pestaña nueva) · 4x MI300X

Por GPU / h
2,39 US$
GPU necesarias
4
Total / h
unos 9,56 US$
al mes, 24/7, aprox.
6979 US$

INT8

unos 310 GB · 8K tokens

Pesos a la mitad de tamaño. En chat y RAG apenas se nota.

8 × A40 48GB

RunPod (se abre en una pestaña nueva) · 8x A40

Por GPU / h
0,59 US$
GPU necesarias
8
Total / h
unos 4,72 US$
al mes, 24/7, aprox.
3446 US$

INT4

unos 156 GB · 8K tokens

Pesos a una cuarta parte. Las pequeñas pérdidas aparecen antes en matemáticas y código.

4 × A40 48GB

RunPod (se abre en una pestaña nueva) · 4x A40

Por GPU / h
0,59 US$
GPU necesarias
4
Total / h
unos 2,36 US$
al mes, 24/7, aprox.
1723 US$

Inferencia frente a ajuste fino

  • Inferencia (FP16)

    1×

    de la memoria que pide la inferencia

    588 GB

    4 × MI300X 192GB · unos 9,56 US$

  • Ajuste LoRA

    1,2×

    de la memoria que pide la inferencia

    684 GB

    4 × MI300X 192GB · unos 9,56 US$

  • Ajuste QLoRA

    0,4×

    de la memoria que pide la inferencia

    253 GB

    6 × A40 48GB · unos 4,72 US$

  • Ajuste completo

    8×

    de la memoria que pide la inferencia

    4686 GB

    más de un nodo de 8 GPU

Para servirlo en FP16 basta con 4 × MI300X 192GB (RunPod). LoRA necesita 4 × MI300X 192GB (RunPod), QLoRA 6 × A40 48GB (RunPod) y un ajuste completo más de un nodo de 8 GPU. 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)

No por sí sola. Incluso en INT4 necesita unos 156 GB, más que los 24 GB de la tarjeta. Bastan dos o más tarjetas o una GPU de centro de datos más grande.

Mac con Apple silicon

Sí, con memoria suficiente. En INT4 necesita unos 156 GB, así que un Mac con 256 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.

Calcular otro modelo

Inkling Small: preguntas frecuentes

¿Cuánta VRAM necesita Inkling Small?

Unos 588 GB en FP16, 310 GB en INT8 y 156 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 Inkling Small?

4 × MI300X 192GB (unos 2,39 US$ por GPU / hora) en RunPod, por unos 9,56 US$ la hora para inferencia en FP16 / BF16 con contexto de 8K. Precios recogidos el 16 nov 2026; cambian a menudo.

¿Puedo hacer ajuste fino de Inkling Small en una sola GPU?

No en una sola GPU. Incluso QLoRA necesita unos 253 GB, más de lo que cabe en una GPU de 80 GB. LoRA necesita unos 684 GB y un ajuste completo unos 4686 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 Inkling Small en una GPU de consumo como la RTX 4090?

No por sí sola. Incluso en INT4 necesita unos 156 GB, más que los 24 GB de la tarjeta. Bastan dos o más tarjetas o una GPU de centro de datos más grande.

¿Cabe Inkling Small en una sola H100 de 80 GB?

No. Incluso en INT4 necesita unos 156 GB, así que hacen falta varias GPU.

¿Cuántas GPU necesito para Inkling Small?

En FP16 con contexto de 8K: 9 × 80 GB, 14 × 48 GB o 28 × 24 GB. En INT4 los pesos ocupan más o menos la cuarta parte.

¿Cuánta VRAM necesita Inkling Small en INT8?

Unos 310 GB: 279 GB para los pesos, 1,4 GB para una caché KV de 8K y 29 GB de sobrecarga del motor.

¿Cuánto cuesta tener Inkling Small funcionando 24/7 durante un mes?

Unos 6979 US$ con la configuración más barata que encontramos (4 × MI300X 192GB (unos 2,39 US$ por GPU / hora), 9,56 US$ la hora durante 730 horas). Lo más barato en AWS, Google Cloud o Azure ronda los 24.195 US$ al mes.

FP16, INT8 o INT4: ¿cuál uso?

FP16 conserva toda la calidad y necesita más memoria (unos 588 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 156 GB en total, con una pequeña pérdida de calidad que se nota sobre todo en matemáticas y código.

¿Funciona Inkling Small en un Mac?

Sí, con memoria suficiente. En INT4 necesita unos 156 GB, así que un Mac con 256 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 16 nov 2026. Todos los costes son aproximados: bajo demanda, en dólares, sobre todo regiones de EE. UU. (los mercados como Vast.ai y Lium 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.